2026년 10월 26일 월요일의 개발자 이야기 네 가지를 각 주요 출처에서 읽었습니다. Anthropic의 첫 공개 S-1 공시, 이번 주 Hacker News 논의의 배경이 된 LLM 가격 인하, 오픈 모델의 도구 호출을 수정하는 vLLM 설정, 그리고 피부과 의사가 10년 된 이미지 네트워크와 두 개의 최첨단 챗봇을 테스트한 내용입니다. 투자 또는 의료 조언은 없으며, 문서에 명시된 사실만을 다룹니다.
요약 (TL;DR)
- Anthropic의 Form S-1은 뉴욕 시간으로 2026년 10월 26일 오전 9시에 SEC EDGAR에 승인되었으며, 2026년 상반기 매출액 $16,286 million과 순손실액 $80,748 million을 보고합니다. 이 중 $72,388 million은 전환사채(convertible notes)의 공정가치 변동분입니다. 가격, 주식 수 및 가장 최신 분기 데이터는 비어 있습니다.
- OpenAI에 따르면 GPT-5.6 Luna는 7월 30일 기준 비용이 80% 절감되었으며, GPT-6.1 Sol은 백만 토큰당 입력 $2, 출력 $10으로 책정되어 있습니다. Anthropic에 따르면 Opus 5.5를 실행하는 비용은 Opus 5보다 약 40% 적습니다.
- Ubicloud는 vLLM 0.28에서 Kimi K2.6의 도구 호출 스키마 정확도가 92%였으며, 제약 디코딩(constrained decoding)을 활성화한 후에는 100%를 기록했습니다.
- 피부과 의사의 200개 병변 테스트: 미세 조정된 Inception v3 네트워크가 62%의 정확도를 보였고, GPT-6 Astra와 Claude Fable 5.1은 각각 42%였습니다. 그는 스스로 주의사항을 언급했습니다.
- 결론: 검토 필요 (NEEDS REVIEW).
1. Anthropic의 S-1: 수치와 공란들
filing은 공개 Form S-1이며, EDGAR 인덱스 페이지에서 2026년 10월 26일 오전 9시 11분에 승인된 것을 보여줍니다. 이는 예비 자료입니다. 표지에는 가격 범위가 공란이며, 주식 수는 공란이고, 3개월간의 매출액(9월 30일까지)과 10월 31일자 예상 실적 수치 또한 공란입니다. Anthropic은 Nasdaq Global Select Market에 Class A 주식을 ANT 심볼로 상장 신청했습니다.
23페이지의 요약표에는 다음과 같은 수치가 기재되어 있습니다. 매출은 2023년에 4,100만 달러, 2024년에 3억 8,600만 달러, 그리고 2025년에 45억 8,500만 달러였습니다. 2026년 상반기 매출은 162억 8,600만 달러로, 이는 2025년 같은 기간의 11억 6,300만 달러와 비교됩니다. 해당 6개월간 컴퓨팅 및 인프라 비용은 89억 4,500만 달러였습니다. 영업 손실액은 6억 9,300만 달러였으며, 이는 공시의 non-GAAP 표에 따르면 마이너스 4%의 영업 이익률을 보여줍니다. 같은 표에는 주식 기반 보상(stock-based compensation) 21억 8,500만 달러와 비현금 자선 기부금 1억 2,600만 달러를 다시 더한 후 조정된 영업 이익이 16억 1,800만 달러로, 조정된 마진은 10%였습니다.
순손실액은 807억 4,800만 달러였으며, 그 이유는 한 줄에 요약되어 있습니다. 전환사채(convertible notes), 파생 부채(derivative liabilities) 및 SAFE의 공정 가치 변동이 723억 8,800만 달러의 손실을 기록했기 때문입니다. 각주에는 이러한 변화가 주로 회사 전체 기업 가치 상승으로 인한 미상환 전환 약속어음(convertible promissory notes)의 공정 가치 증가에 의해 발생했다고 명시되어 있습니다. 간단히 말해, 회사의 가치가 높아질수록 갚아야 할 어음의 가치도 높아지며, 회계 장부는 이를 손실로 기록하는 것입니다. 해당 공시는 누적 적자를 1,329억 달러로 기재하고 있으며, 이 중 1,132억 달러가 이러한 공정 가치 변동에 의한 것이고, 6월 30일 기준으로 현금 및 현금성 자산은 1,124억 달러를 보유했다고 밝혔습니다.
제가 주목한 다른 두 가지 항목이 있습니다. 위험 요소(risk factors) 섹션에는 2025년 9월에 합의되고 2026년 7월 법원에서 승인된 Bartz 저작권 소송 합의금 15억 달러가 언급되어 있으며, 이 내용은 2025년 비용표에도 별도의 항목으로 존재합니다. 저희는 이 배경 이야기를 OpenAI 불법 도서 에피소드에서 다뤘습니다. 또한 개발자들을 위한 비즈니스 섹션에서는 9월 30일까지의 기간 동안 Claude Code를 사용하지 않은 Claude Enterprise 사용자들은 평균 월 75달러 미만을 지출한 반면, 이를 사용한 상위 5% 그룹은 그보다 약 20배 많은 금액을 지출했다고 언급합니다.
지배 구조(governance) 측면에서, 장기 복리 이익 신탁(Long-Term Benefit Trust)은 자체 Class T 주식을 통해 이사회 과반수를 선출하며, 창업자 회사(founders' company)는 의결권의 50.1%를 가진 단일 Class F 주식을 보유할 것입니다. 해당 공시 자료는 Anthropic을 통제된 회사(controlled company)로 규정하고 있습니다.
가치 평가(valuation), 가격 책정 및 시점은 문서에 맡깁니다. 이 부분들은 비어 있습니다.
2. OpenAI와 Anthropic이 LLM 가격을 인하하는 이유
Max Woolf (minimaxir)는 6월 이후의 가격 변동 타임라인을 게시했으며, 이는 Hacker News 메인 페이지에 388점으로 등극했습니다. 저는 주요 항목 뒤에 있는 공급업체 페이지들을 확인해 보았습니다. OpenAI의 7월 30일 게시물에 따르면 GPT-5.6 Luna는 "비용이 80% 낮아질" 것이며, Terra는 20% 낮아질 것입니다. OpenAI의 GPT-6.1 Sol 페이지에는 Astra가 입력당 $10, 출력당 $50, 백업(cached) 토큰당 1백만 개당 $1로 나열되어 있으며, GPT-6.1 Sol은 각각 $2, $10, $0.10으로 "Astra의 표준 입력 및 출력 토큰 가격의 5분의 1"입니다. Anthropic의 Opus 5.5 발표에 따르면 이 모델은 대부분의 작업에서 Claude Fable 5.1 수준으로 성능을 발휘하며, Opus 5 대비 실행 비용이 40% 낮습니다. 저희는 9월 가격 전쟁 에피소드에서 이 첫 번째 라운드를 다룬 바 있습니다.
Woolf의 설명은 경쟁, 특히 오픈 웨이트(open-weight) 모델에 관한 것입니다. 규모 면에서: 10월 23일에 출시된 오픈 웨이트 모델인 Kimi K3.1 Pro는 OpenRouter에 입력당 $2, 출력당 $10으로 나열되어 있으며, 이는 GPT-6.1 Sol과 동일한 목록 가격입니다. 캐시 읽기(cache reads)가 에이전트 토큰 지출의 96%에서 99%를 차지한다는 추정치와 같은 그의 다른 수치는 그 자신의 것이며, 저는 이를 재산출하지 않았습니다. 그의 개인적인 반응은 좋은 세부 정보입니다: 그는 동일한 모델이 이제 네 배 더 멀리 나아갔기 때문에 Codex 플랜 사용 한도를 5분의 1로 줄였습니다.
Anthropic의 S-1 공시 자료가 자체적인 설명을 제공합니다. 이 자료에 따르면 Fable 5.1과 Opus 5.5는 각각 이전 모델 대비 고객당 작업 비용을 약 25%와 약 40% 절감했으며, 이는 "더 낮은 가격과 개선된 효율성의 조합" 덕분이라고 합니다. 또한 "우리의 컴퓨팅 효율성 덕분에 마진을 유지하면서 이러한 개선을 이룰 수 있었다"고 언급합니다. 자료는 Opus 4.5가 2025년 11월에 더 낮은 가격으로 출시된 이후, 여러 요인들이 복합적으로 작용하여 분기별 매출 성장이 48%에서 132%로 증가했다고 추가합니다.
무엇을 해야 할까요: 현재 가격 페이지를 기준으로 비용 추정치를 재실행하세요. 에이전트 작업에서는 캐시된 입력(cached-input) 라인이 청구서 금액을 좌우하는 부분입니다.
Ubicloud는 (10월 20일) vLLM 0.28에서 Kimi K2.6이 도구의 JSON 스키마와 일치하는 도구 호출을 얼마나 자주 생성했는지 측정했습니다. 그 결과는 92%였으며, 이는 25번 중 2번이 실패했다는 의미입니다. 실패한 호출은 에러 메시지로 컨텍스트를 오염시키고 품질을 떨어뜨리며 재시도 비용을 발생시킵니다.
해결책은 제약 디코딩(constrained decoding)입니다. 서버는 매 단계마다 XGrammar의 구조적 태그를 사용하여 도구 호출이 스키마 내에서 유효하도록 유지하는 토큰만을 허용하므로, 모델이 스키마를 깨뜨리는 토큰을 선택할 수 없게 됩니다. vLLM 0.31에서는 서버 플래그로 구현되며, 해당 게시물에 따르면 배포 환경에서 도구 호출의 엄격성을 활성화하는 방법은 --tool-strict-level입니다. Ubicloud는 Moonshot의 K2VV ToolCall 벤치마크에서 Kimi와 DeepSeek 모델을 대상으로 100%의 스키마 정확도를 측정했으며, 성능 오버헤드는 미미했습니다.
vLLM은 기본적으로 이 기능을 비활성화 상태로 유지합니다. 이는 사용자들이 기본 활성화된 후 일부 모델에서 문제를 보고했기 때문이며, GLM 5.1이 그중 하나입니다. Ubicloud의 결론은 엔진과 설정이 보이는 출력 품질을 변화시킨다는 것입니다. 이것은 자체 서빙 환경에 대한 공급업체 블로그이므로, 이 수치를 신뢰하기 전에 반드시 사용자의 모델과 워크로드를 테스트해야 합니다.
4. 최신 프런티어 챗봇 대(對) 10년 된 CNN
Dr Magnus Lynch는 Guy's Hospital의 컨설턴트 피부과 전문의이자 King's College London의 명예 강사로서 10월 25일 테스트를 발표했습니다. 그는 대중 공개 데이터셋인 MILK10k에서 생검으로 입증된 병변 200개를 가져왔는데, 이 중 방출해서는 안 되는 경우 100개와 안전하게 방출할 수 있는 경우 100개였습니다. 그리고 GPT-6 Astra와 Claude Fable 5.1 모두에게 임상 사진과 피부경 검사 이미지를 제공했습니다. 또한 그는 Google이 2015년에 발표한 이미지 네트워크인 Inception v3를 68,011개의 ISIC Archive 이미지로 약 20분 동안 H100 한 대에서 파인튜닝(fine-tuned) 했습니다.
이 네트워크는 125개 병변 중 6개를 올바르게 진단했습니다 (62퍼센트). 챗봇들은 각각 84개와 85개(42퍼센트)를 진단했습니다. 흑색종(melanoma)의 경우, Inception v3는 30개 중 13개를, 나머지 모델들은 각각 8개와 11개를 기록했습니다. 챗봇들은 선호하는 결과가 있었습니다: GPT-6 Astra는 실제로는 25개인 병변을 기저세포암(basal cell carcinoma)으로 진단한 경우가 75개였습니다.
Lynch 자신도 주의사항들을 나열합니다. 200개의 사례는 패턴을 보여줄 뿐 근접한 결과를 순위 매기기는 어렵습니다. 각 챗봇은 단 한 번 실행되었으며, 모든 병변은 이미 생검이 이루어졌으므로 이 사례들은 평소보다 더 어려운 경우입니다. Inception v3는 기준선(baseline)이며, 최신 방법으로 구축된 규제 제품들이 더 나은 성능을 보입니다. 모델은 WebGPU를 통해 휴대폰 브라우저에서 실행되며 아무것도 업로드되지 않습니다. 이것은 블로그 테스트일 뿐이며 여기의 내용은 의료적 조언이 아닙니다.
또 다른 세부 사항: Lynch는 분석과 초안 작업이 Claude Code로 생성되었으며, 테스트된 두 챗봇 중 하나 역시 Anthropic의 것이라고 언급합니다.
판정: 검토 필요 (NEEDS REVIEW)
Anthropic의 공시 자료에는 서류상 손실(loss on paper)과 조정된 측정 기준에서의 이익(profit in an adjusted measure), 그리고 많은 빈 부분이 있습니다. 가격에 대한 이야기는 부분적으로 한 블로거의 해석에 의존합니다. 피부암 테스트는 200개 사례를 단 한 번 실행한 것입니다. 직접 공시 자료를 읽어보십시오.
출처 (Sources)
이 기사는 기술 분야에서 무엇이 출시되었고(shipped) 무엇이 문제가 되었는지(broke) 다루는 5분짜리 일일 영상인 The Daily Diff 에피소드를 확장한 내용입니다.
[참조된 출처 및 자료]
비디오 스크립트 및 주요 출처는 [https://thedailydiff.dev/video/2026-10-26-anthropic-s1-prices/]를 참고하세요.