공식 벤치마크, 요금표, 그리고 10만 토큰의 가격 격차까지. 마이그레이션을 담당하는 분들을 위해 두 모델의 활용 범위를 정리합니다.
커버 이미지는 AI로 생성된 것이며 제품 스크린샷은 아닙니다.
Anthropic이 3주 동안 두 개의 모델을 출시했습니다. 9월 22일의 Claude Opus 5.5 (claude-opus-5-5)와, 10월 7일의 Claude Haiku 5.5 (claude-haiku-5-5)입니다.
주제는 가격 인하에 모이기 쉽지만, 공식 문서를 비교하며 제가 주목한 것은 가격 자체보다 다음 두 가지였습니다.
- Haiku 5.5가 Terminal-Bench 4.0에서 39.2%를 기록했습니다. 이전 세대의 Haiku 4.5는 **0.0%**입니다. -
- Haiku 5.5만 프롬프트 길이에 따라 요금 단계가 달라집니다. 입력이 10만 토큰을 초과하면, 해당 요청 전체 비용이 5배가 됩니다.
후자는 바로 이 모델이 예상하는 용도—에이전트의 서브태스크 실행—에서 걸리기 쉬운 격차입니다. 본 기사에서는 두 모델이 각각 무엇을 할 수 있는지, 연결 확인 코드를 어떻게 작성해야 하는지, 마이그레이션 시 어떤 함정에 빠질 수 있는지, 그리고 실제로 월 얼마가 될 것인지를 순서대로 정리합니다.
'저렴한 모델은 컨텍스트가 짧고 기능도 적다'는 전제는 이번 세대에서는 성립하지 않습니다.
| 항목 | Opus 5.5 | Haiku 5.5 |
|---|
| 컨텍스트 창 (Context Window) | 1M 토큰 | 1M 토큰 |
| ... | medium | |
| 이미지 입력/도구 호출 | 지원 | 지원 |
| 지연 시간 구분 (Latency) | Moderate | Fastest |
| 입력/출력 요금 | $4 / $20 | $0.10 / $0.50 (10만 토큰 이하) |
수치는 Anthropic 공식 모델 문서를 2026-10-14 기준으로 비교한 것입니다.
이전 세대 Haiku 4.5는 200K 컨텍스트에 64K 출력이었으므로, 여기는 실질적인 변화입니다. 저렴한 것을 선택해도 용량과 멀티모달 기능은 희생되지 않습니다. 다만, 용량이 같더라도 추론 능력이나 태스크 성공률이 같다고 할 수는 없습니다.
세대를 비교할 때는 공식에서 제공하는 대조표를 보는 것이 빠릅니다.
| 벤치마크 | Haiku 5.5 | Haiku 4.5 |
|---|
| OSWorld 2.1 (컴퓨터 조작, 오프라인 부분집합) | 72.4% | 15.7% |
| Terminal-Bench 4.0 (터미널 과제) | 39.2% | 0.0% |
| Humanity's Last Exam (도구 없음) | 45.9% | 10.2% |
| Chartography (도구 없음) | 46.4% | 6.4% |
Terminal-Bench 행이 이 표에서 가장 주목할 가치가 있는 부분입니다. 0.0%는 '약간 부족하다'가 아니라, 이러한 종류의 과제를 이전 세대는 애초에 완료하지 못했다는 의미입니다. 39.2%는 '할 수 있게 되었다'는 의미입니다. 차이가 크다기보다는, 할 수 있느냐 없느냐의 경계를 넘나들고 있습니다.
OSWorld의 72.4%에는 참고점이 있습니다. 이 평가의 원 논문이 보고한 인간의 베이스라인이 72%입니다.
공식적으로 언급된 용도는 요약, 컨텍스트 압축, 데이터베이스 조회, 분류, 그리고 Opus 5.5나 Sonnet 5.5의 서브 에이전트로서 실행 역할입니다. 여기에 실시간 고객 응대나 브라우저 조작처럼 지연 시간이 중요한 용도가 추가됩니다.
고객 측 수치도 나와 있습니다. Asana는 태스크 완료 지연 시간이 30% 이상 감소했고, Box는 Haiku 4.5보다 11포인트 높은 점수를 약 절반의 지연 시간으로 기록했으며, HubSpot은 CRM 감사 태스크에서 자체 기록 중 최고 수준인 (3회 평균 92.8%) 결과를 보고했습니다.
출처 기반 편집부 제작도. 요금은 추정치이며, 벤치마크는 공식 공표 값입니다.
구현 측면에서 주목해야 할 변경 사항이 두 가지 있습니다.
- Haiku 계열에서는 최초로 노력(effort) 단계 조절에 대응했습니다 (Low부터 Max까지 5단계). 난이도에 따라 비용을 조정할 수 있습니다. -
Python 및 TypeScript SDK에서는 Haiku 계열로서 최초로 컴퓨터 사용(computer use)과 브라우저 사용(browser use)의 베타 지원이 추가되었습니다.
Opus 5.5의 평가 축은 정답률보다는 같은 작업을 몇 단계 만에 끝내는가에 초점이 맞춰져 있습니다. 공식의 1차 실측으로 알기 쉬운 부분은 다음과 같습니다.
- 20만 줄 코드 감사(audit)를 3시간 이내에 완료. Opus 5는 20시간 이상 걸렸고, 토큰도 2.5배 소비했습니다.
- 68만 줄 마이그레이션을 1일 이내에 완료했습니다.
- 연구 보고서 18개 중 16개가 품질 기준을 통과했습니다. 대조군인 Fable 5.1과 Opus 5는 단 하나도 통과하지 못했습니다.
고객사 측에서도 비슷한 사례가 있습니다. Optiver는 약 절반의 턴 수, 시간, 출력 토큰으로 Opus 5와 동등한 품질에 도달하여 해당 워크로드 비용을 40~50% 절감했습니다. GitHub는 VS Code에서 해결했던 터미널 문제가 Opus 5보다 많았고, 작업량은 절반 이하로 줄었습니다. Quantium은 '38 프롬프트로 4일' 걸리던 작업을 '11 프롬프트로 3시간'으로 단축했다고 보고했습니다.
공식에서 말하는 '실행 비용이 Opus 5 대비 40% 감소'는 여기서 비롯된 것입니다. 단가 하락 폭은 20%이고, 나머지는 작업량과 토큰 절감분입니다.
플래너(planner)에게 기대하는 바를 말씀드리자면, 이는 상당히 직관적인 성질을 가집니다. 4턴 만에 적절한 분해에 도달하는 플래너는 9턴이 필요한 플래너보다 저렴할 뿐만 아니라, 실행 단계에서 잘못된 방향으로 이끌 기회가 그만큼 줄어듭니다.
여기부터는 실제 코드를 다루는 부분입니다. 확인한 환경은 다음과 같습니다.
| 항목 | 값 |
|---|
| 확인일 | 2026-10-14 |
| 엔드포인트 | https://api.crazyrouter.com/v1 (OpenAI 호환) |
| curl | 8.13.0 |
모델 ID는 날짜가 없는 고정 스냅샷입니다. 먼저, 사용할 경로에 해당 식별자가 존재하는지 확인합니다.
curl https://api.crazyrouter.com/v1/models \
-H
공식적으로 절감 폭에 대한 설명도 여기에 실려 있습니다. 10만 토큰 이하일 경우 Haiku 4.5 대비 90% 감소, 초과할 경우 50% 감소입니다. Haiku 4.5 요청의 약 90%는 10만 토큰 이하였습니다. 공식적으로는 평균 운영 비용이 약 75% 감소했다고 보고하고 있지만, 건수 비율만으로는 토큰량의 무게를 알 수 없어 이 평균값은 산출할 수 없습니다. **이는 구(舊) 트래픽 분포를 설명한 수치일 뿐이며, 앞으로 만들 에이전트 루프의 분포가 아닙니다.**
단차의 영향을 숫자로 살펴보겠습니다. 하루 500건의 자료 정리 태스크로, 건당 입력 8만 토큰/출력 2,000 토큰, 월 22 영업일을 가정합니다.
- 월간 입력: 500 × 80,000 × 22 = **8.8억 토큰** - 월간 출력: 500 × 2,000 × 22 = **2,200만 토큰**
Haiku 5.5의 짧은 프롬프트 단계라면, 입력 8.8억 × $0.10 ÷ 100만 = **$88**, 출력 2,200만 × $0.50 ÷ 100만 = **$11**, 합계 약 **$99/월**입니다.
같은 양을 Opus 5.5로 돌리면, 입력 $3,520, 출력 $440으로 합계 약 **$3,960/월**입니다. 차이는 40배입니다.
여기서 입력을 11만 토큰으로 늘리면, Haiku 측은 약 **$660/월**입니다. 같은 11만 토큰 입력에서는 Opus가 $5,280/월이므로, 동일 부하에서의 가격 차이는 8배입니다. 게다가 **응답 어디에도 현재 어느 단계에서 과금되었는지는 적혀 있지 않습니다.**
즉, 비용 최적화의 실체는 '저렴한 모델로 바꾸는 것'이 아니라, **컨텍스트 관리**입니다. 각 서브 에이전트가 가지고 다니는 내용을 줄이고, 전송 전에 예상하고, 상한에 가까워지는 태스크는 분할하는 것입니다. 이곳을 해야 비로소 40배 차이가 유지됩니다.
그 외 청구액을 움직이는 조건으로는, 배치 처리(batch processing)는 두 모델 모두 반값이며, Opus 5.5에는 fast mode($8/$40, 최대 2.5배속)가 있습니다. 캐시 읽기 할인율은 모델마다 차이가 있어, Opus 5.5는 기본 입력 가격의 5%, Haiku 5.5는 10%, Fable 5.1은 2.5%입니다. 장기간 시산에서 같은 계수를 적용하지 않도록 주의해야 합니다.
제3자 경로가 제시하는 가격은 공식과 다른 수치입니다. Crazyrouter의 Haiku 5.5 요금 페이지는 2026-10-13 기준 스냅샷으로 공식과 동일한 금액을 보여주며, 10만 토큰 단계 규칙도 마찬가지로 명시하고 있었습니다. 다만 공식과 경로의 가격을 섞어 하나의 예산으로 삼지 마십시오.
*출처에 기반하여 편집부가 작성한 그림입니다. 요금은 시산이며, 벤치마크는 공식 발표 값입니다.*
표를 올리는 이상 읽는 법도 적겠습니다. 이 기사의 표를 포함해서 이야기입니다.
**Anthropic 스스로가 벤치마크의 온도를 낮추고 있습니다.** Opus 5.5 자료에는, 현재 능력 수준에서는 벤치마크 차이가 **실제 세계의 차이를 보여주는 지표로서 이미 신뢰성을 떨어뜨리고 있다**, Fable 5.1과의 실제 차이는 점수가 보여주는 것보다 좁다고 명시되어 있습니다.
조건도 확인이 필요합니다. 특별한 언급이 없는 한 결과는 적응형 사고(adaptive thinking)의 max effort로, Terminal-Bench에서는 Opus 5.5가 xhigh, GPT-6 Astra가 high와 같이 각각 최고의 설정이 사용되었습니다. 실제 운영을 위한 세이프가드는 유효한 상태이며, 공식적으로는 이것이 측정 성능을 '아마도 낮추고 있다'고 합니다. Terminal-Bench 4.0의 표준 오차는 ±2.6 포인트이고, 리더보드 상의 Opus 5의 51.8%는 52.3%로 재현되었으며, 공식은 이를 '노이즈 범위'라고 부릅니다. OSWorld 수치는 오프라인 부분집합입니다.
실용적인 읽기 방법은 **자릿수로 읽고, 소수점으로는 읽지 않는 것**입니다. 39.2% 대 0.0%는 자릿수의 차이이며, 설계 변경의 근거가 됩니다. 54.4% 대 53.3%는 오차 범위 내에 있어 아무런 근거가 되지 못합니다.
| 용도 | 추천 모델 | 근거 |
|---|---|---|
| 분류, 의도 라우팅, 심사 큐 | Haiku 5.5 | 공식이 언급하는 용도입니다. 입력이 짧고 건수가 많아 가장 저렴한 단계에 수렴합니다 |
| ... | | |
보충 설명으로, Cognition의 사례는 단독으로 볼 가치가 있습니다. Devin Fusion에서 Haiku 5.5를 실행 측(executor)으로, Opus 5.5를 주 플래너(main planner)로 배치했을 때, FrontierCode에서 66.2점이라는 결과를, 태스크당 비용과 레이턴시를 낮추면서 달성했습니다. 이는 Anthropic이 게재한 Cognition의 보고입니다. 동일 조건에서의 Opus 5.5 단독 점수가 없기 때문에, 양쪽 모두 단독 실행을 능가한다고 단정할 수는 없습니다.
공식적으로는 Sonnet 5.5와 Opus 5.5가 **복잡한 에이전트 코딩 작업에서는 여전히 좋은 선택**이며, Haiku 5.5는 '범위가 더 좁은 태스크'에 적합하다는 것입니다. Terminal-Bench에서 39.2% 대 70.6%(Sonnet 5.5)라는 수치가 그 차이를 보여줍니다. 장시간의 코딩 작업은 Haiku의 주 전장이 아닙니다.
- 스펙 표는 거의 동일합니다. 저렴한 것을 선택해도 용량(capacity)이 떨어지지는 않습니다.
- Haiku 5.5의 0.0%→39.2%는 플래너와 실행 역할을 분리하는 구성이 비로소 성립했다는 의미입니다.
- 마이그레이션 시 수동으로 진행하던 extended thinking 방식이 통하지 않는 점이 첫 번째 관문이 됩니다.
- 10만 토큰의 차이는 요청(request) 단위이며, 초과 여부는 응답(response)을 통해 알 수 없습니다. 컨텍스트 관리(Context management)가 실질적인 비용 절감책입니다.
- 도입 순서는 **먼저 Opus 5.5로 테스트하여 수용 조건을 결정하고, 프로그램으로 검증할 수 있는 공정부터 순차적으로 적용**하는 것이 안전합니다. 역순으로 진행하면 판단 기준 없이 '실패'를 감지하게 됩니다.
저렴한 모델이 실패하는 방식은 거부(refuse)가 아니라 **자신감 넘치는 오답**입니다. 사람의 육안 검토가 가장 놓치기 쉬운 형태이므로, 적용할 공정은 '프로그램이 오류를 지적할 수 있는지'를 기준으로 선택하는 것을 추천합니다.
마지막으로 이전 세대에 대해 말씀드리겠습니다. Haiku 4.5는 레거시(legacy)로 취급되며, 요금은 $1/$5로 Haiku 5.5의 짧은 프롬프트 단계 대비 10배 비싸고, Terminal-Bench 점수는 0.0% 대 39.2%입니다. 아직 4.5를 사용하고 있다면, 이번 업그레이드를 한 번에 모아서 평가해 볼 가치가 있습니다.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
