영어권 자료와 제조사 문서에는 답이 없는 문제가 있습니다. 한국어와 한국 환경에서만 생기는 것들입니다. 토큰이 몇 배로 드는지, 파일명이 왜 깨지는지, 맞춤법 교정을 어디까지 믿어도 되는지 — 이런 건 직접 재보는 수밖에 없습니다. 이 페이지는 그렇게 측정한 글을 모읍니다.
모든 글에 실험 조건과 원자료를 함께 싣습니다. 숫자만 믿으라고 하지 않고, 같은 방법으로 다시 재실 수 있게 문항과 스크립트를 공개합니다 (예: 맞춤법 문항 60개와 실행 스크립트, OCR 시험 이미지와 채점 코드, 인코딩 시험 표와 전체 응답). 아직 원자료를 못 올린 글은 본문에 측정 조건과 표를 싣고, 정리되는 대로 이 자리에 추가합니다. 결과가 통념과 다르게 나와도 그대로 씁니다.
비용 — 한국어는 얼마나 더 드나
- 한국어 토큰, 아직도 영어의 2배일까 — 병렬 문서 24쌍 + 실무 프롬프트 5쌍 실측. 답은 1.3~1.4배이고, “2~3배”는 틀린 말이 아니라 GPT-4 시절 숫자입니다
정확도 — 어디까지 맡겨도 되나
- AI 맞춤법, 60문항 돌려본 결과 — 60문항 × 모델 3종 × 프롬프트 2종, 360회 호출. 규칙 오류는 6/6인데 뜻으로 갈리는 오류는 1/6까지 떨어집니다
- 한글 OCR, 맥 내장이 GPT보다 정확했다 — 정답을 아는 이미지 8장으로 문자오류율 측정. 무료로 도는 맥 내장이 3.8%, GPT 비전이 7.0%였습니다
막히는 지점 — 왜 안 되나
- 한글 파일명 깨짐, 진짜 원인 네 가지 — 정규화·zip 플래그·HTTP 헤더·코드의 문자열 비교. 바이트 단위로 재현했습니다
- 한글 CSV가 깨지면 이름부터 틀린다 — 깨진 표를 그대로 넣었더니 매출 합계는 정확한데 사람 이름이 조용히 바뀌었습니다
- AI 챗봇 자동화, 웹 화면에서 막히는 다섯 지점 — 다섯 경로를 전부 시험해 전부 실패한 기록. 실패하는 방식이 각각 달랐습니다
이 묶음을 읽는 법
처음이시면 한국어 토큰부터 보시길 권합니다. 나머지 글이 그 위에 얹힙니다. 파일명 글의 토큰 배율 이야기도 거기서 이어집니다.
측정 결과가 바뀌면 글을 고치고 그 사실을 남깁니다. 방식은 편집 원칙과 수정 정책에 적어 두었습니다. 틀린 부분을 발견하시면 문의하기로 알려 주세요.