01핵심 내용

• 에포트는 모델의 사고 시간과 토큰 소모량을 정하는 값으로 로우부터 맥스까지 다섯 단계로 구성
• 맥스는 수학 난제나 물리 법칙 수준 문제에 제한적으로 쓰며, 하이 두 번 실패 후 사용하는 최후 수단
• 루나는 로우를 피하고 미디엄 이상에서 반복 작업을 맡기며, 테라는 미디엄 고정이 효율적이라는 체감
• 솔은 엑스트라 하이를 제외한 구간을 폭넓게 쓰고, 아스트라는 로우·미디엄부터 시작하는 방식 제시

02왜 중요한가

• 높은 에포트는 응답 대기 시간과 토큰 사용량을 늘리지만 결과 개선이 비례하지 않을 수 있음
• 작업 유형과 모델 변화에 따라 결과가 달라져 동일 작업을 에포트별로 비교하는 습관이 필요