$100 AI 뮤직비디오: Claude Fable 5 vs. GPT-5.6 Sol 에이전트 비교

TL;DR Highlight

두 모델에 예산·툴을 주고 뮤직비디오를 맡겼더니 Fable 5가 최대 $73.65로 더 비쌌다

Who Should Read

긴 작업을 모델에 맡기는 에이전트 루프를 설계하며 모델별 툴 사용·비용 차이가 궁금한 백엔드 개발자

Core Mechanics

툴 6개로 에이전트 루프 구성
- plan, web_search, get_budget, generate_image, generate_video, run_command(ffmpeg) 여섯 개를 줬다.
- 예산을 쓰는 건 generate_image와 generate_video뿐이고, 예산이 0이면 생성은 거부되고 편집은 계속 가능하다.
4번 다 완주했다
- Claude Fable 5와 GPT-5.6 Sol을 각각 $25, $100 예산으로 총 4회 돌렸다.
- 모두 스텝·시간 제한 없이 스스로 끝냈고 원곡이 입혀진 전체 길이 영상을 냈다.
모델이 고른 방식이 갈렸다
- 4회 중 3회는 text-to-video만 썼고, Sol $25만 이미지 먼저 만든 뒤 애니메이션(image-to-video)했다.
- Sol $100은 Wan 2.5, Veo 3.1 Lite, Hailuo 2.3 Standard 세 모델을 섞었고, Fable $100은 Seedance 1.0 Pro만 썼다.
Fable 5는 토큰비가 비쌌다
- 총비용은 Fable $25 런 $41.29, Sol $25 런 $27.45, Sol $100 런 $39.82, Fable $100 런 $73.65였다.
- Fable의 토큰비는 $16.99~$25.05로 총비용의 약 30~40%였고, Sol은 $3~4 수준이었다.
스스로 검수하지 않았다
- 클립이 생기면 이어 붙이고 음원만 입히고 끝냈고, 다시 자르거나 효과를 넣는 일은 드물었다.

Community Reactions

영상이 가사를 그대로 베낀다는 의견
- 좋은 뮤직비디오는 가사와 다른 스토리 아크를 가진다는 지적이 있었다.
- 'don't believe me just watch'에서 시계 찬 팔만 나왔다는 사례가 언급됐다.
사람이 개입하면 훨씬 낫다는 경험
- Kling으로 만든 클립은 한 번에 뽑은 게 아니라 영상 편집기에서 마무리해 이 정도 품질이 가능하다는 의견이 있었다.
- human-in-the-loop 워크플로 사례 영상도 공유됐다.
구형 영상 모델을 썼다는 지적
- 모델들이 약 1년 전 모델을 써서 클립이 10초로 제한됐다는 의견이 있었다.
- Seedance 2는 15초, 2.5는 30초까지 가능하고 멀티모달 레퍼런스를 지원한다고 했다.
에이전트가 반복 검수해야 한다는 의견
- 실제 영화 제작은 반복 과정이라 에이전트도 단계마다 리뷰하고 개선해야 한다는 의견이 있었다.
- 원곡 뮤직비디오 예산을 약 $100,000로 보면 100배 절감이라는 주장도 있었다.
취향은 AI에 못 맡긴다는 의견
- 원하는 결과는 요구사항에 명시해야 한다는 의견이 있었다.
- 품질이 낮다는 반응이 다수였다.

How to Apply

에이전트에 예산 조회·차단 툴 붙이기
- 오늘 장시간 에이전트 루프에 get_budget 툴을 추가하고 비용이 드는 툴만 잔액을 차감하게 하라.
- 잔액이 0이면 유료 호출은 거부하고 로컬 편집 툴은 허용하라.
모델 비교는 토큰비까지 합산하기
- 같은 작업을 두 모델로 돌릴 때 생성비와 LLM 토큰비(입력/출력 단가×사용량)를 따로 기록해 합산하라.
- 모델 선택 전에 총비용으로 비교하라.
자기 검수 단계를 루프에 넣기
- 생성 직후 결과를 확인하는 단계를 시스템 프롬프트에 필수로 명시하라.
- 기준 미달이면 재생성이나 재편집을 하도록 지시하라.
캐릭터 기준 이미지를 먼저 만들게 하기
- 일관성이 필요한 생성 작업은 기준 이미지를 먼저 만들고 그것으로 애니메이션하게 지시하라.
- 원문은 이 방법을 시도하지 않았다고 했으니 직접 효과를 확인하라.

Try It

복사해서 바로 해보기

# Claude Code 또는 ChatGPT에 붙여넣기 (원문 에이전트 실험의 간이 버전: 예산·자기 검수 규칙)

당신은 예산이 정해진 자율 에이전트입니다. 작업: {{작업 설명}}
사용 가능한 툴: plan, web_search, get_budget, generate, run_command
총 예산: ${{예산}}

규칙:
1. 시작 전에 plan으로 단계와 예상 비용을 적는다.
2. 유료 호출 전에 get_budget으로 잔액을 확인한다.
3. 결과가 나오면 기준({{품질 기준}})에 맞는지 직접 점검하고, 미달이면 다시 만들거나 고친다.
4. 일관성이 필요한 요소는 기준 이미지를 먼저 만들고 그것을 재사용한다.

먼저 plan만 출력하세요.

이어서 해 볼 것: 같은 프롬프트로 두 모델을 돌려 단계 수와 토큰 비용을 비교해 보세요.

Terminology

text-to-video글만 보고 바로 영상을 만드는 방식이다. 대본만 주고 촬영을 맡기는 것과 비슷하다.

image-to-video정지 이미지를 먼저 만든 뒤 그것을 움직이게 하는 방식이다. 콘티를 그린 뒤 애니메이션으로 옮기는 것과 비슷하다.

ffmpeg영상·오디오를 자르고 이어 붙이고 합치는 커맨드라인 도구다. 영상용 스위스 군용칼이다.

FAL다양한 생성 모델을 API로 쓰게 해 주는 서비스다. 원문에서 4회 모두 FAL만 썼다.

long-horizon task여러 단계가 길게 이어지는 작업이다. 한 번의 질문 답변이 아니라 프로젝트 하나를 통째로 맡기는 것이다.