Anthropic2026-05-23

Claude Opus 4.7 리뷰: 에이전트 코딩의 새로운 왕좌, 그러나 숨겨진 비용 증가에 비판 목소리

서론: Anthropic의 가장 대담한 출시

2026년 4월 16일, Anthropic은 Claude Opus 4.7을 출시했습니다. 이는 Anthropic의 가장 고성능이며 일반 공개된 모델입니다. 단 2개월의 개발 주기 만에 Opus 4.6의 후속작으로 등장한 이번 릴리스는 에이전트 코딩(Agent Coding), 멀티툴 오케스트레이션(Multi-tool Orchestration), 시각 추론(Visual Reasoning) 분야에서 큰 도약을 의미합니다. 새로운 Mythos 아키텍처를 기반으로, Opus 4.7은 주목할 만한 여러 기능을 도입했습니다: 적응형 사고(Adaptive Thinking), 새로운 "xhigh" 에포트 레벨, 에이전트 루프를 위한 태스크 예산(Task Budget), 그리고 모델이 결과를 반환하기 전에 자체 논리 오류를 감지할 수 있는 자기 검증(Self-Verification) 기능입니다.

그러나 이번 릴리스는 논쟁의 중심에 있습니다. 토큰 수를 최대 35%까지 부풀리는 새 토크나이저, 긴 컨텍스트 검색 스코어의 붕괴, 그리고 지나치게 공격적인 세이프티 가드(Safety Guard)가 개발자, 작가, 보안 전문가들로부터 날카로운 비판을 받았습니다. 이 종합 리뷰에서는 Opus 4.7이 뛰어난 점, 부족한 점, GPT-5.4 및 Gemini 3.1 Pro와의 비교, 그리고 여러분의 특정 유스케이스에 업그레이드할 가치가 있는지 살펴보겠습니다.

Claude Opus 4.7의 새로운 기능

확장 사고에서 적응형 사고로

Anthropic은 개발자가 budget_tokens를 통해 시각적인 추론 예산을 할당할 수 있었던 확장 사고(Extended Thinking) 기능을 완전히 제거했습니다. 대신 Opus 4.7은 태스크 복잡도에 따라 추론 노력을 동적으로 배분하는 적응형 사고(Adaptive Thinking) 시스템을 도입했습니다. 비기본값의 기존 temperature, top_p, top_k 파라미터는 400 오류를 반환하게 되었고, 사고 콘텐츠는 기본적으로 응답에서 제외됩니다. 개발자가 추론 과정을 보려면 display: "summarized"를 명시적으로 옵트인해야 합니다.

이번 변경은 릴리스에서 가장 논쟁이 된 측면 중 하나입니다. 디버깅이나 프롬프트 엔지니어링 워크플로우에서 가시적인 사고의 연쇄(Chain-of-Thought)에 의존하던 개발자들은 적응에 쫓기게 되었습니다.

새로운 "xhigh" 에포트 레벨

Opus 4.7은 "high"와 "max" 사이에 위치하는 "xhigh" 에포트 티어를 도입했습니다. 가장 어려운 추론 벤치마크인 Humanity's Last Exam에서 xhigh(55.4%)가 max(54.7%)를 실제로 상회했으며, 많은 태스크에서 xhigh를 넘어서면 수확체감이 발생함을 시사합니다. Claude Code는 모든 플랜에서 xhigh를 기본값으로 설정하여, 팀에 비용과 성능의 균형을 맞출 수 있는 실용적인 레버를 제공합니다.

에이전트 루프를 위한 태스크 예산

공개 베타 버전으로 제공되기 시작한 태스크 예산(Task Budget)을 통해 개발자는 여러 단계의 에이전트 루프에 걸쳐 어드바이저리 토큰 목표를 설정할 수 있습니다(태스크당 최소 20,000 토큰, task-budgets-2026-03-13 베타 헤더로 활성화). 토큰 소비의 폭주가 무심코 마진율을 파괴할 수 있는 프로덕션 환경의 에이전트 배포에 있어 핵심적인 기능입니다.

자기 검증(Self-Verification)

프로덕션 활용에 가장 큰 잠재적 영향을 미칠 수 있는 기능: Opus 4.7은 결과를 보고하기 전에, 자체 논리 오류(오프바이원(Off-by-one) 버그, 경쟁 조건(Race Condition), 부정확한 전제 등)를 식별할 수 있습니다. 이는 단순한 벤치마크 상의 트릭이 아닙니다. 초기 엔터프라이즈 도입 기업들은 이것이 직접적으로 재시도 횟수 감소와 첫 시도 성공률 향상으로 이어진다고 보고했습니다.

Project Glasswing과 사이버보안 대응

Opus 4.7은 Anthropic의 새로운 Project Glasswing 프레임워크 하에서 출시되는 첫 번째 모델입니다. 이는 훈련 과정에서 모델의 공격적 사이버보안 능력을 의도적으로 저하시키는 것입니다. 전례 없는 조치로, Anthropic은 더 강력한 내부 모델(Claude Mythos Preview)이 존재하지만, 안전 테스트가 완료될 때까지 광범위한 출시를 보류하고 있음을 공식적으로 인정했습니다. 주요 AI 연구소가 안전상의 이유로 모델의 능력을 의도적으로 축소했다고 공식 밝힌 것은 이번이 처음입니다.

벤치마크 성능: Opus 4.7이 뛰어난 분야

Claude Opus 4.7은 Artificial Analysis Intelligence Index에서 100점 만점에 57점(4.6의 53점에서 향상)을 획득하며, 벤치마크의 신뢰구간(±1포인트) 내에서 GPT-5.4(56.8) 및 Gemini 3.1 Pro(57.2)와 통계적으로 3파전 구도를 형성하고 있습니다. 그러나 이 종합 스코어는 개별 벤치마크에서의 거대한 편차를 가리고 있습니다.

에이전트 코딩: 핵심 강점

Opus 4.7에서 가장 큰 개선은 소프트웨어 엔지니어링 벤치마크에 있습니다:

SWE-bench Verified: 87.6%(Opus 4.6의 80.8%에서 향상)
SWE-bench Pro: 64.3%(53.4%에서 향상) — 일반 공개 모델 중 최고 스코어이며, +10.9포인트 개선
Terminal-Bench 2.0: 69.4%(65.4%에서 향상)

가장 어려운 소프트웨어 엔지니어링 벤치마크인 SWE-bench Pro에서 Opus 4.7은 GPT-5.4(57.7%)에 6.6포인트, Gemini 3.1 Pro(54.2%)에 10.1포인트 차이를 벌리고 있습니다. 이것이 이 모델의 명백한 경쟁적 해자(Moat)입니다.

멀티툴 오케스트레이션

Opus 4.7은 멀티턴 툴 오케스트레이션 벤치마크인 MCP-Atlas에서 77.3%를 기록하며 압도적입니다. GPT-5.4(68.1%)와 Gemini 3.1 Pro(73.9%)를 크게 따돌렸습니다. GPT-5.4에 대한 이 9포인트 차이는 여러 API 호출을 연쇄하는 에이전트 워크플로우를 구축하는 이들에게 중요합니다.

에이전트형 지식 작업

일반적인 에이전트형 지식 작업을 측정하는 GDPval-AA에서 Opus 4.7은 1,753 Elo를 기록했습니다. 다음 순위인 경쟁사(Sonnet 4.6 및 GPT-5.4, 각각 약 1,674)에 비해 79포인트라는 압도적 격차를 보여줍니다. Anthropic의 "실제 세계의 에이전트"라는 포지셔닝이 구체적인 숫자로 드러나는 부분입니다.

컴퓨터 활용 및 비전

Opus 4.7은 이미지 해상도를 3.75메가픽셀로 3배 향상시켜, CharXiv(차트 추론)에서 대폭적인 13포인트 상승을 달성했습니다: 82.1%(4.6의 69.1%에서). OSWorld-Verified(GUI 조작)는 72.7%에서 78.0%로 개선되어 GPT-5.4의 75.0%를 상회했습니다. XBOW는 그들의 시각 정확도 벤치마크가 54.5%에서 98.5%로 급등했다고 보고했습니다.

추론 능력

GPQA Diamond: 94.2% — GPT-5.4(94.4%), Gemini 3.1 Pro(94.3%)와 사실상 동률
Humanity's Last Exam(툴 없음, 최대 에포트): 54.7% — 선전했으나, 이 벤치마크의 경쟁 데이터는 제한적
환각 저항(AA-Omniscience Index): 26점(4.6의 14점에서 향상), 환각률은 61%에서 36%로 감소

토큰 효율

Artificial Analysis Intelligence Index에서 4포인트 높은 스코어를 획득했음에도, Opus 4.7은 Opus 4.6 대비 약 35% 적은 출력 토큰을 사용했습니다. 자기 검증과 적응형 사고 기능이 더 간결하고 정확한 출력을 만들어내는 것으로 보입니다.

주요 리그레션: Opus 4.7이 부족한 분야

긴 컨텍스트 검색의 붕괴

가장 경계해야 할 리그레션: MRCR v2 8-needle 검색(100만 토큰)이 78.3%에서 32.2%로 급락 — 46포인트에 달하는 파국적 붕괴입니다. 256K 토큰에서도 91.9%에서 59.2%로 하락했습니다. Anthropic은 MRCR을 벤치마크에서 단계적으로 폐지할 의향을 시사했지만, 실질적 영향은 명확합니다: 매우 긴 문서에서 특정 사실을 정확히 검색해야 하는 워크플로우에서는 Opus 4.6이 여전히 안전한 선택입니다.

웹 리서치

BrowseComp가 83.7%에서 79.3%로 하락하여, Opus 4.7은 GPT-5.4(89.3%)에 10포인트, Gemini 3.1 Pro(85.9%)에 6.6포인트 뒤처져 있습니다. 에이전트형 브라우징 및 웹 리서치 태스크에서 Opus 4.7은 사용 가능한 최선의 모델이 아닙니다.

터미널 중심 코딩

SWE-bench 스코어는 탁월하지만, Terminal-Bench 2.0에서 Opus 4.7은 69.4%로 GPT-5.4의 75.1%에 미치지 못합니다. 터미널 중심 환경에서 작업하는 개발자에게 이는 유의미한 차이입니다.

직접 비교

Claude Opus 4.7 vs. GPT-5.4

두 모델 모두 100만 토큰의 컨텍스트 윈도우와 128K의 최대 출력을 공유합니다. 주요 차이점:

가격: Opus 4.7은 입력 100만 토큰당 5달러, 출력 25달러 — 정확히 GPT-5.4(입력 2.50달러, 출력 15달러)의 2배 및 1.67배 가격입니다.
에이전트 코딩: Opus 4.7이 압도적으로 유리(SWE-bench Pro: 64.3% vs. 57.7%)
툴 오케스트레이션: Opus 4.7이 MCP-Atlas에서 9.2포인트 리드(77.3% vs. 68.1%)
컴퓨터 활용: Opus 4.7이 리드(OSWorld: 78.0% vs. 75.0%)
터미널 코딩: GPT-5.4가 유리(75.1% vs. 69.4%)
웹 리서치: GPT-5.4가 압도적(89.3% vs. 79.3%)
순수 추론: 사실상 동률(GPQA Diamond: 94.2% vs. 94.4%)

결론: 워크플로우가 자율적 멀티파일 코딩이나 복잡한 툴 체인에 관련된 경우 Opus 4.7을 선택하세요. 웹 리서치, 터미널 중심 작업, 또는 에이전트 능력보다 비용이 중요한 경우 GPT-5.4를 선택하세요.

Claude Opus 4.7 vs. Gemini 3.1 Pro

Gemini 3.1 Pro는 입력 가격이 2.5배 저렴한(100만 토큰당 2달러), 출력 가격이 2배 저렴한(100만 토큰당 12달러) 동일한 100만 컨텍스트 윈도우를 제공합니다. Artificial Analysis Intelligence Index에서는 둘 다 57점 — 통계적으로 동률입니다.

에이전트 코딩: Opus 4.7이 압도적(SWE-bench Pro: 64.3% vs. 54.2%)
툴 오케스트레이션: Opus 4.7이 리드(MCP-Atlas: 77.3% vs. 73.9%)
환각 저항: Gemini가 유리(AA-Omniscience: 33 vs. 26)
웹 리서치: Gemini가 리드(85.9% vs. 79.3%)
추론: 사실상 동률(GPQA Diamond: 94.2% vs. 94.3%)

결론: 최상위 에이전트 코딩을 필요로 하지 않는 비용 민감 워크로드에는 Gemini 3.1 Pro가 압도적으로 뛰어난 가성비를 제공합니다. Opus 4.7은 에이전트의 정확도가 비즈니스 성과에 직접 영향을 미칠 때만 프리미엄 가격에 걸맞은 가치가 있습니다.

Claude Opus 4.7 vs. Claude Opus 4.6

가격은 동일(입력 5달러, 출력 25달러), 컨텍스트 윈도우와 최대 출력도 동일합니다. 그러나 새 토크나이저는 토큰 수를 1.0~~1.35배로 부풀려, 요율 변경 없이 최대 35%의 실질적 비용 증가를 초래합니다. 커뮤니티 테스트에서는 평균적인 영어 텍스트에서 12~~18%의 부풀림이 관찰되었고, 최악의 경우(코드 주소, URL, 특수 문자) 완전한 35% 상한에 도달했습니다.

Opus 4.6은 claude-opus-4-6을 통해 완전히 사용 가능하며, 폐기 공지가 없습니다(Google Vertex AI 문서에서는 2027년 2월 5일 이전에 폐기되지 않는다고 명시). 워크플로우가 긴 컨텍스트 검색에 의존하거나 확장 사고 기반으로 프롬프트를 최적화한 경우, Opus 4.6에 머무르는 것이 현실적인 선택일 수 있습니다.

실제 엔터프라이즈 성과

초기 도입 파트너의 엔터프라이즈 고객들은 혁신적인 개선을 보고했습니다:

Cursor: 내부 벤치마크가 58%에서 70%로 급등하며, "쉬운 업그레이드 결정"이라고 평가
Box: 동일한 프로덕션 워크플로우에서 모델 호출 56% 감소, 툴 호출 50% 감소
Rakuten: 프로덕션 태스크 해결 능력 3배 향상
Notion: 복잡한 멀티스텝 워크플로우에서 14% 개선, 툴 오류가 3분의 1로 감소
Harvey(법률 AI): 고 에포트로 BigLaw Bench 90.9%
Hex: "저 에포트의 Opus 4.7은 중 에포트의 Opus 4.6과 대체로 동등"
Vercel: "원샷 코딩 태스크에 탁월하다"고 평가
KPMG: Digital Gateway 플랫폼에 Claude를 통합하여, 전 직원 276,000명 이상에게 배포하는 전략적 글로벌 동맹 발표

커뮤니티 반응: 날카로운 양극화

릴리스는 유스케이스를 따라 날카롭게 분열되었습니다.

긍정적 평가

주요 코딩 툴(Cursor, Replit, GitHub Copilot, Vercel, Bolt)은 즉시 Opus 4.7로 전환했습니다. 엔터프라이즈 파트너는 릴리스와 동시에 도입했습니다. 자기 검증과 개선된 에이전트 능력은 프로덕션 워크플로우에 있어 진정한 브레이크스루입니다.

부정적 평가

개인 개발자와 크리에이티브 사용자들은 강하게 반발했습니다. "Claude Opus 4.7은 업그레이드가 아닌 심각한 리그레션이다"라는 Reddit 게시물은 24시간 이내에 2,300개 이상의 찬성표를 받았습니다. Hacker News의 최상위 댓글(1,200개 이상의 찬성)은 적응형 사고가 기본적으로 가시적인 추론 과정을 삭제한 점을 지적했습니다.

토크나이저 논쟁이 릴리스에서 가장 논쟁이 된 측면이 되었습니다. 커뮤니티의 컨센서스는 새 토크나이저가 눈에 띄는 곳이 아닌 문서 속에 묻힌 형태로 20~35%의 숨겨진 가격 인상을 구성한다는 쪽으로 빠르게 수렴했습니다. 기록된 한 사례에서는 동일한 콘텐츠가 4,262토큰에서 5,657토큰으로 증가 — 33%의 증가입니다. 사용자들은 레이트 리밋이나 플랜 한도에 극적으로 빠르게 도달하게 되었습니다.

보안 전문가들은 특히 큰 불만을 표출했습니다. Anthropic의 사이버 검증 프로그램에 기반한 승인 접근을 보유한 Joseph Thacker는 "Opus 4.7은 사이버 활용이 승인되어 있더라도 모든 버그 헌터/테스터에게 블로킹이다"라고 보고했습니다. Project Glasswing의 안전 대응이 정당한 보안 리서치까지 포착하고 있으며, Anthropic이 릴리스 시 이 문제를 공식적으로 인정하지 않았다는 것입니다.

작가 및 크리에이티브 사용자들은 품질의 눈에 띄는 리그레션을 보고했습니다. 모델이 "명백히 엔터프라이즈용"으로 느껴지며, 따뜻함이 효율성으로 대체되고, 섬세한 크리에이티브한 폭보다 직접적이고 편향된 출력을 우선한다는 일관된 불만이 있었습니다.

API 변경 및 마이그레이션 시 고려사항

즉각 대응이 필요한 3가지 파괴적 API 변경이 있습니다:

확장 사고의 삭제: budget_tokens 파라미터는 400 오류를 반환합니다. 적응형 추론이 유일한 모드입니다.
샘플링 파라미터 제한: 비기본값의 temperature, top_p, top_k는 400 오류를 반환합니다.
사고 콘텐츠의 기본 비표시: 호출자가 추론 과정을 보려면 display: "summarized"로 옵트인해야 합니다.

기존 Opus 4.6 프롬프트 스택을 보유한 팀에는 마이그레이션 전 병렬 평가를 강력히 권장합니다. 모델의 행동 변화(더 직접적인 톤, 다른 토크나이제이션, 삭제된 파라미터)는 Opus 4.6에 최적화된 프롬프트가 깔끔하게 마이그레이션되지 않을 수 있음을 의미합니다.

Claude Opus 4.7의 최적 유스케이스

프로덕션 에이전트 코딩 및 CI/CD 자동화 — 복잡한 멀티파일 엔지니어링 태스크를 위임하기 위한 가장 강력한 일반 공개 모델. 자기 검증이 오류가 전파되기 전에 감지합니다.
멀티툴 오케스트레이션 — 77.3%의 MCP-Atlas 스코어는 5개 이상의 툴 호출을 연쇄하는 워크플로우에서 명확한 리더입니다.
컴퓨터 활용 에이전트 및 비전 중심 워크플로우 — 고해상도 이미지 처리와 차트/UI 추론의 대폭적 개선으로, 자동 테스트, 문서 OCR, 디자인 리뷰에 최적입니다.
엔터프라이즈 문서 분석 및 금융 워크플로우 — Finance Agent v1.1에서의 최상위 스코어와 강력한 환각 완화로, 법률, 금융, 컴플라이언스 중심의 지식 작업에 최선의 선택지입니다.

대안을 선택해야 하는 경우

Opus 4.6을 사용하세요 워크플로우가 정확한 긴 컨텍스트 검색(256K 토큰 이상)에 의존하거나, 확장 사고 주변에 인프라를 구축한 경우.
GPT-5.4를 사용하세요 웹 리서치, 터미널 중심 코딩, 또는 비용 효율이 최우선인 경우.
Gemini 3.1 Pro를 사용하세요 환각 저항이나 과학적 추론이 에이전트 코딩 능력보다 중요한 비용 민감 워크로드용.

결론

Claude Opus 4.7은 에이전트 AI 분야에서 Anthropic의 리더십을 확고히 하는, 진정으로 인상적인 모델입니다. 소프트웨어 엔지니어링(SWE-bench Pro +10.9포인트), 툴 오케스트레이션(MCP-Atlas에서 GPT-5.4 대비 +9.2포인트), 그리고 일반적인 에이전트형 지식 작업(GDPval-AA 1,753 Elo)에서의 개선은 실존하고, 측정 가능하며, 프로덕션 배포에 있어 혁신적입니다.

그러나 이번 릴리스는 또한 Anthropic 전략에서 커지는 긴장도 드러냅니다. 숨겨진 토크나이저 비용 증가, 붕괴하는 긴 컨텍스트 검색 스코어, 지나치게 공격적인 세이프티 가드, 그리고 가시적 추론 과정과 같은 개발자용 컨트롤의 삭제는 개인 개발자 커뮤니티를 희생시키면서 엔터프라이즈 계약을 위해 점점 최적화해 가는 기업의 모습을 시사합니다. 더 강력한 모델이 존재하지만 테스트 기간 동안 보류하고 있다는 명시적 인정은 경쟁사들이 활용하는 전략적 복잡성을 더합니다.

프로덕션 에이전트 시스템을 구축하는 엔터프라이즈 팀에게 Opus 4.7은 오늘날 사용 가능한 최고의 툴입니다 — 이견의 여지가 없습니다. 개인 개발자, 연구자, 작가, 보안 전문가에게 그 가치 제안은 훨씬 불분명하며, Opus 4.6은 여전히 실행 가능하고 여러 측면에서 우수한 대안입니다. 종합 벤치마크 스코어가 아닌, 여러분의 특정 워크로드를 기반으로 선택하세요.

공유:X Hatena

로딩 중...

블로그 목록으로