ML 엔지니어 C씨는 AI가 버그를 수정했다고 확신하며 보고했지만 실제로는 오류가 그대로 남아있는 상황을 마주했다. AI 모델이 근거가 부족함에도 진척이 있었다고 자신 있게 주장하는 현상은 흔한 문제다. 앤스로픽은 이를 해결하기 위해 클로드 오퍼스 4.8을 공개했다. 새 모델은 스스로 불확실성을 더 잘 식별하고 근거 없는 주장을 줄이도록 훈련됐다. 이전 버전보다 코드 결함을 그냥 지나칠 확률이 4배 낮아졌다. 작업의 정직함과 판단의 날카로움을 높여 에이전트 작업의 신뢰도를 개선했다. 이런 곤란을 겪는 개발자가 늘고 있다.

2026년 5월 28일 출시, API 명칭 'claude-opus-4-8'

범용 거대언어모델이 단순한 텍스트 생성을 넘어 복잡한 에이전트 업무를 수행하는 비중이 커지는 상황에서, 기업은 과연 어느 수준의 비용을 지불하며 정교한 추론 능력을 확보해야 할까. 앤스로픽은 2026년 5월 28일 기존 오퍼스 4.7의 성능을 개선한 새로운 모델 클로드 오퍼스 4.8을 전격 출시하며 이 질문에 대한 자사만의 해답을 내놓았다. 이번 모델은 코딩과 에이전트 작업, 논리적 추론 등 실무 영역에서 이전 모델 대비 오류 발생률을 4분의 1 수준으로 낮추는 데 집중했다. 개발자는 오늘부터 클로드 API를 통해 모델명 claude-opus-4-8을 호출하여 즉시 서비스에 적용할 수 있다.

가격 정책은 기존 모델과 동일하게 유지하여 기업의 비용 예측 가능성을 보장했다. 일반적인 사용 환경에서 입력 토큰은 100만 개당 5달러, 출력 토큰은 100만 개당 25달러로 책정되었다. 모델의 응답 속도를 2.5배 높인 패스트 모드 역시 이전 대비 3배 저렴한 비용으로 제공된다. 이는 고성능 모델을 상시 운영해야 하는 기업 고객에게 직접적인 운영 비용 절감 효과를 제공하려는 전략적 선택이다. 앤스로픽은 단순히 모델의 지능을 높이는 것을 넘어, 실제 비즈니스 현장에서의 경제적 효율성을 확보하는 데 주력했다.

기술적 업데이트와 함께 앤스로픽의 유럽 내 영향력 확대도 가시화되고 있다. 앤스로픽은 이번 모델 출시와 발맞춰 이탈리아 밀라노에 신규 사무소를 개소했다. 이는 앤스로픽이 유럽 지역에 구축한 6번째 거점으로, 현지 기업들과의 긴밀한 협력을 통해 데이터 보안과 규제 준수 역량을 강화하려는 포석이다. 밀라노 오피스는 유럽 시장 내 클로드 모델의 도입을 가속화하고, 특히 보안과 정밀함이 요구되는 산업군에서의 기술 지원을 전담할 예정이다. 앤스로픽은 이번 모델과 인프라 확장을 통해 글로벌 엔터프라이즈 시장에서의 점유율을 더욱 공고히 하겠다는 계획이다.

'다이내믹 워크플로우'와 3단계 노력 수준 제어

AI가 스스로 판단해 답을 내놓던 시대에서 사용자가 추론의 강도를 직접 결정하는 시대로 빠르게 넘어왔다. 앤스로픽은 이번 업데이트를 통해 클로드 오퍼스 4.8에 세 단계의 노력 수준(Effort Level) 선택 기능을 도입했다. 기본 설정값은 High로 지정되어 있다. 사용자는 필요에 따라 Extra 또는 Max 단계를 선택해 모델의 추론 강도를 높일 수 있다. 클로드 코드(Claude Code, 앤스로픽의 명령줄 인터페이스 도구)에서는 Extra 단계를 xhigh라는 명칭으로 제공한다.

노력 수준을 높이면 모델이 정답을 도출하기 위해 투입하는 계산 자원과 토큰 소모량이 함께 증가한다. High 설정은 품질과 사용자 경험의 균형을 맞춘 지점이다. 특히 코딩 작업에서 High 설정은 이전 버전인 오퍼스 4.7의 기본 설정과 유사한 양의 토큰을 소모하면서도 더 높은 성능을 낸다. 반면 Extra나 Max 설정은 더 많은 토큰을 사용해 결과물의 정밀도를 극대화한다. 앤스로픽은 난이도가 높은 과제나 시간이 오래 걸리는 비동기 워크플로우에 Extra 설정을 사용할 것을 권장한다. 사용자가 비용과 품질 사이의 균형점을 직접 설계하게 만든 구조다.

클로드 코드에는 다이내믹 워크플로우(Dynamic Workflows) 기능이 새롭게 추가됐다. 이 기능은 단일 프롬프트로 해결하기 어려운 대규모 문제를 처리하는 데 최적화되어 있다. 기존 AI가 특정 함수나 짧은 코드 조각을 생성하는 수준에 머물렀다면 이제는 프로젝트 전체를 아우르는 복잡한 문제를 다룬다. 모델이 스스로 해결해야 할 작업 단계를 정의하고 이를 순차적으로 실행하며 대형 과제를 완수하는 방식이다. 개발자가 세부 지시사항을 일일이 입력하던 과정을 AI가 내부적으로 구성해 처리하는 구조로 바뀌었다. 이는 AI의 역할을 단순한 코드 생성기에서 시스템 설계자로 확장한 결과다.

고강도 추론 설정은 필연적으로 토큰 사용량의 급격한 증가를 야기한다. 앤스로픽은 이를 뒷받침하기 위해 클로드 코드의 레이트 리밋(Rate Limit, 단위 시간당 API 요청 제한)을 상향 조정했다. 토큰 사용량 제한으로 인해 대규모 작업 도중 프로세스가 중단되는 병목 현상을 방지하기 위한 조치다. 사용자는 이제 프로젝트의 규모와 난이도에 맞춰 제약 없이 노력 수준을 선택할 수 있다. 인프라의 제약을 넓혀 모델의 추론 성능을 최대한으로 활용하게 만든 환경이다. 고성능 모델의 연산 능력을 사용자가 필요에 따라 가변적으로 끌어다 쓰는 운영 체계가 완성된 셈이다.

코드 결함 4배 감소 및 패스트 모드 비용 3배 절감

AI가 짠 코드를 그대로 배포하지 못하고 사람이 다시 검수하는 이유는 무엇일까. 정답은 모델의 과잉 확신 때문이다. 기존 AI 모델들은 근거가 부족한 상태에서도 작업을 완료했다고 자신 있게 주장하는 경향이 있었다. 앤스로픽(Anthropic)의 클로드 오퍼스 4.8(Claude Opus 4.8)은 이 지점을 정밀하게 수정했다. 코드 내 결함을 무시하고 통과시킬 확률이 이전 모델 대비 약 4배 감소했다. 모델이 스스로 작업의 불확실성을 표시하는 빈도는 늘리고 근거 없는 주장을 하는 빈도는 줄였다. 개발자가 AI 결과물을 다시 검증하는 데 쓰는 물리적 시간을 줄이는 데 집중했다. 에이전트 작업의 신뢰도를 높인 결과다.

실행 속도와 비용 구조의 변화는 더 직접적이다. 패스트 모드(Fast Mode)의 처리 속도가 이전 모델보다 2.5배 향상됐다. 비용은 입력 토큰 100만 개당 10달러, 출력 토큰 100만 개당 50달러로 책정했다. 이전 모델의 패스트 모드 비용과 비교하면 3배 더 저렴한 가격이다. 일반 모드 가격은 입력 5달러, 출력 25달러로 기존 오퍼스 4.7과 동일하게 유지했다. 속도는 높이고 비용은 낮춰 실시간 서비스 적용 가능성을 넓혔다. 기업이 고성능 모델을 API로 호출할 때 겪는 운영 비용 부담을 낮춘 선택이다. 고성능 모델의 대중화를 위해 비용 효율성을 전면에 내세웠다.

모델의 정렬(Alignment, AI가 인간의 의도와 가치에 맞게 행동하도록 조정하는 작업) 수준도 강화했다. 기만행위나 오용 협력 같은 부적절한 행동 비율이 오퍼스 4.7보다 실질적으로 낮아졌다. 정렬 수준은 앤스로픽의 최상위 정렬 모델인 클로드 미토스 프리뷰(Claude Mythos Preview)와 유사한 수준에 도달했다. 사용자 자율성을 지원하고 사용자의 최선의 이익을 위해 행동하는 친사회적 특성 수치도 새로운 고점을 기록했다. 안전성 확보를 단순한 제약을 넘어 제품의 신뢰도라는 경쟁 우위로 치환했다.

작업 강도에 따른 리소스 제어권도 사용자에게 넘겼다. 오퍼스 4.8은 기본적으로 고효율(High Effort) 모드로 작동한다. 코딩 작업 시 오퍼스 4.7의 기본 설정과 비슷한 토큰을 사용하면서 성능은 더 높였다. 사용자는 필요에 따라 엑스트라(Extra)나 맥스(Max) 모드를 선택할 수 있다. 난도가 높거나 시간이 오래 걸리는 비동기 워크플로우에서는 더 많은 토큰을 투입해 결과물의 질을 높이는 방식이다. 클로드 코드(Claude Code)에서는 이러한 높은 토큰 사용량을 수용하기 위해 속도 제한(Rate Limit)을 상향 조정했다. 성능과 비용의 균형점을 사용자가 직접 결정하게 만들었다.

Project Glasswing과 미토스(Mythos)급 지능의 예고

실력이 아니라 보안 정책이 문제였다. 기업의 보안 담당자들은 그동안 AI 에이전트의 판단력을 신뢰하지 못해 내부망 접근 권한을 제한해 왔다. 앤스로픽은 이 한계를 돌파하기 위해 Project Glasswing을 가동하고 고도화된 지능을 가진 미토스(Mythos)급 모델을 투입했다. 현재 클로드 미토스 프리뷰(Claude Mythos Preview)는 일부 조직의 사이버 보안 업무 현장에서 실무를 수행 중이다.

해당 모델은 기존 클로드 오퍼스(Claude Opus) 시리즈보다 복잡한 환경에서 에이전트 작업의 신뢰도를 높이는 데 집중했다. 특히 사이버 보안 영역은 모델의 판단 오류가 곧바로 치명적인 시스템 취약점으로 직결되는 분야다. 미토스급 모델은 보안 위협을 탐지하고 대응하는 과정에서 불확실성을 스스로 식별하며 사용자에게 보고한다. 이는 AI가 단독으로 수행하는 에이전트 작업의 안전성을 확보하려는 전략적 포석이다.

앤스로픽은 미토스급 모델의 일반 공개를 앞두고 사이버 안전장치 개발에 박차를 가하고 있다. 고성능 모델일수록 오용 가능성이 커지기 때문에 이를 제어할 수 있는 기술적 보호 조치가 필수적이다. 개발팀은 현재 모델의 정렬(Alignment) 수준을 최상위로 유지하면서도 범용성을 확보하는 검증 절차를 진행 중이다. 이 안전장치가 완성되는 대로 수주 내에 모든 고객에게 미토스급 모델을 공개할 예정이다.

이번 조치는 단순히 모델의 성능을 높이는 단계를 넘어 AI 에이전트가 기업의 핵심 보안 업무에 직접 개입할 수 있는 환경을 조성하려는 시도다. 보안 업무의 특성상 모델의 판단력은 곧 시장 경쟁력과 직결된다. 미토스급 모델이 일반 사용자에게 배포되면 보안 관제 자동화와 취약점 분석 속도에서 기존 에이전트와 차별화된 지표를 보일 것으로 예상된다. 기업들은 이제 AI의 판단을 신뢰할 수 있는 수준으로 끌어올리는 기술적 도약을 목격하게 될 것이다.

한국 AI 실무자의 에이전트 도입 문턱 하락

AI 서비스의 겉모습은 무료처럼 보여도 기업이 지불하는 API 비용은 현실이다. 이번 업데이트에서 클로드 오퍼스 4.8(Claude Opus 4.8)의 패스트 모드 비용은 이전 모델 대비 3배 낮아졌다. 실시간 응답이 필수적인 한국어 챗봇이나 실시간 고객 응대 서비스를 운영하는 국내 기업은 서버 운영 비용 부담을 직접적으로 덜게 된다. 고성능 모델을 유지하면서도 운영 비용을 낮출 수 있는 구조가 마련됐다. 이는 비용 문제로 도입을 망설이던 중소 규모 서비스사의 진입 장벽을 낮춘다. 응답 속도와 비용이라는 두 마리 토끼를 잡아야 하는 한국 시장의 특성상 실무적인 메리트가 크다.

개발자가 가장 민감하게 반응하는 지점은 생성된 코드의 신뢰도다. 오퍼스 4.8은 이전 버전보다 코드 결함을 발견하지 못하고 지나칠 확률을 4배 낮췄다. AI가 스스로 불확실한 부분을 표시하고 근거 없는 주장을 하지 않도록 훈련된 결과다. 국내 소프트웨어 개발사가 구축하는 AI 기반 자동화 파이프라인에서 사람이 수행하던 검수 단계의 리소스가 크게 줄어든다. AI가 짠 코드를 사람이 일일이 다시 확인하며 수정하던 반복 작업 시간이 단축된다. 신뢰도가 확보된 자동화 도구는 개발 공정의 전체 속도를 높인다. 이는 AI가 단순한 코드 제안자를 넘어 검수자 역할까지 수행함을 뜻한다.

복잡한 비즈니스 로직 구현은 그동안 토큰 소모량과 성능 사이의 타협점이었다. 이번 버전은 사용자가 추론 강도를 선택할 수 있는 옵션을 제공한다. 기본값인 하이 에포트(High effort) 외에도 엑스트라(Extra)와 맥스(Max) 옵션을 통해 더 많은 토큰을 투입해 정밀한 결과물을 도출할 수 있다. 금융이나 법률처럼 논리적 무결성이 중요한 한국 기업의 특수 비즈니스 로직을 구현할 가능성이 확대됐다. 특히 클로드 코드(Claude Code)의 다이내믹 워크플로우(Dynamic workflows) 기능과 결합하면 대규모 문제 해결이 가능해진다. 단순한 질의응답을 넘어 복잡한 워크플로우를 처리하는 에이전트 상용화 속도가 빨라진다. 고성능 모델의 효율 개선이 실무 도입의 결정적 문턱을 낮춘 결과다.

클로드 오퍼스의 코드 생성 성능은 단순한 생산성 향상을 넘어 소프트웨어 개발의 비용 구조를 재편한다. 개발자가 디버깅에 쏟던 시간은 이제 제품의 시장 출시 속도를 앞당기는 동력으로 전환된다. 앤스로픽이 증명한 4배의 결함 감소 수치는 기업들이 AI를 단순 보조 도구가 아닌 핵심 엔지니어링 자산으로 채택하게 만드는 결정적 근거가 된다. 결국 기술의 우위는 누가 더 정교한 모델로 개발 주기를 단축하느냐에 따라 결정된다.