# \#migration
**URL:** https://discuss.pytorch.kr/tag/migration/952.md
[최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md)
---
## [OpenAI가 공개한 GPT-6 Astra 공식 활용 가이드: 자주 되묻는 모델을 끝까지 일하게 하는 프롬프팅과 마이그레이션](https://discuss.pytorch.kr/t/openai-gpt-6-astra/11846)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [9월 7, 2026, 4:00오전 UTC](https://discuss.pytorch.kr/t/openai-gpt-6-astra/11846 "2026-09-07T04:00:26Z")
GPT-6 Astra 모델 가이드 소개 OpenAI가 GPT-6 Astra 출시와 함께 개발자 문서 사이트에 Astra 전용 공식 활용 가이드(Model Guidance)를 공개했습니다. 이 문서는 gpt-6-astra 로 옮길 때 바꿔야 하는 API 파라미터, 새로 추가된 API 기능, 그리고 이전 세대와 달라진 모델의 행동 특성을 프롬프트로 조정하는 방법을 한곳에 정리한 실무 지침서입니다. GPT-5.6 Sol이나 그 이전 모델로 에이전트를 운영 중인 개발자라면 모델 이름을 바꾸기 전에 한 번은 읽어야 할 내용입니다. 문서 첫머리에서 OpenAI는 Astra를 컴퓨터 사용, 브라우징, 소프트웨어 엔지니어링, 과학, 전문 업무에서 최고 성능을 기록한 모델로 소개하고, 코드와 브라우저와 전문 소프트웨어를 오가는 여러 단계의 워크플로우를 수행하는 능력을 강점으로 꼽습니다. 이번 가이드가 앞선 세대의 가이드와 가장 다른 점은 무게 중심이 "프롬프트를 줄이라"에서 "모델의 성향을 이해하고 방향을 잡아 주라"로 옮겨 갔다는 것입니다. GPT-5.6 공식 활용 가이드의 핵심 메시지는 하네스(harness)에 쌓인 장황한 시스템 프롬프트를 걷어내고 최소 프롬프트로 시작하라는 것이었습니다. 반면 Astra 가이드는 모델이 더 협력적인 동료가 되도록 훈련된 결과로 나타나는 다섯 가지 행동 특성을 먼저 열거하고, 각 특성이 여러분의 워크플로우에 맞지 않을 때 넣을 프롬프트를 그대로 제시합니다. 가이드는 Astra를 OpenAI 모델 중 가장 정렬(alignment)이 잘 된 모델로 소개하면서, 주의를 기울이고 작업 경계를 지키며 투명하게 소통하는 점을 강점으로 꼽습니다. 지시에 해석의 여지가 있으면 맥락으로 일상적인 공백을 채우고, 답이 결과를 바꿀 수 있을 때만 초점이 잡힌 질문을 하며, 새 요구사항을 반영하거나 방향을 바꾸거나 곁가지 질문에 답하면서도 원래 작업을 놓치지 않는다는 설명입니다. 그런데 이 성향은 사용자가 모델이 적당한 가정을 세우고 계속 진행하기를 기…
---
## [Anthropic이 공개한 Claude Opus 5 프롬프트 작성법 및 Opus 4.8 마이그레이션 가이드](https://discuss.pytorch.kr/t/anthropic-claude-opus-5-opus-4-8/11439)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [7월 28, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/anthropic-claude-opus-5-opus-4-8/11439 "2026-07-28T03:30:10Z")
Claude Opus 5 프롬프트 가이드 소개 Anthropic이 공식 문서에 Claude Opus 5 전용 프롬프트 가이드를 추가했습니다. 새 모델이 나올 때 개발자가 기대하는 것은 대개 "같은 프롬프트로 더 좋은 결과"인데, 이 문서가 다루는 내용은 정확히 그 기대가 어긋나는 지점입니다. Anthropic 스스로도 Claude Opus 4.8 시절 프롬프트에서 "별도 손질 없이 잘 동작한다" 고 적어 두었지만, 그 다음 문장부터 문서 전체가 가장 자주 손봐야 하는 동작들 을 하나씩 짚습니다. 가이드를 관통하는 논지는 한 문장으로 압축됩니다. 이전 모델을 달래려고 써 둔 지시를 지우는 일이, 새 지시를 추가하는 일보다 중요합니다. 예전 Claude에게 "작업이 끝나면 반드시 검증 단계를 넣어라" 라고 적어 두었다면 Opus 5에서는 그 문장이 과잉 검증을 유발하고, "진행 상황을 3번의 도구 호출마다 요약하라" 라고 적어 두었다면 이제는 중복 서술이 됩니다. 모델이 알아서 하게 된 일을 계속 시키면 토큰만 늘고 결과는 나아지지 않습니다. 반대로 새로 적어야 하는 지시도 있습니다. Opus 5는 사용자에게 보여 주는 응답도, 파일로 써 내려가는 산출물도 이전 모델보다 깁니다. 그리고 문서가 못 박아 두는 중요한 사실이 하나 있는데, 응답 길이는 effort 파라미터로 줄어들지 않습니다. effort는 모델이 얼마나 생각하는지 를 조절할 뿐 얼마나 말하는지 를 조절하지 않기 때문에, 분량은 프롬프트로 직접 요구해야 합니다. 비용을 줄이려고 effort만 낮췄다가 응답 길이는 그대로여서 당황하는 경우가 여기서 나옵니다. 이 게시물에서는 프롬프트 가이드의 전체 내용과, 함께 읽어야 하는 Claude Opus 4.8에서 Claude Opus 5로의 마이그레이션 가이드를 묶어 정리합니다. 두 문서는 같은 이야기를 각각 프롬프트 관점과 API 관점에서 서술하고 있어서, 실제로 모델을 갈아 끼울 때는 둘을 함께 봐야 빠지는 항목이 없습니다. :books: 심…
---
## [\[NAVER\] ML gpu model server 성능을 유지하며 cpu server로 전환한 경험 공유 (feat. torchserve)](https://discuss.pytorch.kr/t/naver-ml-gpu-model-server-cpu-server-feat-torchserve/2161)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [7월 26, 2023, 1:08오후 UTC](https://discuss.pytorch.kr/t/naver-ml-gpu-model-server-cpu-server-feat-torchserve/2161 "2023-07-26T13:08:08Z")
이 글은 GPT-4를 사용하여 자동 생성한 설명으로, 잘못된 내용이 있을 수 있습니다. :smile: 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다! :bowing\_man: 소개 이 글은 네이버 플레이스 개발팀에서 ML 모델 서버를 GPU에서 CPU로 전환하는 과정을 공유하는 것입니다. 이 전환은 서버 비용을 절감하고, 서버 운영을 더 효율적으로 만들기 위한 목표를 가지고 있습니다. 요약 1. 모델 서버의 GPU에서 CPU로 전환 네이버 플레이스 개발팀은 모델 서버를 GPU에서 CPU로 전환하는 작업을 진행했습니다. 이는 서버 비용을 절감하고, 서버 운영을 더 효율적으로 만들기 위한 목표를 가지고 있습니다. 이 작업은 모델 학습(training)에 사용되는 GPU를 CPU로 대체하는 것을 포함합니다. 2. 모델 서버의 구조 모델 서버는 크게 세 가지 부분으로 구성되어 있습니다: 모델 학습, 모델 서버, 그리고 클라이언트. 모델 학습은 데이터셋(dataset)을 사용하여 모델을 학습하는 과정을 포함하며, 모델 서버는 학습된 모델을 호스팅하고, 클라이언트는 모델 서버에 요청을 보내고 응답을 받습니다. 3. GPU에서 CPU로의 전환 GPU에서 CPU로의 전환은 여러 단계를 포함합니다. 먼저, 모델 학습 코드를 CPU에서 실행할 수 있도록 수정합니다. 그런 다음, 모델 서버를 CPU에서 실행할 수 있도록 설정합니다. 마지막으로, 클라이언트 코드를 수정하여 CPU에서 실행되는 모델 서버에 요청을 보낼 수 있도록 합니다. 4. 전환 후의 결과 전환 후에, 서버 비용이 크게 절감되었고, 서버 운영이 더 효율적으로 이루어졌습니다. 또한, CPU에서 실행되는 모델 서버는 GPU에서 실행되는 모델 서버와 비교하여 성능 저하 없이 잘 작동했습니다. 참조 https://medium.com/naver-place-dev 이 블로그는 네이버 플레이스 개발팀의 다양한 프로젝트와 경험을 공유합니다. 이 글에서 언급된 GPU에서 …