Armox
    Armox Academy 📚
    AI 모델 참조텍스트 모델

    Text Models

    Armox의 텍스트 모델은 텍스트를 생성, 분석, 변환할 수 있는 강력한 대규모 언어 모델(LLM)입니다. 많은 모델이 이미지와 비디오 같은 멀티모달 입력도 지원합니다.

    Overview

    텍스트 모델은 지능형 워크플로의 기반입니다. 다음과 같은 작업에 사용하세요:

    • Generate content — 아티클, 스크립트, 마케팅 카피 등 작성
    • Analyze and reason — 복잡한 정보를 처리하고 인사이트 제공
    • Transform text — 재작성, 요약, 번역, 확장
    • Understand media — 비전 지원 모델로 이미지/비디오 분석

    Available Text Models

    ModelProviderCostVisionBest For
    GPT-5OpenAI20 creditsComplex reasoning, detailed analysis
    Gemini 2.5 FlashGoogle10 credits✅ Images & VideoFast multimodal tasks
    Claude 4.5 SonnetAnthropic30 creditsLong-form content, nuanced writing
    DeepSeek V3.1DeepSeek10 creditsCost-effective reasoning
    Grok 4xAI20 creditsProblem solving, technical tasks
    Llama 3 70BMeta14 creditsOpen-source, versatile
    Llama 3 8BMeta2 creditsFast, budget-friendly

    Connection Colors

    Armox Canvas에서 텍스트 연결은 blue 핸들과 엣지를 사용합니다:

    • Input Handle: 노드 왼쪽의 Blue circle
    • Output Handle: 노드 오른쪽의 Blue circle
    • Connection Edge: 노드를 연결하는 Blue line

    Common Settings

    대부분의 텍스트 모델은 다음 설정 옵션을 공유합니다:

    System Prompt

    모델의 행동과 페르소나를 설정합니다. AI가 일을 시작하기 전에 “직무 설명서”를 주는 것과 같습니다.

    Max Tokens

    응답의 최대 길이를 제어합니다. 값이 클수록 더 긴 출력이 가능하지만 비용도 늘어납니다.

    Temperature

    창의성 vs 일관성을 조절합니다:

    • Low (0.0-0.3): 일관되고 집중된 응답
    • Medium (0.4-0.7): 균형 잡힌 창의성
    • High (0.8-2.0): 더 창의적이고 다양한 출력

    Top P (Nucleus Sampling)

    응답 다양성을 미세 조정합니다. 값이 낮을수록 더 결정적인 출력이 됩니다.

    Choosing the Right Model

    For Speed and Cost

    • Llama 3 8B (2 credits) — 가장 빠르고 가장 저렴
    • DeepSeek V3.1 (10 credits) — 속도/성능 균형이 좋음
    • Gemini 2.5 Flash (10 credits) — 비전 지원 포함, 빠름

    For Quality

    • GPT-5 (20 credits) — 복잡한 추론에 최적
    • Claude 4.5 Sonnet (30 credits) — 글쓰기와 뉘앙스에 강함
    • Grok 4 (20 credits) — 문제 해결에 강함

    For Vision Tasks

    • Gemini 2.5 Flash — 이미지/비디오, 빠른 처리
    • GPT-5 — 다중 이미지, 상세 분석
    • Claude 4.5 Sonnet — 단일 이미지 깊은 이해

    Best Practices

    1. Be specific — 프롬프트가 명확할수록 결과가 좋아집니다
    2. Use system prompts — 컨텍스트와 기대치를 설정하세요
    3. Iterate — 결과를 보고 프롬프트를 개선하세요
    4. Match model to task — 쉬운 작업에 과금이 큰 모델을 쓰지 마세요

    Next Steps

    개별 모델 문서를 통해 상세 설정과 사용 사례를 확인하세요: