I tried every GPT & Claude Model for Motion Graphics & Ads

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

GPT·Claude 모델로 모션 그래픽과 광고를 비교한 이번 실험에서는 Claude 계열, 특히 Sonnet이 품질과 비용의 균형에서 돋보였으며, 구체적인 제작 지시가 결과의 일관성을 높였다.

📌 핵심 요점

1. 제작자는 자체 웹앱에서 OpenClaw 숏폼, OpenAI Dots 제품 출시 데모, Puddle 앱 광고를 비교했다. 앞의 두 실험에는 7개 모델, 마지막에는 Terra와 Luna를 제외한 5개 모델을 사용했고, 모델명을 가린 상태로 결과를 평가했다.
2. 첫 실험은 브랜드 자료를 첨부하지 않고 모델이 직접 찾아 활용하도록 했다. 제작자의 관찰에 따르면 Claude 계열은 최신 OpenClaw 로고와 브랜딩을 반영했고, GPT 계열에서는 Astra가 이를 수행했다.
3. 시각적 완성도와 정보 정확성은 별개였다. 보기 좋은 결과에도 빠른 화면 전환, 부정확한 제품 표현, 잘린 글자, 부족한 움직임 등의 수정 과제가 남았다.
4. 마지막 광고 실험에서는 Opus로 생성한 마스터 프롬프트와 샷 리스트를 공통으로 제공했다. 결과의 흐름과 장면 구성이 비슷해졌지만, 움직임의 풍부함과 세부 완성도에는 차이가 있었다.
5. 제작자는 Sonnet을 예산이 제한된 모션 그래픽 작업의 유력 후보로 평가했다. 다만 비용은 실제 구독 결제액이 아니라 소매 API 요금으로 환산한 추정치이며, 일부 금액과 모델명은 전사 확인이 필요하다.

🧩 배경과 문제 정의

제작자는 Clear Mud를 위해 직접 만든 웹앱을 제작 도구이자 비교 도구로 사용한다. 목표는 GPT·Claude 모델이 모션 그래픽과 광고를 얼마나 잘 만들고, 브랜드 자료를 얼마나 정확하게 찾아 반영하는지 확인하는 것이다.

첫 두 실험은 짧고 자연스러운 요청만으로 결과를 생성한다. 마지막 실험은 Opus가 작성한 마스터 프롬프트와 샷 리스트를 공통으로 사용해, 구체적인 지시가 모델별 출력에 어떤 차이를 만드는지 살펴본다. 모델명을 숨긴 채 시각적 결과를 먼저 평가하고, 이후 이름과 생성 시간·출력 토큰·추정 API 비용을 확인한다.

🕒 시간순 섹션별 상세정리

1. 실험 목표와 비교 도구 소개

• GPT·Claude 모델로 바이럴 숏폼, OpenAI 제품 출시 데모, 광고 프로모션을 제작하겠다고 보여준다. 자체 웹앱은 제작 기능과 벤치마크 기능을 함께 갖춘 도구로 묶인다. [00:37]
• 전사상 Fable 5.1, Opus 5.5, Sonnet 5.5와 GPT 계열 Astra, 6.1 Soul, Luna, Terra를 시험 대상으로 언급하고 Haiku는 제외한다. [00:57]
• 첫 작업은 15초 세로형 소셜 영상이다. 처음 두 번은 간단한 요청을 쓰고, 마지막에는 스크립트와 샷 리스트를 포함한 구체적인 제작 지시를 사용할 계획이다. [01:28]

2. OpenClaw 숏폼 요청과 블라인드 비교 설정

• OpenClaw의 차별점을 강조하는 숏폼을 요청하며, 웹사이트와 소셜 채널의 브랜딩·아이콘·정보를 활용하도록 지시한다. [02:02]
• 승자를 선택하기 전까지 모델명을 숨기는 블라인드 방식으로 생성 결과를 비교한다. [02:11]
• 비교 화면에는 생성 시간, 출력 토큰, 추정 API 비용과 자료 조사 여부가 표시된다. 비용은 구독 사용분을 소매 API 요금으로 환산한 수치라고 보여준다. [02:40]

3. 첫 결과 확인과 브랜드 자료 탐색의 의미

• 모든 결과가 완료되기까지 약 6분이 걸렸다고 드러낸다. 모델명을 공개하기 전 비용을 보고 모델을 추측하지만, 이는 아직 확인되지 않은 추정이다. [03:20]
• 초기 결과에서 읽기 어려울 정도로 빠른 화면 전환과 부정확한 로고·브랜드 색상을 지적한다. 다른 결과에서는 목업과 시각적 구성요소를 긍정적으로 평가한다. [04:52]
• 실제 제작에서는 브랜드 자료를 첨부하는 것이 바람직하지만, 이번에는 모델이 추론·검색·자료 수집을 거쳐 필요한 정보를 확보하는 능력을 시험한다고 보여준다. [05:26]

4. 첫 숏폼의 선호 결과와 모델 추측

• 모델 E를 현재까지 가장 선호하는 결과로 고르고, 첫 요청만으로도 괜찮은 초안이 나왔다고 평가한다. [05:52]
• 모델 F를 차선호 결과로 평가한다. 모델 G는 이전 OpenClaw 배너를 가져왔으며, 상대적으로 높은 순위를 주지 않는다. [06:42]
• 공개 전에는 E가 Opus, F가 Sonnet, C가 Astra일 것으로 추측한다. 이후 공개 과정에서 자신의 추측이 틀렸음을 확인한다. [07:11]

5. 모델 공개와 최신 브랜딩 반영 차이

• Astra는 괜찮은 결과, Luna는 저렴하고 빠른 결과로 평가한다. Sonnet의 목업은 좋아하지만 전환 속도가 빠르며, Terra는 브랜드 표현이 어긋났다고 지적한다. [07:44]
• 선호했던 결과는 Opus였고 차선호 결과는 Fable이었다. GPT 6.1 Soul은 이전 로고를 가져온 것으로 평가한다. [07:58]
• 제작자의 관찰에 따르면 GPT 계열 중 Astra만 최신 OpenClaw 아이콘과 로고를 가져왔고, 비교한 Claude 모델들은 최신 브랜딩과 정보를 반영했다. [08:24]

6. 첫 실험의 비용과 간단한 요청의 한계

• 비용표를 살펴보며 Opus는 생성당 81센트, Sonnet은 49센트로 보여준다. Sonnet은 추가 제작 지시를 주면 더 좋은 결과를 낼 수 있을 것으로 평가한다. [08:59]
• 이번 요청은 초보자가 몇 문장으로 설명한 수준이라고 강조한다. 첫 실험에서는 Astra를 제외한 GPT 결과보다 Claude 계열 결과를 더 높게 평가한다. [09:14]

7. OpenAI Dots 제품 출시 데모 요청

• 같은 7개 모델에 30초 제품 출시 영상을 요청하고 블라인드 방식을 유지한다. 첨부 자료 없이 OpenAI Dots 데모를 재현하려 한다. [09:38]
• 전사에서 GPT 생태계의 개인 AI 에이전트로 설명한 Dots에 대해 출시 정보, 기능, 차별점, 브랜드·캐릭터 자료를 조사하도록 요청한다. [10:30]
• 감독이나 제작자의 전문적인 지시 대신 자신이 자연스럽게 설명하는 첫 요청을 사용한다고 밝히고 생성을 시작한다. [11:11]

8. 제품 데모의 브랜드 표현과 정보 정확성 평가

• 가장 오래 걸린 모델 F는 약 11분이 소요됐다고 드러낸다. 초기 결과에서는 OpenAI 제품처럼 보이지 않는 캐릭터 표현을 지적한다. [12:14]
• 모델 B는 실제 캐릭터 자료를 가져왔지만 기업 발표용 슬라이드처럼 느껴진다고 평가한다. 모델 C는 흐름·애니메이션·속도가 좋지만 일부 표현의 정확성은 의심한다. [13:23]
• 모델 D도 실제 자료를 사용했으나 가장 선호하는 결과는 아니라고 평가한다. 자료 확보 여부와 최종 시각적 매력은 별도로 판단한다. [13:56]

9. 제품 데모의 선호 결과와 마지막 비교 대상 축소

• 모델 E는 일부 부정확한 표현에도 가장 선호하는 결과로 평가한다. 음악과 음성을 더하고 다음 요청에서 내용을 수정할 가능성을 언급한다. [14:31]
• 모델 F는 차선호 결과로 꼽는다. 모델 G는 초반 인상만으로 낮게 평가하며 전체 재생을 건너뛴다. [15:28]
• 모델 공개 후 선호 결과가 Sonnet과 Opus였음을 확인한다. 마지막 실험에서는 Terra와 Luna를 빼고 GPT 모델 두 개를 포함한 5개를 비교하기로 한다. [15:59]

10. 작업별 적합성과 제품 데모 비용 검토

• Terra와 Luna에 대한 부정적 평가는 모션 그래픽에 한정한다고 보여준다. Luna는 Mac에서 일상적인 작업에 유용하다고 덧붙인다. [16:22]
• 제품 데모 비용표를 보며 모델별 금액을 비교한다. 전사의 소수점·단위가 불명확한 항목이 있어 정확한 비용은 원본 화면 확인이 필요하다. [16:43]
• 일부 표현의 정확성은 아쉽지만, Sonnet과 Opus를 높게 평가하며 특히 Sonnet의 결과와 비용에 주목한다. [17:02]

11. Opus로 광고용 마스터 프롬프트 작성

• 마지막 작업은 앱 광고이며, Opus로 샷 리스트와 마스터 프롬프트를 생성한다. 자세한 공통 지시를 주면 모델별 결과가 더 비슷해질 것으로 예상한다. [17:46]
• Puddle 광고는 일상적인 불편에서 시작해 앱의 실제 작동을 보여주는 방향으로 구성한다. 바쁜 모바일 이용자가 내용을 빠르게 이해하도록 하는 흐름을 검토한다. [18:28]
• 식사비를 누가 냈는지, 시스템 전체의 스킬 목록 같은 예시를 넣고, 스킬 통합·쉬운 에이전트 사용·기억 보조를 강조하는 문구를 입력한다. [19:16]

12. Puddle 광고 생성 조건과 대기 시간

• Terra와 Luna를 제외하고 블라인드 방식을 유지한다. 마지막 결과물도 30초 영상으로 설정한다. [19:28]
• Puddle은 Clear Mud에서 작업 중인 프로젝트이며 공개 여부는 정해지지 않았다고 보여준다. 로고·서체·색상 등 브랜드 키트는 첨부하지 않고 요청만으로 비교한다. [20:06]
• 5개 결과가 모두 준비됐으며, 모델 E는 약 13분으로 가장 오래 걸렸다고 드러낸다. [20:19]

13. 구체적인 지시 아래 나타난 공통 구조와 표현 차이

• 모델 A는 여러 지시를 잘 따르고 목업도 괜찮다고 평가한다. 모델 B에는 더 많은 움직임과 애니메이션이 있으며, 화면과 요소가 함께 움직이는 구성을 특히 높게 평가한다. [21:23]
• 모델 C는 연결선이 어색한 부분이 있지만 개발자 지향의 표현이 흥미롭다고 평가한다. [21:46]
• 마스터 프롬프트와 샷 리스트를 공통으로 제공했기 때문에 장면 구성과 출력이 비슷해졌다고 보여준다. [22:06]

14. 마지막 결과의 결함과 모델·비용 공개

• 모델 D는 일부 글자가 잘리고 움직임과 애니메이션이 부족하다고 평가한다. 다른 결과와 장면 흐름은 비슷하지만 표현이 정적으로 느껴진다고 드러낸다. [22:43]
• 마지막 모델은 전환과 움직임이 풍부하지만 잠깐 멈춘 듯한 출력 문제가 있다. 가장 선호하는 결과는 아니어도 좋은 첫 초안이라고 평가한다. [23:20]
• 모델명을 공개한 뒤 비용을 비교한다. Sonnet을 두 번째로 저렴한 결과로 소개하지만, 전사된 금액들의 단위와 소수점은 원본 확인이 필요하다. [23:56]

15. Sonnet 재평가와 제작 도구 확장 계획

• Sonnet 결과를 다시 보며 가장 선호하는 영상으로 평가한다. 요소 간 연동된 움직임은 좋지만 중간의 정적인 부분은 추가 요청으로 개선하고 싶다고 드러낸다. [24:21]
• 제작자는 Sonnet의 모션 그래픽 능력에 놀라움을 표현한다. 이는 이번 출력에 대한 개인적인 평가다. [24:32]
• 웹앱에 장면별 수정, 음악, 음성 합성 등의 기능을 추가할 계획을 드러낸다. 직접 녹음한 목소리와 AI를 활용한 음성 표현도 고려한다. [25:10]

16. 활용 가능성, 예산 기준 추천과 마무리

• 세 가지 형식만 시험했지만 디지털 마케팅 대행사와 광고 제작자의 부담을 줄이고 기획에 집중하게 할 가능성을 본다. 구체적인 지시가 결과의 일관성을 높인다고 정리한다. [25:42]
• Opus와 Fable도 여러 상황에서 좋은 결과를 냈다고 평가한다. 예산이 제한된 작업에서는 Sonnet이 지금까지 선호한 모델 중 하나라고 강조한다. [26:06]
• 자신을 AI 전문가가 아니라 공개적으로 만들고 경험을 공유하는 제작자로 보여준다. 시청자의 업무·대상 고객·질문을 받아 후속 영상을 만들겠다고 안내하고 Clear Mud 소개로 마무리한다. [26:30]

🧾 결론

• 이번 비교에서 Claude 계열은 브랜드 자료 활용과 모션 그래픽 표현에 강점을 보였고, Sonnet은 제작자가 반복해서 선호한 모델이었다.
• 모델 선택과 함께 프롬프트의 구체성을 관리해야 한다. 샷 리스트와 장면별 요구사항을 제공하면 결과의 구조와 일관성을 높일 수 있다.
• 완성도 높은 첫 초안도 브랜드 정확성, 제품 설명, 가독성, 전환 속도를 검수하고 수정해야 한다.
• 결과는 세 가지 형식과 제작자의 주관적 평가에 한정된다. Terra·Luna에 대한 낮은 평가는 모션 그래픽 작업에 관한 것이며, 일반적인 작업 능력 전체에 대한 평가로 확대할 수 없다.

📈 투자·시사 포인트

• 광고 제작 업무에서는 생성 비용뿐 아니라 자료 탐색, 브랜드 검수, 수정에 드는 시간을 함께 비교해야 한다. 저렴하고 빠른 출력도 수정 부담이 크면 실무 효율이 낮아질 수 있다.
• Sonnet은 이 영상에서 비용과 시각적 품질을 함께 고려할 때 우선 시험해 볼 후보로 제시된다. 최고가 모델이 항상 제작자의 최선호 결과를 만든 것은 아니다.
• 제작자는 디지털 마케팅 대행사와 광고 운영자의 제작 부담을 줄이고 기획에 집중할 가능성을 제시한다. 실제 광고 성과나 수익성 개선은 영상에서 검증하지 않았다.
• 장면별 수정, 음악, 음성 기능을 결합하는 제작 도구가 다음 확장 방향으로 소개된다. 해당 기능의 완성도와 서비스 공개 여부는 아직 확인되지 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제목은 모든 GPT·Claude 모델을 시험했다고 표현하지만, 본문에서는 Haiku를 제외하고 선택한 7개 모델을 비교한다. 마지막 실험에는 5개만 참여하므로 전체 모델군을 포괄한 비교로 볼 수 없다.
• 모델명과 버전 표기가 전사에서 흔들린다. Fable/Babel, Soul, Astra/Astro, Sonnet 5.5 등은 원본 화면과 대조해야 하며, 이 노트만으로 공식 명칭이나 실제 제공 여부를 확정할 수 없다.
• 가격 전사에는 소수점과 단위가 불명확한 대목이 있다. 특히 두 번째 실험의 "$248", "$121"과 마지막 실험의 "$29" 등은 원본 비용표 확인 없이 정확한 금액으로 재사용하면 안 된다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 원본 영상의 모델 선택 화면과 비용표를 확인해 모델명, 버전, 금액, 단위를 정리한다.
• 실제 제작할 숏폼·제품 데모·광고 중 하나를 골라 동일한 프롬프트로 후보 모델을 비교한다.
• 로고·색상·서체 등 브랜드 자료를 제공한 조건과 모델이 직접 탐색하는 조건을 나누어 결과를 확인한다.
• 샷 리스트에 장면 순서, 전달할 정보, 전환 속도, 읽을 시간을 명시하고 모호한 프롬프트와 비교한다.

❓ 열린 질문

• 공식 브랜드 자료를 모두 첨부하면 이번에 나타난 모델 간 정확성 차이가 얼마나 줄어들까?
• 동일한 작업을 반복하거나 다른 광고 형식을 사용해도 Sonnet의 비용 대비 선호도가 유지될까?
• 마스터 프롬프트를 Opus 이외의 모델이 작성하면 최종 결과의 구성과 모델별 순위가 달라질까?