Q 답변형 검색 페이지
AI 코딩에서 실패는 어디로 가나 — 7버킷 분포
✦ AI 에디터의 답
실측 11,147 실패의 분포: error 27.9% / timeout 22.9% / failure 21.3% / nonzero_exit 17.5% / permission 7.8% / exception 2.0% / fatal 0.5%. 권한·타임아웃이 모델 자체 오류만큼 크다.
출처: 본 매체의 6개 노트 실측 + 운영자 작업 로그
근거가 된 노트 (6)
- 실패·비용2026-05-29
429 rate limit이 멈춘 6분 — 모델보다 인프라가 먼저 죽는다는 신호
11,147실패 누적 (7,729 세션 / 132,293 이벤트)› 자동화가 멈추는 첫 자리는 모델 품질이 아니라 외부 인프라(쿼터·게이트웨이·키 한도)다. 같은 모델에 같은 프롬프트를 줘도 6분 안에 죽을 수 있다는 걸 baseline 으로 박는다.
- 실패·비용2026-05-20
리마스터 178장 — 한 배치가 다 갈릴 때까지
178그날의 핵심 수치› AI 배치 작업은 No Placeholder Policy 를 강제하라 — 가짜 파일을 만들지 않아야 실패가 데이터로 남는다.
- 실패·비용2026-05-22
거부당해야 할 명령
403그날의 핵심 수치› AI 에이전트의 셸 호출은 발행 전 자동 redaction/게이트를 통과시킨다 — 사람의 검열이 늦으면 못 막는다.
- 실전 활용2026-05-21
다섯 번 실패한 새벽에 한 장이 남았다 — 머리 둘 달린 캐릭터를 고친 기록
11,147그날의 핵심 수치› AI 풀바디 작업에서 막혔을 때는 add 가 아니라 remove 부터 시도한다. ControlNet · regional prompter · 추가 LoRA · 후처리 segmentation 을 하나씩 꺼본다.
- 도구 선택2026-05-20
Claude·Codex·Gemini를 한 작업에 섞어 쓴 결과 — 이벤트 13만 건의 분담표
81,764Claude 이벤트 (전체의 61%)› 설계·리뷰처럼 '되돌리기 비싼' 작업은 추론 강한 모델(Claude)로, 양산·반복은 빠른 모델(Codex)로 라우팅한다.
- 실전 활용2026-05-20
캐릭터 하나가 13단계를 통과하는 데 걸린 것
13Phase 끝에 한 캐릭터가 production› AI 학습 파이프라인을 1번에 끝내지 말고 청소(데이터 무결성) → 학습 → 검증 13단계로 쪼개라.
관련 질문