스크립트
00:00:00Fable 5.1 dan GPT-6 Astra dirilis hanya berselang beberapa hari dan keduanya sama-sama mendapatkan
00:00:05skor yang sangat tinggi pada tolok ukur. Astra bahkan mencetak hampir 100% pada tes AGI yang belum pernah
00:00:11didekati oleh model apa pun. Jadi, melihat angka-angka tersebut, Anda akan memperkirakan model ini berkinerja sangat baik saat Anda
00:00:16memberinya pekerjaan Anda sendiri. Namun, berkinerja baik pada tes tersebut tidak memberi tahu Anda seberapa baik suatu model akan
00:00:20menangani pekerjaan yang Anda berikan, dan kami ingin melihat apakah kedua model berkinerja sama baiknya pada
00:00:25pekerjaan kami sendiri. Karena kami adalah perusahaan perangkat lunak, kami sudah memiliki proyek untuk mengujinya, jadi kami memberikan pekerjaan
00:00:30dari proyek tersebut kepada kedua model dan memeriksa apa yang berhasil mereka selesaikan. Kami menjalankan setiap model di beberapa
00:00:35proyek dan memberi skor seberapa baik kinerjanya di berbagai bidang. Kami menggunakan GPT-5.6 untuk membantu menilai
00:00:41hasilnya dan memberikan skor. Model penilai ini tidak tahu hasil mana yang berasal dari Fable dan mana yang
00:00:45berasal dari Astra. Satu model mendapat skor keseluruhan 86 dari 100 sementara yang lain mendapat 84. Sekarang hal itu mungkin tampak
00:00:52seperti selisih yang kecil, tetapi model yang unggul secara keseluruhan tidak memenangkan setiap bagian pengujian dan
00:00:57yang lain berkinerja sangat baik di beberapa bidang tersebut. Jadi, kami akan membahas bagaimana masing-masing
00:01:02model berkinerja dalam pengujian kami dan mana yang menang di setiap kategori agar Anda tahu bagaimana perbedaan tersebut
00:01:07memengaruhi pekerjaan yang Anda berikan. Sebelum kita beralih ke bagaimana kinerja masing-masing model, mari kita bahas terlebih dahulu
00:01:12tentang model itu sendiri. Bagian ini khusus bagi mereka yang belum mengetahuinya, jadi jika Anda sudah tahu
00:01:17detailnya, Anda dapat melewati bagian ini dan langsung ke bagian berikutnya. Anthropic merilis
00:01:22Fable 5.1 pada tanggal 1 September dan bahkan sebelum Anthropic dapat sepenuhnya menikmati kehebohan peluncurannya,
00:01:27OpenAI meluncurkan GPT-6 Astra beberapa hari setelah Fable dan orang-orang telah membangun produk yang sangat menarik
00:01:33dengan model-model ini dan mendorong model-model ini ke batas kemampuan mereka serta mendapatkan hasil yang sangat
00:01:37mengejutkan. Mengenai penetapan harga, kedua model sebenarnya memiliki harga yang sama yaitu $10 per
00:01:43juta token masukan dan $50 per juta token keluaran. Namun dengan Fable 5.1 ada satu hal
00:01:49yang berbeda, yaitu Anthropic memotong harga pembacaan tembolok (cached reads) sebesar 75%. Bagi mereka yang tidak tahu
00:01:54tentang pembacaan tembolok, bagian dari percakapan yang telah dibaca oleh model sebenarnya disimpan untuk
00:02:00digunakan kembali. Saat Anda mengirimkan prompt baru, bagian yang disimpan tersebut digunakan kembali alih-alih model membacanya
00:02:05lagi dari awal dan itu disebut pembacaan tembolok. Pembacaan ini sudah membuat penggunaan ulang percakapan menjadi lebih murah,
00:02:10tetapi dengan penurunan harga, harganya menjadi lebih murah lagi. Namun, bukan berarti Fable adalah
00:02:14model yang lebih murah untuk digunakan secara keseluruhan karena total tagihan juga bergantung pada banyak faktor lain yang akan
00:02:19kita bicarakan sebentar lagi. Model Fable sudah ada di Claude Code untuk sementara waktu tetapi Fable 5.1 masih belum
00:02:25termasuk dalam paket Claude Pro, jadi di Pro Anda harus membayarnya secara terpisah melalui kredit penggunaan. Pada
00:02:30paket Max, Fable 5.1 disertakan tetapi model Fable memiliki batas yang lebih rendah daripada model lainnya.
00:02:36Di sisi lain, OpenAI tidak memperlakukan Astra sebagai model terpisah karena Astra adalah bagian dari
00:02:41batas kode normal pada ChatGPT+ dan Pro dan Anda dapat menghabiskan seluruh penggunaannya pada Astra. Sekarang model-model ini
00:02:47benar-benar mampu mengerjakan tugas yang panjang yang berarti Anda dapat meminta mereka untuk membangun fitur besar
00:02:52dan membiarkan mereka bekerja melalui langkah-langkah tersebut sendiri. Tetapi ketika Anda membiarkan model-model ini bekerja
00:02:57pada tugas yang panjang, jumlah konteks yang dapat mereka tampung juga penting. Fable memberi Anda satu juta token di
00:03:02Claude Code sementara jendela konteks bawaan Astra di Codex hanya 272.000 token meskipun Astra memiliki
00:03:09jendela yang jauh lebih besar melalui API-nya yang bahkan lebih tinggi daripada satu juta milik Fable. Tapi Anda tidak akan
00:03:14mendapatkannya di Codex untuk saat ini karena Codex secara default menggunakan jendela konteks 272.000 token bahkan untuk Astra.
00:03:21Sekarang model-model ini telah mencapai tingkat di mana mereka dapat melakukan penelitian tingkat lanjut sehingga OpenAI dan
00:03:26Anthropic sama-sama telah menambahkan pagar pengaman keselamatan yang membatasi beberapa pekerjaan yang diizinkan untuk mereka lakukan.
00:03:31Namun pembatasan tersebut juga memengaruhi pekerjaan Anda dengan cara yang berbeda karena setiap model bereaksi secara berbeda
00:03:36ketika sistem keselamatannya memutuskan permintaan Anda tidak diizinkan. Ketika Astra mencapai bagian tugas yang
00:03:41bertentangan dengan aturannya, ia langsung menolak tugas tersebut dan memberi tahu Anda tentang hal itu. Di sisi lain,
00:03:45Claude Code beralih dari Fable ke model yang lebih lemah ketika sebuah permintaan bertentangan dengan aturannya. Dan banyak
00:03:51orang menemukan bahwa Claude Code telah mengganti model tanpa sepengetahuan mereka. Jadi jika Claude Code terus
00:03:56bekerja setelah peralihan tersebut, hasil yang Anda dapatkan mungkin tidak lagi berasal dari Fable.
00:04:01Sekarang metrik pertama yang kami ukur adalah kualitas yang melihat seberapa bagus pekerjaan model tersebut sebenarnya.
00:04:06Untuk pengujian ini, kami menggunakan beberapa proyek klien sehingga kami tidak dapat mengungkapkan detail proyek tersebut
00:04:11tetapi kami dapat menjelaskan bagaimana kami menilai pekerjaan tersebut dan di mana letak perbedaan antar model. Mengenai seberapa baik kode
00:04:16ditulis dan diatur, Fable mencetak skor 90 dibandingkan dengan Astra yang 78 karena ia menjaga kode untuk bagian-bagian
00:04:22aplikasi yang berbeda terpisah dengan lebih jelas. Hal itu membuatnya lebih mudah bagi model untuk memahami aplikasi ketika
00:04:27melakukan perubahan nanti dan Fable berada di depan Astra dalam hal ini di semua proyek yang kami uji. Dan untuk
00:04:32seberapa banyak pekerjaan yang diminta yang diselesaikan, Fable mencetak skor 91 dibandingkan dengan Astra 84 karena ia juga memperbaiki
00:04:39masalah yang tidak secara khusus kami minta untuk diperbaiki. Namun kami juga memeriksa apakah fitur yang selesai
00:04:44bekerja dengan benar tanpa kami meminta perbaikan dan Astra mencetak skor 87 dibandingkan dengan Fable 85 untuk hal tersebut.
00:04:50Sebagian keunggulan Astra berasal dari pemeriksaan aplikasi yang lebih teliti dan perbaikan lebih banyak masalah yang diketahui.
00:04:55Ketika Fable menguji aplikasinya, ia melewatkan beberapa situasi di mana aplikasi tersebut bisa mengalami kesalahan, sehingga fitur yang selesai
00:05:00masih memiliki beberapa masalah. Ketika menyangkut pengalaman menggunakan aplikasi, Astra mencetak skor 89 dibandingkan Fable 88,
00:05:08karena ia mengatur berbagai bagian halaman di tempat yang membuatnya lebih mudah ditemukan dan digunakan.
00:05:13Jadi berdasarkan semua pengujian yang baru saja kita sebutkan, skor kualitas keseluruhan Fable adalah 88 sementara Astra mencetak 84,
00:05:19karena ia membangun fitur yang lebih lengkap dan pekerjaannya lebih mudah diubah nanti. Jadi dalam hal kualitas,
00:05:25Fable adalah pemenang yang jelas. Tapi sebelum kita beralih ke pengujian berikutnya, mari dengarkan pesan dari sponsor kita,
00:05:30Zapier. Anda membuat aplikasi dengan vibecoding dan itu bekerja dengan baik, tetapi saat Anda ingin aplikasi tersebut benar-benar terhubung ke alat
00:05:35seperti Gmail, Slack, dan Notion, Anda harus merangkai setiap integrasi dan alur OAuth secara manual. Sebelum Anda sadari,
00:05:41Anda terkubur dalam kode otentikasi dan tiba-tiba integrasi tersebut menjadi seluruh proyek itu sendiri. Di situlah
00:05:46SDK Zapier hadir. Ini adalah pustaka kode yang Anda masukkan ke dalam proyek Anda tepat di dalam Claude Code atau Cursor,
00:05:52memberi Anda akses terprogram ke ekosistem lebih dari 9000 aplikasi Zapier. Jadi alih-alih membangun setiap integrasi
00:05:58secara manual, kita cukup memanggil yang kita perlukan dan terus melangkah. Dalam beberapa baris, aplikasi kita mengirimkan email
00:06:04dan membuat halaman Notion tanpa dokumentasi API dan tanpa harus bersusah payah mengurus otorisasi. Dan ketika kita perlu memperbarui
00:06:10properti kustom di Notion yang tidak memiliki tindakan pra-bangun, kita memanggilnya secara langsung melalui
00:06:15SDK. Ini benar-benar menemui Anda di tempat Anda sudah bekerja. Jika Anda lelah merangkai integrasi secara manual,
00:06:20coba SDK Zapier. Tautan ada di deskripsi di bawah. Metrik berikutnya yang kami ukur adalah seberapa baik
00:06:26model menangani tugas jangka panjang, yang berarti seberapa banyak pekerjaan yang mereka selesaikan sendiri dengan sedikit
00:06:31bimbingan dari kami saat mereka bekerja. Kami juga memeriksa seberapa baik mereka menangani masalah yang muncul di tengah jalan.
00:06:36Untuk ini, kami memberi setiap model ide aplikasi untuk dibangun dan merumuskan permintaan sesuai dengan panduan prompt-nya
00:06:42agar ia memiliki peluang terbaik untuk melakukan pekerjaan dengan baik. Kami tidak menyebutkan detail spesifik yang kami inginkan
00:06:47dan kami hanya menjelaskan apa yang harus dilakukan aplikasi tersebut. Astra bekerja selama sekitar 32 menit dan Fable bekerja selama
00:06:53sekitar 44 menit. Astra mengalami kesalahan saat membangun dan memeriksa aplikasinya, tetapi ia mengatasinya
00:06:58dan terus memperbaiki aplikasi tanpa kami harus membimbingnya melalui setiap masalah. Fable juga menyelesaikan
00:07:03aplikasinya tanpa berhenti lebih awal atau menanyakan apa yang harus dilakukan selanjutnya, dan ia menjalankan pemeriksaan pada apa yang telah dibangunnya.
00:07:09Jadi keduanya menyelesaikan pekerjaan tersebut, tetapi kami juga memeriksa aplikasi yang sudah jadi untuk melihat apa yang telah
00:07:13mereka tinggalkan untuk kita. Aplikasi Astra langsung terbuka ke halaman masuk (login) tanpa halaman landas (landing page) yang terpisah. Begitu kami
00:07:18masuk, tata letaknya tersusun dengan baik dan aplikasinya berfungsi, meskipun masih memiliki tata letak familier yang
00:07:24muncul di banyak aplikasi buatan AI. Tetapi kami memiliki masalah dengan panel samping karena tidak dapat digulir
00:07:30cukup jauh untuk memungkinkan kita mencapai tombol keluar (sign out). Kami harus memperkecil tampilan (zoom out) untuk mencapai tombol itu, yang merupakan
00:07:35sesuatu yang belum ditangkap oleh pemeriksaan Astra sendiri. Aplikasi Fable juga terbuka langsung ke halaman masuk, tetapi desainnya
00:07:40terasa jauh lebih generik. Fitur-fiturnya berfungsi, tetapi semuanya dikemas begitu berdekatan sehingga
00:07:45aplikasinya sulit digunakan dan gradien yang berulang menambah tampilan buatan AI yang familier itu. Aplikasi itu memang menyesuaikan dengan
00:07:51layar yang lebih kecil, tetapi tetap tidak memiliki tata letak yang dapat digunakan, meskipun fiturnya mendalam. Kami
00:07:56juga memiliki beberapa aplikasi lain dan fitur besar yang direncanakan dan dibangun dengan cara ini dengan model yang dibiarkan
00:08:01bekerja sendiri. Jadi untuk pekerjaan jangka panjang, Astra mencetak skor 93 dari 100 dibandingkan Fable 90.
00:08:08Fable lebih fokus pada pembuatan fitur agar berfungsi, kecuali jika kami telah menentukan dalam prompt bahwa ia harus
00:08:13berfokus pada visual juga. Astra memperhatikan cara kerja aplikasi maupun tampilannya,
00:08:18sehingga Astra menang pada tugas jangka panjang. Metrik berikutnya yang kami lihat adalah desain dan bagaimana
00:08:23aplikasi mudah digunakan. Kami memang membiarkan model menilai desainnya, tetapi kami tidak ingin mengandalkan
00:08:28selera desainnya saja. Jadi kami membangun penampil untuk hasil Fable dan satu lagi untuk Astra, yang memungkinkan kami meninjau
00:08:33desainnya sendiri dan membandingkan seperti apa rasanya saat digunakan. Kami memberi kedua model tugas desain yang sama,
00:08:38dimulai dengan halaman landas untuk bisnis yang menjual fon. Versi Fable terlihat sangat mirip dengan
00:08:44apa yang cenderung dihasilkan oleh Opus, mulai dari warna dan fon hingga tata letaknya. Bahkan ada garis teks yang bergerak
00:08:50di halaman yang akhir-akhir ini kita lihat dalam desain Opus. Tetapi satu hal yang dilakukan Fable secara berbeda
00:08:55dari Opus adalah menambahkan lebih banyak elemen interaktif di seluruh desain, dan itu membuat aplikasi terasa
00:09:00Versi Astra memiliki tata letak yang lebih luas, dengan perbedaan ukuran teks dan
00:09:05warna yang lebih jelas sehingga teks lebih mudah dibaca. Namun, pergerakannya jauh lebih sedikit, jadi meskipun terasa lebih
00:09:10nyaman dilihat, tampilannya tidak menawarkan pengalaman yang sama seperti desain Fable. Itulah sebabnya Fable
00:09:14meraih skor 94 untuk interaksi, sedangkan Astra memperoleh 85. Berikutnya, kami meminta setiap model merancang halaman landas
00:09:20game horor. Desain Fable menggunakan mercusuar animasi untuk menciptakan suasana. Model tersebut membuat
00:09:25karya seni sebagai SVG, yaitu gambar yang digambar dengan kode, tetapi teksnya kurang begitu menonjol dengan latar belakang gelap
00:09:31karena ukuran dan warna yang dipilih Fable. Dan pada tugas desain yang sama, Astra menggunakan
00:09:36model pembuatan gambar bawaan di Codex untuk menghasilkan gambar alih-alih membuat karya seni dengan kode.
00:09:42Model itu juga membuat cuplikan untuk game tersebut meskipun kami tidak memintanya. Dan keunggulan Astra
00:09:47terletak pada pilihan fon dan warna yang membuat teksnya lebih menonjol di atas latar belakang gelap.
00:09:52Untuk situs festival musik, versi Fable banyak mengulang pilihan desain yang kita lihat dalam desain buatan
00:09:57Opus. Namun, bahkan dengan pilihan yang familier tersebut, Fable terasa lebih berusaha memberikan
00:10:03gaya tersendiri pada situsnya. Astra menggunakan foto konser hasil buatan AI, tetapi desain keseluruhannya terasa lebih
00:10:08generik. Perbandingan terakhir adalah game parkir paralel, yang versi Fable-nya dibuat dengan sangat baik,
00:10:13dan kaca spion belakang membantu kita memperkirakan arah gerak mobil dengan lebih akurat. Game tersebut memiliki dua
00:10:18tampilan kamera, tetapi keduanya bermasalah. Karena yang satu menunjukkan sisi ruang parkir yang salah,
00:10:23sementara yang lain hanya memperlihatkan satu sisi alih-alih memberikan pandangan penuh ke jalan di depan. Hal itu membuat
00:10:27kita lebih sulit melihat arah mobil bergerak, dan jika sudut kamera tersebut benar, game akan
00:10:32terasa lebih realistis. Astra memberikan tiga pandangan tetap dan menambahkan tips mengemudi di panel samping,
00:10:38sehingga gamenya lebih mudah dimainkan. Tampilan kameranya jauh lebih baik daripada Fable. Ini adalah
00:10:42pengujian umum ketika kami memberikan sedikit sekali detail tentang desain yang kami inginkan kepada model, jadi kami melihat
00:10:48selera model itu sendiri di sini. Keduanya mengulang pilihan desain yang terlihat pada karya lainnya, tetapi keduanya memang
00:10:53menghasilkan karya yang bagus. Dan dengan sedikit lebih banyak detail tentang tampilan dan nuansa aplikasi yang diinginkan,
00:10:58kita dapat berharap keduanya mendesain dengan baik. Jadi, dari segi selera saja, Astra unggul dalam visual dan kegunaan, sementara Fable unggul dalam
00:11:04animasi dan interaktivitas. Namun, sebelum kita beralih menguji biaya dan kecepatan, ada baiknya jika Anda
00:11:09berlangganan saluran ini dan menekan tombol suka. Dukungan kecil ini sangat berarti bagi kami.
00:11:15Metrik berikutnya yang kami ukur adalah efisiensi, yang mencakup biaya pengerjaan, durasi waktu,
00:11:20dan seberapa sering model menggunakan alatnya untuk menyelesaikan pekerjaan. Satu hal yang perlu diketahui tentang biaya adalah
00:11:25kami tidak menggunakan API, jadi ini hanyalah perkiraan berapa biaya pekerjaan jika kita menggunakan API
00:11:31berdasarkan token yang digunakan. Kami menjalankan pengujian pada langganan biasa kami. Di semua uji coba, total perkiraan biaya
00:11:37Fable mencapai $49,18, dibandingkan dengan $27,69 untuk Astra, jadi total biaya Astra sekitar 44% lebih rendah.
00:11:47Fable menghasilkan token keluaran hampir 3 kali lipat lebih banyak daripada Astra, sama seperti panduan pembuatan prompt
00:11:52Fable yang menyebutkan bahwa model tersebut cenderung menulis lebih banyak daripada model lainnya. Kedua model memiliki biaya yang sama untuk token
00:11:57tersebut, sehingga menulis lebih banyaklah yang meningkatkan biaya Fable. Penggunaan alat juga menambah jumlah penggunaan token tersebut,
00:12:03karena model menentukan alat yang akan digunakan lalu membaca hasilnya sebelum melanjutkan pekerjaan. Di seluruh
00:12:09enam pengujian, agen utama Fable menggunakan alatnya sebanyak 443 kali, sedangkan Astra sebanyak 287 kali, sehingga hal itu turut menambah
00:12:17biaya. Untuk biaya, Astra meraih skor 80 dari 100, sementara Fable 66. Terkait kecepatan, Astra juga
00:12:23unggul dengan 70 dibandingkan Fable yang mendapat 67. Tugas jangka panjang membutuhkan waktu sekitar 62 menit secara total untuk Astra,
00:12:30dibandingkan 73 menit untuk Fable. Jadi, berdasarkan skor biaya, kecepatan, dan efisiensi alat,
00:12:35Astra unggul dari Fable. Metrik berikutnya yang kami ukur adalah kemampuan mengikuti instruksi,
00:12:40tempat kami memeriksa seberapa baik model mengikuti instruksi yang kami berikan saat membangun,
00:12:44dan apakah mereka terus mengikutinya seiring berjalannya pekerjaan. Saat kami menjalankan Fable pada sebuah proyek,
00:12:49model tersebut awalnya menambahkan pesan penulisan bersama yang menyatakan bahwa Claude membantu menulis kode,
00:12:53meskipun instruksi kami secara tegas melarangnya. Model itu juga mengabaikan aturan tentang cara membuat atau mengubah file.
00:12:58Kami menyuruhnya menggunakan alat pengeditan file milik Claude sendiri, sehingga perubahan tersebut terlacak
00:13:04dan mudah dibatalkan, tetapi Fable justru membuat dua file dengan menjalankan perintah. Untuk kemampuan mengikuti instruksi,
00:13:09Astra meraih skor 96 dari 100, sedangkan Fable 88. Jadi, dalam hal mengikuti instruksi,
00:13:16Astra unggul dalam pengujian ini. Metrik berikutnya yang kami ukur adalah kualitas tinjauan, saat kami memberikan
00:13:21proyek berisi masalah kepada model dan meminta mereka menemukan masalah tersebut. Pertama-tama, kami memberikan kode yang sama
00:13:27untuk ditinjau, dengan empat masalah yang sengaja dimasukkan, sehingga kami tahu apa yang harus mereka temukan. Fable
00:13:33menemukan keempatnya, dan juga menemukan lima masalah tambahan yang tidak kami masukkan, yang kemudian
00:13:37diperiksa dan dikonfirmasi. Astra menemukan dua dari empat masalah yang kami masukkan, tetapi model itu tetap mengatakan bahwa tinjauan
00:13:42sudah selesai. Kami juga menyertakan tiga bagian yang tampak mencurigakan, padahal sebenarnya sudah benar, karena
00:13:47kami ingin melihat apakah model akan melaporkan masalah palsu. Tidak satupun dari mereka menganggapnya sebagai bug, jadi
00:13:52perbedaannya terletak pada seberapa banyak yang ditemukan, dan Fable memberikan tinjauan yang lebih menyeluruh,
00:13:57tetapi ketika diuji pada proyek yang lebih besar dengan sembilan masalah terkonfirmasi, Astra memperbaiki lima, sementara Fable
00:14:03hanya menemukan dan memperbaiki empat. Jadi Astra menyelesaikan perbaikan lebih banyak, meskipun keduanya sama-sama menyisakan beberapa masalah
00:14:08yang belum diperbaiki. Untuk kualitas tinjauan, yang mencakup perbaikan tersebut dan cara model memeriksa pekerjaan lainnya,
00:14:13Fable meraih skor 84 dibandingkan Astra yang 78. Jadi Fable unggul pada skor tinjauan keseluruhan,
00:14:19karena Fable memberikan tinjauan yang secara keseluruhan lebih kuat. Berdasarkan hasil ini, Astra adalah pemenang yang jelas di
00:14:25beberapa kategori yang kami uji, tetapi bukan berarti Fable model yang buruk, karena Fable memang berkinerja baik
00:14:30di berbagai tugas, dan tidak tertinggal jauh di belakang Astra pada beberapa di antaranya. Jadi Anda hanya perlu memilih model
00:14:35berdasarkan tugas yang Anda berikan. Sekarang, untuk mendorong kedua model ini ke kemampuan maksimalnya, ada
00:14:40praktik tertentu yang harus Anda ikuti. Kami menggunakan banyak di antaranya dalam pengujian kami, dan jika Anda ingin mengaksesnya
00:14:45juga, Anda bisa mendapatkannya di AI Labs Pro, yaitu komunitas kami. Jadi, jika Anda merasakan manfaat dari apa yang
00:14:51kami lakukan dan ingin mendukung saluran ini, inilah cara terbaik untuk melakukannya. Tautan ada di deskripsi.
00:14:56Demikian akhir video ini. Jika Anda ingin mendukung saluran ini dan membantu kami terus membuat
00:15:01video seperti ini, Anda dapat melakukannya menggunakan tombol Super Thanks di bawah. Seperti biasa,
00:15:05Terima kasih sudah menonton dan sampai jumpa di video berikutnya.
커뮤니티 글
아직 글이 없습니다. 이 영상에 대한 첫 번째 글을 작성해 보세요!
이 영상에 대해 글쓰기