앤트로픽, '클로드 4' 공개: 장시간 코딩 특화 및 클로드 코드 정식 출시

AI 에이전트에게 큰 규모의 코딩 작업을 맡겼을 때 가장 골치 아픈 점은 지능 부족이 아니라, 중간에 잔꾀를 부려 대충 끝내거나 몇 시간 만에 맥락을 잃어버리는 현상이었습니다.

Anthropic이 차세대 모델인 Claude Opus 4와 Claude Sonnet 4를 공개했습니다. 이번 모델들은 수천 단계에 달하는 복잡하고 긴 작업을 장시간 끈기 있게 수행하는 에이전트 역량을 극대화하는 데 초점을 맞췄습니다.

생각 도중 도구를 쓰고, 스스로 메모를 남기는 AI

Opus 4와 Sonnet 4는 즉각적인 응답과 심층 추론(Extended thinking)을 모두 지원하는 하이브리드 구조를 이어받았습니다. 이번에 가장 눈에 띄는 변화는 확장 추론 도중에 웹 검색 같은 외부 도구를 직접 호출할 수 있다는 점입니다.

AI가 혼자 머릿속으로만 결론을 내리는 것이 아니라, 생각을 전개하다가 필요한 순간 도구를 쓰고 그 결과를 반영해 다시 추론을 이어가는 방식입니다. 여러 도구를 동시에 병렬로 실행하는 기능도 기본 탑재됐습니다.

에이전트 특유의 요령 피우기나 허점 악용도 대폭 줄었습니다. Anthropic에 따르면 이번 모델들은 꼼수를 쓰기 쉬운 환경에서 Sonnet 3.7 대비 지름길로 대충 때우려는 행동이 65퍼센트 감소했습니다.

메모리 관리 방식도 현실적으로 진화했습니다. 개발자가 로컬 파일 접근 권한을 주면 Opus 4는 스스로 '메모리 파일'을 생성하고 유지하며 주요 맥락을 축적합니다. 포켓몬스터 게임을 진행하면서 스스로 길 안내 지침서를 작성해 길을 잃지 않는 식입니다.

개발 도구 생태계도 완성도를 높였습니다. 터미널 기반 도구인 Claude Code가 정식 출시(GA)되었으며, VS Code와 JetBrains 환경에서 인라인 수정 사항을 바로 확인할 수 있는 확장 기능을 제공합니다. 가격은 기존과 동일하게 Opus 4가 100만 토큰당 입력 15달러, 출력 75달러이며 Sonnet 4는 3달러와 15달러로 유지됩니다. 무료 사용자도 Sonnet 4를 바로 쓸 수 있습니다.

7시간 연속 자율 코딩과 ASL-3 안전 등급 발동

코딩 벤치마크인 SWE-bench Verified에서 별도 기획 도구 없이 Sonnet 4는 72.7퍼센트, Opus 4는 72.5퍼센트를 기록했습니다. 고연산 샘플링 기법을 적용했을 때는 각각 80.2퍼센트와 79.4퍼센트까지 치솟았습니다.

현업 파트너들의 평가는 지구력에 집중됐습니다. 라쿠텐(Rakuten)은 Opus 4가 7시간 동안 사람의 개입 없이 오픈소스 코드 리팩터링을 성공적으로 완주했다고 밝혔습니다. GitHub 역시 차세대 GitHub Copilot 코딩 에이전트의 기반 모델로 Sonnet 4를 채택했다고 발표했습니다.

성능의 급격한 향상에 발맞춰 Anthropic은 Opus 4에 처음으로 AI 안전 수준 3단계(ASL-3) 표준을 발동했습니다. 아직 Opus 4의 능력이 위험 기준선을 완전히 넘었다고 단정하진 않았으나 선제적 안전 조치를 취한 것입니다. 화학, 생물, 방사능, 핵(CBRN) 무기 관련 악용을 차단하는 실시간 분류기를 가동하고 모델 가중치 탈취에 대한 보안을 강화했습니다.

왜 중요한가

우리는 Claude 4의 등장이 AI 경쟁의 기준을 '단답형 문제 해결'에서 '반나절 단위의 자율 업무 완수'로 완전히 전환시켰다고 봅니다.

개발자와 테크 팀에게 이번 출시는 즉각적인 도입 가치가 충분합니다. 기존 AI 에이전트는 대여섯 단계만 넘어가도 전체 흐름을 놓치는 경우가 많았지만, Opus 4의 추론 중 도구 사용과 자체 메모리 축적 기능은 복잡한 리팩터링이나 레거시 코드 수정을 실제로 에이전트에게 맡길 수 있는 수준으로 끌어올렸습니다. 특히 Sonnet 4는 저렴한 가격대를 유지하면서도 최고 수준의 코딩 실력을 제공하므로 즉시 프로덕션 환경의 기본 모델로 검토할 만합니다.

업계 판도 면에서도 Anthropic의 전략은 매우 영리합니다. 단순히 모델 API만 파는 데 그치지 않고, Claude Code를 핵심 IDE에 완벽히 통합하고 경쟁사인 마이크로소프트의 심장부인 GitHub Copilot에 Sonnet 4를 공급하면서 개발자들의 작업 흐름 자체를 장악하고 있습니다.

다만 장시간 자율 실행에 따른 리스크는 여전히 경계해야 합니다. 7시간 동안 스스로 코드를 고친다는 것은 초반의 작은 오판이 7시간 뒤 엄청난 코드 오염이나 시스템 오류로 번질 수 있음을 뜻합니다. Anthropic이 선제적으로 ASL-3 방패를 꺼내 든 것 역시 고차원 추론이 가져올 통제 불능 위험을 의식했기 때문으로 보입니다. 이제 관건은 AI가 코드를 얼마나 잘 짜느냐를 넘어, 밤새 AI가 만들어낸 방대한 결과물을 인간 개발자가 어떻게 신뢰하고 검증할 것인가에 달려 있습니다.