ChatGPT vs Claude 힉스필드 비교: 영상 모델 15종과 서울 야경 제작 체크리스트

▶ 유튜브 원본 영상 바로 보기
https://www.youtube.com/watch?v=MAFaZ1NqS5g

같은 “서울 야경 드론 영상”을 요청해도, 결과는 얼마나 달라질까요? 힉스필드에서 모델을 고르는 일만큼 중요한 것이 있습니다. 어떤 대화형 AI로 기획하고, 어떤 스타일과 카메라 동선을 정해 실행하느냐입니다.

이번 글은 아크룩스 디자인의 영상 「힉스필드 영상 모델 15개, ChatGPT vs Claude로 전부 돌려봤습니다」를 바탕으로 정리했습니다. 15개 모델을 살펴보는 과정과 영상에서 집계한 결과물 29편을 통해, ChatGPT와 Claude의 진행 방식부터 완성 장면의 차이까지 짚어봅니다.

먼저 볼 것은 화질, 그다음은 동선입니다. 마지막에는 실제 파일을 확인하세요.

긴 영상을 다시 찾아보지 않아도 흐름을 따라갈 수 있도록 주요 장면의 실제 캡처와 시간 표시를 넣었습니다. 모델 이름과 출력 조건은 원본 영상에 나온 표기를 기준으로 설명합니다.

01. 연결 확인부터 시작: 같은 도구를 써도 과정이 다르다

장면 01 · 00:30 · ChatGPT에서 힉스필드 연결 상태를 확인하는 실제 영상 화면

00:26부터 두 AI의 힉스필드 연결 상태를 확인합니다. 이어서 사용 가능한 모델을 물었을 때 ChatGPT는 계열 중심으로 설명하고, Claude는 45개 모델을 길이와 해상도를 포함한 표로 정리합니다. 전체 목록을 확인하는 단계와 실제로 생성할 모델을 고르는 단계를 나누어 보면 이해가 쉽습니다.

초기 요청 조건은 10초, 1080p, 16:9입니다. 다만 모든 모델이 이 조합을 그대로 지원하는 것은 아닙니다. 뒤쪽에서는 스타일 추천과 선택을 거쳐 생성하므로 최종 프롬프트도 달라집니다. 따라서 이 영상은 완전히 동일한 모든 조건을 고정한 성능 순위표보다는, AI와 도구를 함께 쓰는 작업 과정의 비교로 읽는 편이 정확합니다.

02. Cinema Studio: 확인을 거치는 ChatGPT, 먼저 실행하는 Claude

장면 02 · 01:30 · Cinema Studio Video 3.0으로 만든 두 서울 야경 결과 비교

첫 라운드인 Cinema Studio Video 3.0에서는 진행 방식의 차이가 눈에 띕니다. ChatGPT는 설정을 정리하고 여러 프롬프트를 제안한 뒤 제작 의사를 다시 확인합니다. Claude는 생성부터 진행하고, 완료 후 어떤 설정과 프롬프트를 적용했는지 설명합니다.

완성 장면도 다릅니다. ChatGPT 결과는 다리 위에서 시작해 도시의 스카이라인을 드러내고, Claude 결과는 한강을 따라 앞으로 나아가는 구도입니다. 같은 야경이라도 “무엇을 먼저 보여주고 어디로 이동할지”가 영상의 인상을 바꿉니다.

01:40부터 이어지는 Cinema Studio Video v2에서도 ChatGPT는 남산타워를 가까이 담으며 천천히 움직이고, Claude는 한강을 따라 전진하면서 멀리 타워를 보여줍니다. 광고용으로 안정적인 중심 피사체를 원하는지, 공간을 여행하는 느낌을 원하는지 먼저 정하면 스타일 선택이 쉬워집니다.

03. 생성 실패도 결과다: 크레딧과 기록을 함께 확인

장면 03 · 02:30 · Cinema Studio 1세대 실패 기록과 Credits refunded 표시

02:12부터 소개하는 Cinema Studio Video 1세대는 이번 테스트에서 양쪽 모두 생성에 실패합니다. 영상 속 힉스필드 기록에는 Failed와 Credits refunded가 함께 표시됩니다. 재시도만 반복하기 전에 생성 기록과 크레딧 처리 상태를 확인해야 한다는 점을 보여주는 장면입니다.

원인 확인 방식도 달랐습니다. ChatGPT는 관련 문서를 찾아 원인 후보를 설명하고, Claude는 생성 기록을 조회해 요청 단계에서 거절됐을 가능성을 살펴봅니다. 이 사례의 환불 표시를 모든 실패에 대한 보편적인 보장으로 확대하기보다는, 내 계정의 실제 기록을 확인하는 습관으로 연결하는 것이 좋습니다.

04. Veo·Gemini: 요청한 길이와 실제 출력은 따로 확인

장면 04 · 03:05 · Google Veo 3.1 완성 MP4의 8초·1080p 조건 확인 화면

02:50부터 나오는 Google Veo 3.1은 영상 설명 기준으로 4초, 6초, 8초 중에서 길이를 고릅니다. 10초 요청에 대해 ChatGPT는 8초 변경 여부를 묻고, Claude는 최대 길이 8초로 맞춰 생성합니다. ChatGPT 쪽은 일반 버전, Claude 쪽은 Fast 버전이어서 세부 조건도 같지 않습니다.

03:22의 Google Veo 3.1 Lite는 두 결과가 720p이며 오디오가 기본으로 꺼져 있다고 설명합니다. ChatGPT는 유람선을 따라가는 구도를, Claude는 한강 위를 전진하는 드론뷰를 만듭니다. 03:56의 Gemini Omni Flash 1.1에서는 두 결과가 1080p이고, ChatGPT는 반포대교 분수에 가까이 접근하는 장면을 선택합니다.

여기서 챙길 것은 모델 이름보다 길이·해상도·오디오·세부 버전입니다. “제작 완료”라는 답변을 받았더라도 실제 MP4의 길이와 픽셀 크기, 소리 포함 여부가 요청과 일치하는지 확인해야 합니다.

05. Kling: 화려함보다 중요한 장면의 연결

장면 05 · 05:15 · Kling 3.0 Turbo의 다리 전진 장면과 불꽃놀이 장면 비교

04:30의 Kling v3.0에서는 ChatGPT가 남산타워를 크게 잡고 상승하는 장면을, Claude가 블루아워의 한강 장면을 만듭니다. 두 결과의 차이가 커지면서 영상은 스타일을 추천받고 선택한 다음 생성하는 흐름으로 진행합니다.

05:00의 Kling 3.0 Turbo에서는 오히려 ChatGPT가 바로 제작하고 Claude가 네 가지 스타일을 먼저 제안합니다. “ChatGPT는 늘 확인하고 Claude는 늘 즉시 실행한다”처럼 고정된 성격으로 단정하기 어려운 이유입니다. 이번 요청과 대화 흐름에서 드러난 차이로 이해해야 합니다.

Claude 결과는 불꽃놀이에서 여의도 스카이라인으로 이어지는 화려한 구도를 보여주지만, 원본 설명에서는 중간에 장면이 한 번 끊긴 점을 짚습니다. 한 장의 캡처가 멋져 보여도 원컷 영상으로 사용할 때에는 처음부터 끝까지 재생하며 연결을 살펴봐야 합니다.

06. Seedance 2.5: 랜드마크를 한 컷으로 잇는 방식

장면 06 · 06:00 · Seedance 2.5의 한강·남산타워 구도와 광화문·경복궁 구도

05:30부터는 Seedance 2.5입니다. ChatGPT는 웅장한 영화 오프닝형을, Claude는 고궁과 도심의 대비를 선택합니다. ChatGPT는 한강의 다리에서 남산타워 쪽으로 상승하고, Claude는 세종대로와 광화문에서 경복궁·북악산으로 이어지는 장면을 구성합니다.

이 라운드가 흥미로운 이유는 모델이 같아도 기획의 출발점이 달라지면 결과가 크게 달라진다는 점입니다. 도시 홍보 영상이라면 다리와 스카이라인으로 현대적인 인상을 만들 수 있고, 문화와 장소성을 강조하려면 고궁을 중심으로 동선을 설계할 수 있습니다. 원본 후반에서는 Claude의 이 결과를 베스트 영상 중 하나로 소개합니다.

07. Seedance 1.5 Pro·Wan: 길이와 동선, 현실성까지

장면 07 · 06:30 · Seedance 1.5 Pro의 12초 관광 광고형과 청계천 저공 추적형 비교

06:06의 Seedance 1.5 Pro는 영상 기준으로 4초, 8초, 12초 선택이 가능해 두 AI 모두 12초 생성 조건을 안내합니다. ChatGPT는 관광 광고형을 선택하고, Claude는 청계천의 물길을 낮게 따라가는 장면을 만듭니다.

Claude 결과에는 물 위를 달리는 탈것이 등장하고 물길이 실제보다 넓게 표현되는 아쉬움도 나옵니다. 사실적인 장소 소개에 쓰려면 조명과 색감 외에 지형, 구조물, 등장하는 사물까지 확인해야 합니다. 이 글에 나온 야경은 AI 생성 결과이며 실제 서울의 지형을 증명하는 촬영 자료는 아닙니다.

06:38의 Wan 3.0 / 3.0 Prime에서는 회전하면서 내려오는 복잡한 카메라 동선이 관찰 포인트입니다. 원본은 Prime 결과가 요청한 동선을 잘 따라간 사례로 설명합니다. 회전·상승·전진을 한꺼번에 넣기보다 시작 위치와 이동 순서를 명확히 적어야 결과를 평가하기도 쉬워집니다.

08. MiniMax H3: 원본 해상도가 중요한 작업

장면 08 · 07:35 · MiniMax H3의 2560×1440(2K) 서울 야경 비교 화면

07:04의 MiniMax H3에서는 2K 생성 후 1080p로 줄이는 방식을 확인하는 과정이 나옵니다. 비교 화면에 표시된 원본은 2560×1440입니다. ChatGPT는 남산타워를 배경으로 차분하게 이동하고, Claude는 반포대교 분수에서 세빛섬을 지나가는 저공 원컷을 선택합니다.

원본 영상 후반에서는 ChatGPT가 만든 MiniMax H3 결과를 안정적인 야경 사례로 선정합니다. 고해상도 원본을 확보한 뒤 편집 과정에서 화면을 조금 확대하거나 최종 규격으로 줄여 쓰려는 작업에 참고할 만합니다. 다만 블로그의 정지 캡처만으로 원본 영상의 세부 화질을 완전히 판단할 수는 없으므로 연결된 영상에서도 움직임을 확인해 보세요.

09. FLUX·Grok·Happy Horse: 소리와 분위기를 고르는 단계

장면 09 · 08:10 · FLUX 3 Video의 고공 야경과 철교·열차 동선 비교

07:44의 FLUX 3 Video는 사운드를 함께 만드는 점에 초점을 맞춥니다. ChatGPT는 현실적인 야간 항공 다큐멘터리형을, Claude는 당산철교의 열차와 나란히 움직이는 구도를 선택합니다. 화면의 움직임과 환경음이 어울리는지 들어봐야 이 모델의 결과를 제대로 비교할 수 있습니다.

08:16의 Grok Video는 해상도를 직접 고를 수 없다는 안내 뒤 두 결과가 720p로 나옵니다. ChatGPT는 한강의 교량과 아파트를 차분하게 담고, Claude는 비에 젖은 을지로 골목에서 고층 건물 방향으로 올라가는 장면을 선택합니다. 빠른 시안 확인과 최종 납품용 원본 확보는 서로 다른 목적이므로 필요한 출력 규격을 먼저 정하세요.

08:54의 Happy Horse Video에서는 두 AI에게 어울리는 스타일을 직접 골라 달라고 요청합니다. 두 결과 모두 파노라마 계열을 고르지만 ChatGPT는 높은 곳에서 한강을, Claude는 북악산 성곽 위로 떠오르며 도심을 보여줍니다. 주제만 맡기는 것보다 시작 장소와 보여줄 대상을 함께 지정하면 원하는 방향을 더 분명하게 전달할 수 있습니다.

10. 목적별 선택표: 이번 영상에서는 이렇게 정리했다

장면 10 · 10:45 · 이번 테스트 결과를 기준으로 정리한 상황별 모델 선택 화면

• 고해상도 원본 확보: MiniMax H3 — 영상에서 2K 출력 확인.
• 랜드마크를 한 컷으로 연결: Seedance 2.5 — 광화문·경복궁 동선 사례 참고.
• 복잡한 회전·하강 동선: Wan 3.0 Prime — 요청한 움직임 재현 사례.
• 환경음과 효과음이 중요한 장면: FLUX 3 Video — 화면과 소리를 함께 확인.
• 8초 이하의 짧은 클립: Google Veo 3.1 — 영상에서는 4·6·8초 선택.
• 12초가 필요한 장면: Seedance 1.5 Pro — 영상에서는 4·8·12초 선택.
• 가벼운 시안 확인: Grok Video, Veo 3.1 Lite — 이번 결과는 720p.

위 정리는 이번 영상의 결과와 평가를 옮긴 것입니다. 모델의 제공 여부와 출력 옵션은 바뀔 수 있으므로 제작 시점의 힉스필드 안내를 함께 확인하세요. 별도의 반복 측정이나 객관적인 점수표로 모든 모델의 우열을 확정한 결과는 아닙니다.

바로 적용하는 제작 체크리스트

• 목적: 광고, 장소 소개, 분위기 전달 중 무엇을 위한 영상인지 한 줄로 정하기.
• 장면: 시작 위치 → 카메라 이동 → 마지막에 보여줄 대상 순서로 적기.
• 조건: 모델의 정확한 버전, 길이, 화면 비율, 해상도, 오디오를 확인하기.
• 실행: 스타일 추천을 받았다면 한 가지를 고르고 최종 조건을 정리하기.
• 검수: 실제 파일의 길이와 해상도, 소리, 장면 끊김, 지형과 사물의 오류를 확인하기.
• 기록: 프롬프트와 출력 조건, 생성 기록을 남겨 다음 시안과 비교하기.

“어느 AI가 더 좋은가?”보다 “내 작업에서 무엇을 확인해야 하는가?”가 다음 결과를 바꿉니다.

이번 영상에서 ChatGPT는 기획과 확인 과정을 길게 가져가는 경향이 있었고, Claude는 선택 후 빠르게 실행하는 장면이 많았습니다. 원본 제작자는 개인적으로 ChatGPT 쪽 영상의 퀄리티를 더 선호한다고 마무리합니다. 여러분은 안정적인 구도와 과감한 카메라 동선 중 어떤 결과가 더 마음에 드시나요? 같은 목적을 정해 두 결과를 비교해 보면 자신의 작업 방식에 맞는 조합을 찾기 쉬워집니다.

자료 출처: 아크룩스 디자인, 2026.10.03 공개 영상. 원본 영상 전체 보기
본문의 장면 이미지는 해당 영상의 실제 화면 캡처입니다. 상단 정사각형 대표 이미지는 글의 주제에 맞춰 제작한 AI 표지 일러스트입니다.