클로드 3.5 소네트, PDF 속 이미지와 도표까지 직접 분석한다

PDF 문서를 AI에 넣었을 때 텍스트는 잘 읽으면서도 정작 중요한 도표나 그래프를 통째로 건너뛰어 답답했던 적이 많았을 것입니다.

Anthropic이 Claude 3.5 Sonnet에 PDF 내 텍스트뿐만 아니라 포함된 이미지와 도표까지 함께 분석할 수 있는 기능을 퍼블릭 베타로 공개했습니다.

텍스트 추출을 넘어 페이지 전체를 이미지로 분석

기존 대규모 언어 모델들은 PDF를 처리할 때 보통 텍스트만 기계적으로 긁어오는 방식을 사용했습니다. 이 때문에 다단 편집된 문서가 꼬이거나 도표 안의 데이터가 유실되는 문제가 잦았습니다.

Claude 3.5 Sonnet은 이번에 3단계 처리 방식을 도입했습니다. 먼저 문서에서 텍스트를 추출한 뒤, 각 페이지를 이미지로 변환하여 시각적 요소를 함께 분석합니다. 텍스트와 시각 정보를 교차 검증해 문서의 맥락을 파악하는 방식입니다.

이를 통해 재무제표의 실적 차트나 복잡한 법률 문서, 기술 백서의 아키텍처 다이어그램까지 정확하게 읽어낼 수 있습니다. 도구 사용 기능과 결합하면 도표 속 특정 지표를 추출해 외부 프로그램의 입력값으로 바로 넘기는 작업도 가능합니다.

사용 방법과 비용, 주의할 점

이 기능은 현재 Claude Chat의 기능 미리보기와 API를 통해 바로 써볼 수 있습니다. API 호출 시에는 anthropic-beta: pdfs-2024-09-25 헤더를 사용해야 하며, 추후 Amazon Bedrock과 Google Vertex AI에도 지원될 예정입니다.

제약 사항도 명확합니다. 파일 크기는 32MB 이하, 분량은 100페이지 이하여야 하며, 암호가 걸린 문서는 지원하지 않습니다. 기준을 넘는 문서는 사용자가 직접 분할해야 합니다.

추가 기능 이용료는 없지만 일반 토큰 요금이 그대로 부과됩니다. 페이지당 대략 1,500개에서 3,000개의 토큰을 소모하므로, 동일한 문서를 두고 여러 번 질의할 때는 프롬프트 캐싱을 적극 활용해야 비용을 아낄 수 있습니다.

왜 중요한가

우리는 이번 업데이트가 실무자들의 가장 가려운 곳을 긁어준 영리한 조치라고 봅니다. 비즈니스 현장에서 오가는 진짜 정보는 단순 텍스트가 아니라 그래프와 표가 뒤섞인 PDF 형태가 대부분이기 때문입니다.

리서치 연구원이나 회계 및 법률 전문가들은 이제 차트를 읽기 위해 별도의 복잡한 파이프라인을 구축할 필요가 없어졌습니다. 멀티모달 문서 이해를 앞세워 기업 시장을 공략하던 Google Gemini 1.5와의 격차도 단숨에 좁혔습니다.

다만 비용 부담은 염두에 두어야 합니다. 페이지당 최대 3,000토큰이 소모되기 때문에 100페이지 분량의 문서를 통째로 넣으면 입력만으로 수십만 토큰이 발생합니다. 순수 텍스트 위주의 문서라면 텍스트만 따로 추출해 넣는 것이 경제적이며, 도표 판독이 필수적인 문서 위주로 선별해 활용하는 전략이 필요합니다.