메인 콘텐츠로 건너뛰기

레이스 모드 (Race Mode)

LLM들을 경쟁시키고, 가장 우수한 결과를 선택하세요.

Rosalia avatar
작성자: Rosalia
1주 전에 업데이트함

레이스 모드란?

각 LLM은 지식, 추론 능력, 문체에서 고유한 강점을 지닙니다.

레이스 모드는 동일한 프롬프트를 여러 모델에서 동시에 실행해 결과를 비교할 수 있도록 합니다.

병렬로 답변을 생성하여 성공 확률을 높이고, 다양한 LLM의 출력을 빠르게 비교해 최적의 결과를 찾을 수 있습니다.

현재 레이스 모드에서는 여러 종류의 LLM을 선택할 수 있습니다.

📃 팁: LLM별 차이점은 Choosing LLMs 페이지에서 자세히 확인할 수 있습니다.

사용 방법

1단계

홈페이지 채팅창 하단에서 Race Mode를 선택합니다.

2단계

대화를 시작하기 전, 빌드에 사용할 다른 LLM을 설정할 수 있습니다.

기본 모드는 Auto이며, Auto를 클릭하면 LLM을 직접 커스터마이징할 수 있습니다.

3단계

톱니바퀴(⚙) 아이콘을 클릭합니다.

이 아이콘을 누르면 AI 모델 선택 팝업이 열립니다.

4단계

잠시 기다린 후(약 5~10분), 가장 좋은 출력을 선택합니다.

5단계

최적의 결과를 선택하면 나머지 결과는 저장 공간을 절약하기 위해 삭제됩니다.

대안 단계

상단의 Stop 버튼을 클릭해 레이스 모드를 중단할 수 있습니다.

중단 후에는 다음을 선택할 수 있습니다.

  • 원하는 결과를 직접 선택

  • 에이전트가 자동으로 하나를 선택

레이스 모드의 장점

복잡한 프로젝트에서 레이스 모드는 다음을 도와줍니다:

  • 더 빠른 작업: 여러 LLM을 동시에 실행해 아이디어를 신속히 테스트.

  • 더 나은 결과: 다양한 접근 방식을 병렬로 시도해 최적의 출력을 얻을 가능성을 향상.

  • 최적 선택: 각 모델의 강점을 비교해 원하는 결과를 선택.

레이스 모드가 효과적인 단계

  • 아이디어 탐색: 여러 LLM이 더 많은 아이디어를 생성해 브레인스토밍 속도를 높입니다.

  • 프로토타입 반복: 여러 모델이 동시에 오류를 찾아 빠르게 수정.

  • 테스트 단계: 프롬프트·카피라이팅·UI 디자인을 동시에 여러 출력으로 테스트 후 최적안 선택.

  • LLM 평가: 선두 모델들을 병렬 실행하여 프로젝트에 가장 적합한 모델을 확인.

  • 환각 감소: 여러 LLM의 결과를 교차 검증해 잘못된 정보(환각) 위험을 낮춤.

FAQ

언제 레이스 모드를 사용해야 하나요?

레이스 모드는 두 가지 방식으로 활용됩니다.

  • 동일한 LLM, 여러 버전: 창의적 아이디어, 코드 편집, 논리 테스트처럼

    동일한 모델을 병렬 실행해 다양한 결과를 얻어 최적 해답을 빠르게 찾을 수 있습니다.

  • 서로 다른 LLM 동시 실행: 복잡한 작업에서 여러 모델을 함께 실행해 각자의 강점을 활용.

초보자인데, 레이스 모드가 적합할까요?

경험보다는 프로젝트 복잡도와 목표가 기준입니다.

  • 단순한 프로젝트라면 일반 모드로 충분합니다.

  • 높은 정확도, 안정성, 모델 간 비교가 필요하면 레이스 모드가 더 효과적입니다.

    초보자용 간단 가이드는 Quick Start를 참고하세요.

레이스 모드 선택 후 MGX를 평소처럼 사용할 수 있나요?

네. 최적 결과를 선택하면 이후에는 MGX를 일반 모드처럼 사용할 수 있습니다.

⚠️ 단, Supabase 또는 Stripe 연동 프로젝트는 지원되지 않습니다.

Max 플랜이 없으면 레이스 모드를 체험할 수 있나요?

아니요. 여러 LLM을 동시에 실행하므로 Max 플랜 사용자만 이용할 수 있습니다.

프로젝트 유형·파일 크기 제한이 있나요?

없습니다. 모든 프로젝트와 파일 크기에서 사용 가능하지만

크레딧 소모가 많으므로 잔액을 미리 확인하세요.

레이스 모드가 정말 일반 모드보다 낫나요?

  • 개방형 작업(카피라이팅, 창작, 복잡한 추론 등)에서는

    다양한 출력 덕분에 훨씬 더 좋은 결과를 얻을 가능성이 큽니다.

  • 폐쇄형 작업(사실 검증, 데이터 검색 등 정답이 하나인 경우)에서는

    여러 LLM이 같은 결과를 내므로 이점이 적을 수 있습니다.

답변이 도움되었나요?