사용자 데이터 보호는 OpenAI 사명의 핵심입니다. OpenAI는 API를 통해 주고받는 입력과 출력을 모델 학습에 사용하지 않습니다. 자세한 내용은 API 데이터 보호 페이지에서 확인하세요.
텍스트 생성 모델
OpenAI의 텍스트 생성 모델은 흔히 생성형 사전 학습 트랜스포머, 줄여서 ‘GPT’ 모델이라고 합니다. gpt-6-astra, gpt-5.6-terra 같은 모델은 자연어와 형식 언어를 이해하도록 학습되었으며, 입력에 따라 텍스트를 생성합니다. 모델에 제공하는 입력을 ‘프롬프트’라고 합니다. 프롬프트를 설계하는 것은 사실상 모델을 ‘프로그래밍’하는 일입니다. 보통 모델에 작업 지침을 주거나 작업을 성공적으로 수행하는 예시를 보여 줍니다. GPT 모델은 콘텐츠 및 코드 생성, 요약, 대화, 창작 등 다양한 작업에 활용할 수 있습니다. 자세한 내용은 입문용 텍스트 생성 가이드와 프롬프트 엔지니어링 가이드를 참고하세요.
임베딩
임베딩은 텍스트와 같은 데이터의 내용이나 의미적 특징을 보존하도록 데이터를 벡터로 표현한 것입니다. 서로 비슷한 점이 있는 데이터는 관련 없는 데이터에 비해 임베딩 간 거리가 짧은 경향이 있습니다. OpenAI의 텍스트 임베딩 모델은 문자열을 입력받아 임베딩 벡터를 출력합니다. 임베딩은 검색, 클러스터링, 추천, 이상 탐지, 분류 등에 유용합니다. 자세한 내용은 임베딩 가이드를 참고하세요.
토큰
텍스트 생성 모델과 임베딩 모델은 텍스트를 토큰이라는 단위로 나누어 처리합니다. 토큰은 텍스트에 자주 등장하는 문자 시퀀스를 나타냅니다. 예를 들어 문자열 “ tokenization”은 “ token”과 “ization”으로 나뉘지만, “ the”처럼 짧고 흔한 단어는 토큰 하나로 표현됩니다. 문장에서 각 단어의 첫 번째 토큰은 대개 공백 문자로 시작합니다. 토크나이저 도구에 문자열을 입력해 어떤 토큰으로 나뉘는지 확인해 보세요. 영어 텍스트에서 토큰 하나는 대략 4자 또는 0.75단어에 해당합니다.
텍스트 생성 모델을 사용할 때는 프롬프트와 생성된 출력의 토큰 수를 합한 값이 모델의 최대 컨텍스트 길이를 넘지 않아야 합니다. 임베딩 모델은 토큰을 출력하지 않으며, 입력 길이는 모델의 최대 컨텍스트 길이보다 짧아야 합니다. 각 텍스트 생성 모델과 임베딩 모델의 최대 컨텍스트 길이는 모델 목록에서 확인할 수 있습니다.