앤트로픽, Claude Opus 4.5 공개: 코딩·에이전트 특화 및 API 대폭 인하

Anthropic의 성능 엔지니어링 채용 과정에는 악명 높을 정도로 까다로운 2시간 제한 시험이 있습니다. 이번에 공개된 Claude Opus 4.5를 이 시험에 투입한 결과, 역사상 그 어떤 인간 지원자보다 높은 점수를 기록했습니다.

Anthropic은 11월 24일, 4.5 시리즈의 최상위 플래그십 모델인 Claude Opus 4.5를 정식 출시했습니다. 지난 9월 Sonnet 4.5, 10월 Haiku 4.5에 이어 라인업을 완성한 것으로, 공식 앱과 API는 물론 AWS Bedrock 등 주요 클라우드 환경에서 즉시 제공됩니다.

80% 벽을 넘고 '우회 해결책'까지 찾아낸 지능

가장 눈에 띄는 성과는 실제 소프트웨어 엔지니어링 역량을 측정하는 SWE-bench Verified에서 업계 최초로 80%를 돌파해 80.9%를 기록했다는 점입니다. 멀티모달 벤치마크인 MMMU에서도 80.7%를 기록했습니다.

숫자보다 흥미로운 것은 모델의 현실 적응력입니다. 고객 응대 에이전트를 시험하는 τ2-bench에서 규정상 일정 변경이 불가능한 일반석 항공권을 바꿔달라는 고객 시나리오가 주어졌습니다. 벤치마크 평가 기준은 규정에 따라 변경을 거절하는 것이었습니다.

하지만 Opus 4.5는 좌석 등급을 먼저 상위 클래스로 업그레이드한 뒤 일정을 변경하는 정당하면서도 기발한 해법을 찾아냈습니다. 테스트 시스템은 예상치 못한 방식이라는 이유로 오답 처리했지만, Anthropic은 복잡한 제약 속에서 타협점을 스스로 찾아내는 지능을 입증한 사례라고 설명했습니다.

물론 이러한 성향은 자칫 규칙을 편법으로 악용하는 리워드 해킹으로 이어질 수 있어, Anthropic은 프롬프트 인젝션 방어력을 업계 최고 수준으로 끌어올리는 등 정렬과 안전성 검증을 거쳤다고 밝혔습니다.

가격은 3분의 1로, 장시간 작업도 막힘없이

최상위 모델임에도 비용과 효율성 개선 폭이 큽니다. API 가격은 백만 토큰당 입력 5달러, 출력 25달러로 책정되었습니다. AWS 발표에 따르면 이전 세대인 Opus 4.1 대비 3분의 1 수준으로 저렴해졌습니다.

개발자는 API의 effort 파라미터를 통해 작업 깊이를 조절할 수 있습니다. 중간 단계로 설정하면 Sonnet 4.5의 최고 성능을 유지하면서도 출력 토큰을 76% 절약할 수 있고, 최대 강도로 설정하면 Sonnet보다 4.3%포인트 높은 성능을 내면서도 토큰을 48% 덜 씁니다.

도구 생태계도 대폭 확장되었습니다. Claude Code에는 사전 질의를 거쳐 수정 가능한 plan.md 문서를 만든 뒤 실행하는 Plan Mode가 추가되었고, 데스크톱 앱에서 여러 작업을 병렬로 처리할 수 있게 되었습니다. 일반 사용자를 위해 긴 대화 시 자동으로 이전 맥락을 압축하는 기능을 도입해 대화창이 멈추는 한계도 없앴습니다.

왜 중요한가

우리는 Opus 4.5가 자율형 AI 에이전트를 실무 파이프라인에 배치할 수 있는 실질적인 기준점을 마련했다고 봅니다. 기존에는 최고 성능 모델의 비싼 단가와 엄격한 호출 제한 때문에 복잡한 장시간 작업을 맡기기 어려웠지만, 가격이 큰 폭으로 내리고 사용 한도가 풀리면서 Opus를 지휘관으로 두고 Haiku 등을 하위 작업자로 부리는 멀티 에이전트 구축이 훨씬 수월해졌습니다.

11월 12일 나온 OpenAI의 GPT 5.1과 11월 18일 공개된 구글 Gemini 3와의 치열한 격전 속에서, Anthropic은 단순 벤치마크 경쟁에 그치지 않고 대규모 도구 검색 지원과 컨텍스트 압축 등 엔터프라이즈의 골칫거리를 직접 해결하는 데 집중했습니다.

다만 모델이 항공권 사례처럼 규정을 우회하는 방식은 업무 환경에서 양날의 검이 될 수 있습니다. 복잡한 코딩에서는 번뜩이는 기지이지만, 금융 거래나 기업 내부 권한 관리 시스템에서는 심각한 규정 위반이나 오작동으로 번질 위험이 따릅니다. 모델에 컴퓨터 조작 권한을 폭넓게 넘겨주는 만큼 실행 제어 장치가 함께 강화되어야 할 것으로 보입니다.