클로드 소네트 5.5, 더 빨라지고 작업당 비용 낮췄다

앤트로픽(Anthropic)이 클로드 소네트 5.5(Claude Sonnet 5.5)를 공개했다. 이전 소네트보다 출력은 30% 이상 빠르고, 같은 일을 끝내는 데 드는 비용은 최대 30% 낮다는 설명이다. 코딩 평가 점수도 크게 올랐지만, 앤트로픽은 복잡하고 답이 정해져 있지 않은 과제에서는 클로드 오퍼스 5.5(Claude Opus 5.5)가 여전히 앞선다고 선을 그었다. 이번 발표에서 눈여겨볼 대목은 최고 성능 모델과의 단순한 순위 경쟁보다, 일상 업무를 어느 정도의 시간과 비용으로 마칠 수 있느냐다.

핵심 요약

  • 소네트 5.5는 이전 모델과 토큰당 가격이 같지만 작업당 토큰 사용량을 줄여, 앤트로픽 시험에서 비용을 최대 30% 낮췄다.
  • 에이전트형 코딩 평가인 터미널벤치 4.0에서 소네트 5.5는 70.6%를 기록해 소네트 5의 10.3%를 크게 웃돌았다.
  • 낮거나 중간 수준의 추론 설정에서 이전 모델의 최고 점수를 훨씬 적은 비용으로 넘는 사례가 나와, 반복 업무에 맞춘 선택지가 넓어졌다.
  • 앤트로픽은 사이버보안 능력이 높아진 소네트 5.5에 고위험 요청을 이전 모델로 전환하는 보호 장치를 적용했다.
  • Hacker News에서는 가격과 사용량 한도, 보호 장치가 실제 성능에 미치는 영향을 두고 평가가 엇갈렸다.

오퍼스 옆에 놓인 소네트

앤트로픽은 소네트 5.5를 클로드 5.5 제품군의 두 번째 모델로 소개했다. 오퍼스 5.5가 신중한 판단이 필요한 복잡한 일을 맡는다면, 소네트 5.5는 범위가 분명한 일상 과제와 버그 수정, 문서·슬라이드·스프레드시트 제작에 강점을 둔다는 구분이다. 디자인 결과물을 다듬는 능력도 강조했다. 대량 처리와 비용에 민감한 용도의 클로드 하이쿠 5.5(Claude Haiku 5.5)는 몇 주 안에 제품군에 합류할 예정이다.

가격표 자체는 소네트 5와 같다. 입력 100만 토큰당 2달러, 출력 100만 토큰당 10달러, 캐시에서 읽는 100만 토큰당 0.20달러다. 앤트로픽이 말하는 비용 절감은 단가 인하가 아니라, 같은 작업을 끝내는 데 쓰는 토큰이 줄어든 결과다. 자사 시험에서는 작업당 비용이 이전 모델보다 최대 30% 낮았고, 출력 생성 속도는 30% 이상 빨랐다.

점수와 비용을 함께 읽어야 하는 이유

앤트로픽이 제시한 가장 큰 점수 변화는 명령줄에서 여러 단계를 거쳐 작업을 끝내는 터미널벤치 4.0(Terminal-Bench 4.0)이다. 소네트 5.5는 이 평가에서 70.6%를 얻었고, 소네트 5는 10.3%였다. 여러 직업의 실제 업무를 다루는 지디피밸-AA(GDPval-AA)에서는 오퍼스 5.5보다 2점 낮았다. 스크린샷만 보고 ‘포켓몬 레드’를 이긴 첫 소네트 모델이라는 결과도 장시간 과제와 이미지 이해 능력의 사례로 제시됐다.

다만 앤트로픽은 평가 점수가 모델 능력의 한 면만 보여준다고 설명했다. 회사와 외부 시험자의 관찰에서는 지속적인 판단이 필요한 복잡하고 답이 정해져 있지 않은 과제에서 오퍼스 5.5가 뚜렷하게 강했다. 소네트 5.5는 일부 평가에서 추론량을 높이는 ‘맥스(Max)’ 설정일 때 오퍼스 5.5와 비슷한 성적을 냈다. 하지만 그만큼 작업 시간이 길어지고 비용도 커져, 두 모델을 비교할 때는 점수와 함께 작업당 비용을 봐야 한다.

설정별 비교에서는 낮음 또는 중간 수준의 추론량으로도 소네트 5의 최고 점수를 넘어선 사례가 있다. 앤트로픽은 그때 작업당 비용이 이전 모델의 약 10분의 1인 평가도 있었다고 밝혔다. 소네트 5.5가 오퍼스를 가장 잘 보완하는 구간도 비용 차이가 벌어지는 낮은 추론 설정이라고 설명했다. 추론량을 높이면 성능이 비슷해지는 대신 비용 역시 비슷해질 수 있다.

코딩에서는 적은 단계로 끝내는가

코딩 평가의 관심사는 정답률만이 아니다. 코드 변경 사항을 사람의 수정 없이 병합할 수 있는지 보는 프런티어코드(FrontierCode)에서 소네트 5.5는 ‘높음(High)’ 설정으로 소네트 5의 같은 설정보다 10점 높은 점수를 냈고, 작업당 비용은 약 15분의 1이었다. ‘높음’ 설정의 소네트 5.5가 GPT-6 Sol의 최고 점수와 같은 수준에 이르면서 비용은 약 5분의 1이었다는 비교도 제시됐다. 실제 코딩 세션에서 가져온 모호한 다중 파일 과제를 다루는 커서벤치(CursorBench)에서는 최고 점수가 오퍼스 5.5와 약 2점 차이였다.

초기 시험자들은 소네트 5.5가 코드베이스를 빠르게 파악하고 도구 호출을 묶어 처리해 단계 수를 줄였다고 평가했다. 에픽(Epic)은 수만 줄의 게임플레이 시스템 코드와 여러 시간에 걸친 작업을 다루면서도 응답이 빨랐다고 전했다. 유니티(Unity)는 모델이 완료했다고 말하는 데서 그치지 않고 프로젝트를 다시 열어 실행 결과를 확인했으며, 소네트 5.5의 작업 대부분이 그 검사를 통과했다고 밝혔다. 유니티의 다단계 편집기·코딩 평가에서는 과제의 90%를 완료했다.

이 결과에는 설정을 높일수록 언제나 좋아지는 것은 아니라는 단서도 붙는다. 프런티어코드에서 소네트 5.5의 맥스 점수는 그보다 낮은 ‘매우 높음(Xhigh)’ 설정보다 떨어졌다. 앤트로픽은 맥스 설정에서 코드 검토 기능을 더 자주 사용하면서, 일부 과제가 시간 초과나 범위 밖 수정으로 감점됐다고 설명했다. 더 오래 작업하게 하는 설정이 실제 요구사항을 더 잘 지킨다는 뜻은 아닌 셈이다.

슬라이드와 지원 업무로 넓어진 시험

지식 업무에서도 앤트로픽은 소네트 5.5의 개선을 강조했다. 44개 직업과 9개 주요 산업의 과제를 다루는 GDPval-AA에서는 오퍼스 5.5에 가까운 점수를 얻었고, 소네트 5보다 약 400점 높았다. 컴퓨터 사용과 차트 인식도 오퍼스 5.5에 근접했으며, 장시간 지식 업무 평가에서는 소네트 5와 GPT-6 Sol을 앞섰다고 회사는 밝혔다. 초기 시험자들은 대화가 더 자연스럽고, 사용자 인터페이스나 슬라이드의 완성도를 높이는 데 능숙하다고 평가했다.

앤트로픽의 내부 시험에서는 상장사의 분기 실적 자료와 실적 발표 통화 기록, 슬라이드 서식을 주고 10장짜리 운영 검토 자료를 만들게 했다. 전문가 두 명은 첫 초안을 그대로 보내도 될 수준으로 판단했다. 외부 시험에서도 결과와 처리 비용을 함께 살폈다. 슬랙봇(Slackbot) 평가에서는 기존 프롬프트를 바꾸지 않고도 대부분의 항목에서 이전 모델보다 좋은 결과를 냈으며 출력 토큰을 약 14% 덜 썼고, 한 고객 지원 시험에서는 티켓 처리 속도가 20% 빨라졌다.

금융 업무 시험의 수치도 토큰 절감에 초점이 맞춰져 있다. 2,441개 과제에서 소네트 5.5는 소네트 5보다 높은 점수를 받으면서 답변당 약 12만1,000토큰을 사용했고, 이전 모델은 약 49만7,000토큰을 썼다. 이런 사례는 모델이 한 번 답할 때의 단가보다 완료까지 필요한 작업량이 중요하다는 앤트로픽의 주장을 뒷받침한다. 다만 각 수치는 서로 다른 시험 환경에서 나온 결과인 만큼, 하나의 보편적인 절감률로 묶어 읽을 수는 없다.

추론량을 조절하는 기본값

소네트 5.5는 추론량 설정으로 속도·비용과 결과 품질 사이의 균형을 맞춘다. 클로드 코드(Claude Code)와 앱의 기본값은 ‘중간(Medium)’, 클로드 플랫폼(Claude Platform)의 기본값은 ‘높음(High)’이다. 낮게 설정하면 더 빨리 답하고 토큰을 덜 쓰며, 높게 설정하면 더 오래 추론하고 결과를 더 꼼꼼히 확인한다. 같은 모델이라도 어떤 설정으로 호출했는지가 사용 경험과 청구 비용을 바꾸는 구조다.

앤트로픽은 출력 속도가 소네트 5보다 30% 이상 빠르다고 밝혔다. 회사는 도구 호출 횟수와 셸 명령 실행 횟수가 줄었다는 초기 시험자의 평가도 함께 실었다. 이는 응답 한 번의 속도뿐 아니라, 코드를 고치고 다시 확인하는 반복 과정에서 기다리는 시간이 줄어들 수 있다는 뜻이다. 반대로 추론량을 높인 작업에서는 더 오래 실행하고 더 많은 토큰을 쓸 수 있어, 무조건 높은 설정을 고르는 방식과는 거리가 있다.

높아진 능력에 붙은 보호 장치

안전성 평가에서는 약 1,850개 상황을 다룬 자동 행동 감사가 제시됐다. 앤트로픽은 소네트 5.5가 사용자 의도와의 정렬, 오용 저항, 정직성의 대부분 항목에서 소네트 5와 같거나 더 나았다고 밝혔다. 격리 환경을 벗어나려는 시도를 살피는 평가에서는 오퍼스 5.5에 가까웠고, 컨테이너의 한계를 탐색하는 경향은 자사 모델 중 가장 낮았다는 설명이다. 전체 감사 성적은 오퍼스 5.5가 약간 앞섰다.

사이버보안 능력이 소네트 5보다 크게 높아진 만큼, 소네트 5.5에는 오퍼스급 모델과 비슷한 보호 장치가 적용된다. 일상적인 소프트웨어 개발에서 버그를 찾아 고치는 작업은 계속할 수 있지만, 위험도가 높은 사이버보안 요청은 사용자에게 보이는 방식으로 소네트 5로 전환된다. 생물학 분야에는 소네트 5와 같은 보호 장치가 쓰이며, 대부분의 연구·교육·임상 업무는 영향을 받지 않는다고 앤트로픽은 설명했다. 다만 일부 미생물학·바이러스학 요청은 잘못 분류될 수 있다고 밝혔다.

모델 능력을 대량으로 빼내려는 증류 공격에도 새 장치를 붙였다. 앤트로픽은 소네트 5.5를 추론 과정 추출을 막는 안전 분류기와 함께 출시한 첫 소네트 모델이라고 소개했다. 추론 과정을 생성한 계정과 분리하지 못하게 하는 기능도 확대됐다. 회사는 대부분의 개발자가 변화를 느끼지 않겠지만, 클로드 코드 사용 중 계정을 바꾸는 경우에는 영향을 확인해야 한다고 안내했다.

모든 플랫폼에서 이용 가능

소네트 5.5는 앤트로픽의 모든 플랫폼과 아마존웹서비스(Amazon Web Services), 구글 클라우드(Google Cloud), 마이크로소프트 애저(Microsoft Azure)에서 이용할 수 있다. 개발자가 클로드 플랫폼에서 호출할 때 쓰는 모델 이름은 claude-sonnet-5-5다. 오퍼스 5.5와 소네트 5처럼 데이터를 보관하지 않는 설정도 지원한다. 소네트를 추론 기능 없이 쓰던 개발자는 새 모델로 옮기기 전에 ‘between_tools’ 설정으로 전환해야 한다.

이전 과정에서 확인할 것은 모델 이름만이 아니다. 추론량 기본값은 앱과 플랫폼에서 다르고, 고위험 사이버보안 요청에는 다른 모델로의 전환이 적용된다. 따라서 기존 소네트 작업을 옮길 때는 같은 입력으로 끝까지 완료되는지, 토큰과 도구 호출은 얼마나 쓰는지 함께 살펴야 한다. 이번 발표의 핵심 수치인 ‘최대 30% 저렴한 작업당 비용’도 그런 완료 단위에서 나온 값이다.

커뮤니티 의견

한 사용자는 오퍼스 5.5가 이미 일상 업무에 충분히 효율적이라 소네트 5.5를 언제 써야 할지 모르겠다고 했다. 동시에 두세 개 세션을 돌리면서 작업을 이해하는 것만으로도 벅차고, 성공 기준이 불명확한 일을 에이전트에게 장시간 맡기기도 어렵다는 이유다. 답글에서는 사용량 한도에 걸릴 때 소네트가 대안이 될 수 있다는 경험이 나왔고, 인간이 코드 전체를 이해하려는 태도 자체가 수요를 제한한다는 반론도 있었다.

다른 사용자는 오퍼스가 더 뛰어난데 왜 소네트가 필요한지 묻는 사람들에게 무료 이용자의 관점을 제시했다. 소네트 5.5가 무료 이용 구간의 새 기본 모델이 됐기 때문에, 웹에서 클로드를 쓰는 사람도 최상위에 가까운 모델을 접할 수 있다는 주장이다. 이 관점에서는 오퍼스와의 절대 성능 차이보다 누가 새 성능을 기본으로 쓸 수 있느냐가 중요하다.

가격 경쟁을 더 넓게 보는 의견도 있었다. 한 사용자는 최고 수준 모델이 꼭 필요한 경우가 아니라면 GLM이나 딥시크(DeepSeek) 같은 중국 모델이 훨씬 낮은 가격에 경쟁력 있는 선택지라고 주장했다. 이에 대한 답글에서는 API 요금을 직접 내는 사용자와 구독 요금제로 쓰는 사용자의 체감 가격이 다르다고 지적했다. 소네트의 작업당 효율 개선이 모든 이용자에게 같은 구매 이유가 되지는 않는다는 이야기다.

작은 코딩 시험에서 성능을 직접 확인했다는 의견도 나왔다. 한 사용자는 소네트 5.5가 팩맨(Pac-Man) 복제 게임을 한 번의 요청으로 거의 완성했으며, 자신이 비교한 결과에서는 오퍼스 5.5만 앞섰다고 했다. 답글에서는 결과물이 이미 만들어 둔 게임처럼 보일 만큼 좋았다는 반응이 이어졌다. 정해진 평가 점수보다 실행해 볼 수 있는 산출물이 모델 차이를 이해하기 쉽다는 시각이다.

터미널벤치 점수를 둘러싸고는 보호 장치가 변수라는 지적이 나왔다. 한 사용자는 소네트 5.5의 70.6점이 오퍼스 5.5의 66.4점보다 높은 이유를 살펴보니, 평가 시 다른 모델로 전환된 비율이 오퍼스는 10%, 소네트는 1.5%였다고 주장했다. 이에 대한 반론은 실제 사용자가 겪는 결과라면 보호 장치가 작동한 뒤의 점수도 중요하다는 것이었다. 모델의 잠재 능력과 제품에서 실제로 얻는 성능을 구분해야 한다는 논쟁이다.

보호 장치를 더 우려하는 사용자는 고위험 사이버보안 작업이 소네트 5로 전환되면 새 모델의 향상된 능력을 그 분야에서 쓰기 어렵다고 지적했다. 반면 다른 이용자는 설정별 비용·성능 그래프를 읽을 때도 높은 추론량에만 주목해서는 안 된다고 했다. 소네트 5.5는 낮음과 중간 설정에서 비용 이점이 있고, 매우 높은 설정에서는 오퍼스가 나은 선택일 수 있다는 반론이다. 결국 어떤 모델이 싼가보다 어느 설정에서 어떤 일을 시키는가가 쟁점이 됐다.

가장 높은 추론 설정을 시험한 사용자는 오히려 작업이 끝나지 않은 사례를 제시했다. 펠리컨 SVG를 만드는 과제에서 낮음부터 매우 높음까지는 결과가 나왔지만, 맥스에서는 약 15분 40초 동안 추론 토큰 12만8,000개를 쓰고도 최종 SVG를 내놓지 못했다는 것이다. 이 사례는 추론에 더 많은 시간을 허용하는 일이 완료율이나 비용 효율을 자동으로 높이지는 않는다는 경고로 읽힌다.

살펴볼 점

소네트 5.5가 바꾸는 기준은 모델 한 번의 답변 가격이 아니라, 과제를 끝낼 때까지 드는 시간과 토큰이다. 앤트로픽의 평가와 초기 시험은 범위가 분명한 코딩·문서 업무에서 그 차이가 크다고 말하지만, 높은 추론 설정에서는 오퍼스와 비용이 가까워지고 보호 장치에 따른 전환도 결과를 바꾼다. 앞으로 볼 것은 최고 점수 하나가 아니다. 낮은 설정에서 실제 작업을 얼마나 자주 끝내는지, 전환과 실패까지 포함한 비용이 얼마나 안정적인지가 소네트의 자리를 결정할 것이다.


원본: Introducing Claude Sonnet 5.5

토론: Hacker News