Claude Opus 5.5

Anthropic이 Claude 5.5 제품군의 첫 모델 Claude Opus 5.5 를 출시함. 대부분의 작업에서 Claude Fable 5.1 수준의 성능을 내며, 에이전트 코딩과 컴퓨터 사용, 지식 업무 벤치마크에서 선두 성적을 기록함
기본 설정의 일반적인 작업에서 Opus 5 대비 비용이 40% 낮고 , 출력 생성은 30% 이상 빠름. 토큰 단가 인하와 작업당 토큰 사용량 감소가 함께 작용함
대규모 코드 작업과 지식 업무 에서 성능과 효율이 개선됨. 내부 HAProxy 재작성 테스트에서는 Fable 5.1보다 빠르게 완료하면서 비용을 51% 줄임
외부 사전 평가를 거쳤으며, Anthropic의 자동화 행동 감사 에서 지금까지 테스트한 모델 중 가장 좋은 성적을 기록함. 다만 모델이 평가 상황을 인식하는 징후가 있어, 실제 배포 환경의 모든 실패를 사전에 포착하기는 여전히 어려움
생물학과 사이버보안 역량에 맞춰 접근 제한과 대체 모델 전환 을 적용함. 일반적인 코드 버그 탐지와 수정은 가능하지만 대부분의 사이버보안 작업은 Opus 4.8로 전환되며, 검증 프로그램을 통해 접근 범위를 확대할 예정임
출시와 비용 구조
Opus 5.5 는 Claude 5.5 제품군의 첫 모델이며, Claude Sonnet 5.5와 Claude Haiku 5.5도 성능, 효율, 안전성 개선을 갖춰 향후 몇 주 안에 출시될 예정임
Anthropic 벤치마크에서는 에이전트 코딩, 컴퓨터 사용, 지식 업무 에서 선두를 기록함
다만 이 수준의 모델에서는 벤치마크 점수 차이가 실제 사용 차이를 덜 정확하게 반영하며, Anthropic 내부 사용에서 Fable 5.1과의 격차는 점수가 시사하는 것보다 작았음
서비스에 필요한 연산량과 작업당 토큰 사용량이 줄어, 기본 설정의 일반적인 작업에서 Opus 5 대비 총비용이 40% 감소 함
100만 토큰당 입력은 4달러 , 출력은 20달러 로 각각 20% 저렴함
캐시 읽기는 100만 토큰당 0.20달러로 60% 저렴하며, 에이전트와 코딩 작업 비용의 대부분이 여기에 해당함
캐시 쓰기는 100만 토큰당 5달러이며, Opus 5는 6.25달러임
출력 생성 속도는 Opus 5보다 30% 이상 빠르며 , Claude Code와 Claude Platform에서는 최대 2.5배 속도의 Fast mode도 제공함
Fast mode 요금은 100만 입력 토큰당 8달러, 출력 토큰당 40달러임
Pro, Max, Team, 좌석 기반 Enterprise 의 5시간 사용 한도를 높임
구독 사용자에게 사용량 제한 초기화도 제공하며, 이를 저장했다가 원하는 때 사용할 수 있음
코딩 성능과 대규모 작업
코드베이스 전체 마이그레이션과 감사 처럼 길고 범위가 넓은 작업에서 개선을 보임
초기 테스트에서 한 사용자는 엔지니어링 팀이라면 수 주가 걸릴 68만 줄 코드 마이그레이션을 하루 이내에 완료함
다른 테스트에서는 20만 줄 코드베이스 감사와 수정을 3시간 미만에 끝냄. Opus 5는 20시간 이상 걸렸고 토큰을 2.5배 사용함
내부 테스트에서 웹 트래픽 부하 분산 소프트웨어 HAProxy를 C에서 Rust로 재작성 함
Opus 5.5와 Fable 5.1 모두 HAProxy 자체 회귀 테스트를 거의 전부 통과함
완료 시간은 각각 9.5시간과 12시간이었으며, Opus 5.5의 비용이 51% 낮았음
웹 앱의 모든 페이지에서 로딩 시간을 줄이는 테스트에서는 40회 중 39회 성공 함
Opus 5는 개선 폭이 더 작았고 앱 동작도 바꿨음
단일 프롬프트로 게임을 만드는 별도 초기 테스트에서는 그래픽과 완성도를 바탕으로 비교 대상 모델 중 가장 높은 점수를 받음
기본 추론 노력 수준의 FrontierCode 평가에서는 GPT-6 Astra보다 높은 성능을 작업당 약 20%의 비용으로 달성함
Terminal Bench 4.0에서는 Astra와 동등한 성능을 약 40%의 비용으로 달성함
CursorBench에서는 GPT-5.6 Sol보다 11점 높으면서 비용은 약 3분의 1이었음
개발 현장의 초기 평가
GitHub 의 Copilot CLI와 VS Code 테스트에서 토큰과 단계 사용량이 가장 적은 모델군에 속함
VS Code에서는 Opus 5보다 더 많은 터미널 작업을 절반 미만의 단계로 해결함
Clio 에서는 저장소 6개에 걸친 작업을 밤새 맡겼으며, 18시간 이상 서비스 간 통신 방식을 정의하고 각 서비스에 적용하는 작업을 이어감
Opus 5보다 중간 목표에 빨리 도달하고 재작업이 적었으며, 코드 주석도 짧고 유용했음
Lovable 테스트에서는 신규 개발과 운영 중인 앱 수정 모두에서 품질을 유지하면서 작업 단계를 3분의 1에서 절반가량 줄임
문맥을 한 번 수집하고 더 적지만 완결성 높은 수정을 수행했으며, 반복 재시도에 빠지지 않고 토큰도 크게 절약함
Quantium 은 Chat, Cowork, Claude Code 전반에서 평가함
기존에 4일간 프롬프트 38개가 필요했던 복잡한 코딩 작업을 3시간과 프롬프트 11개로 완료했으며, 운영에 투입하기 적합한 결과가 늘고 재작업이 줄었음
Spotify 내부 평가에서는 동일한 작업을 더 빠르고 저렴하게 완료하며 토큰 효율이 개선됨
Optiver 에서는 Opus 5와 같은 코딩 품질을 약 절반의 대화 턴, 시간, 출력 토큰으로 달성해 비용을 4050% 줄임
한 트레이딩 데스크의 지원 평가에서 역대 최고점을 기록하고 이전 Claude 모델이 실패한 작업을 통과함
분석 작업에서는 비교한 모델 8개 중 1위를 기록함
Column 에서는 하위 에이전트 위임과 자체 검증이 개선됨
이전 모델이 놓친 클라우드 비용 절감 기회를 찾았으며, 외부 문서를 확인해 여러 커밋 전에 잘못 구현한 서드파티 연동 버그도 발견함
Kiro 의 실제 명령줄 작업 공개 벤치마크 테스트에서는 Opus 5보다 더 많은 작업을 해결하면서 호출은 약 40%, 토큰은 절반 줄임
Opus 5.5는 곧 Kiro에서도 제공될 예정임
코딩 에이전트의 보안
장시간 자율 실행을 위한 보호 장치로 실행 전 모든 행동을 검사하는 분류기 , 보안팀이 감사할 수 있는 오픈소스 샌드박스, 병합 전 취약점을 찾는 코드 리뷰를 갖춤
프롬프트 인젝션 방어 는 테스트한 코딩, 도구 사용, 컴퓨터 사용, 웹 브라우징의 모든 환경에서 Opus 5와 같거나 더 좋았음
AI 보안 기업 Gray Swan의 벤치마크에서는 Fable 5.1과 함께 테스트 모델 중 가장 낮은 공격 성공률을 기록함
조사, 금융 분석과 지식 업무
내부 기업 분기 실적 보고서 테스트 에서는 실적 발표 자료를 찾기 어렵게 만든 웹 사본만 사용하도록 하고, 자동 채점기가 모든 수치와 인용을 출처와 대조함
수치나 인용을 하나라도 지어내면 탈락하는 기준에서 Opus 5.5는 여러 추론 노력 설정에 걸친 보고서 18건 중 16건이 통과함
Fable 5.1과 Opus 5는 어떤 시도에서도 통과하지 못함
가상의 HR 소프트웨어 기업 두 곳의 합병 분석 에서는 Opus 5.5와 Opus 5가 각각 Excel 재무 모델과 경영진용 프레젠테이션을 생성함
두 모델의 거래 평가 결론은 같았지만, Opus 5.5의 재무 모델이 더 충실하고 발표 자료가 읽기 쉬웠으며 Opus 5에는 사소한 오류가 있었음
Opus 5.5는 63분, Opus 5는 93분이 걸렸고 비용은 50% 낮았음
44개 직업의 실제 업무를 평가하는 GDPval-AA v2.1 에서 1846 Elo를 기록해 Fable 5.1과 Opus 5를 앞섬
기본값인 medium 설정에서 최대 추론 노력의 GPT-6 Astra보다 높은 성능을 작업당 약 5분의 1의 비용으로 달성함
업무 흐름을 평가하는 AutomationBench와 대규모 데이터 수집을 평가하는 WANDR에서도 다른 모델보다 높은 성적을 기록함
금융, 법률과 데이터 업무의 고객 평가
Deloitte Consulting LLP 의 코드 리뷰에서는 최저 추론 노력 설정으로 알려진 버그의 72%를 탐지함. 높은 추론 노력의 Opus 5는 56%였으며, 오탐과 출력량도 Opus 5.5가 적었음
미국 컨설팅 분석에서는 낮은 설정이 높은 설정과 같은 성능을 절반의 출력량으로 달성하고 품질 검사를 통과함
Rogo 의 BigFinance Bench에서는 최저 설정으로 높은 설정의 Opus 5를 앞서면서 출력 토큰을 약 60% 줄임
답변은 더 짧고 구조적이었으며, 슬라이드는 업계 기준에 더 가까운 높은 정보 밀도를 보임
LexisNexis Legal & Professional 의 초기 평가에서는 관련성이 높은 인용을 일관되게 찾고 법령 처리에 강점을 보였으며, 핵심 법적 체계와 쟁점을 중심으로 답변을 구성함
LexisNexis Legal Intelligence Engine은 여러 모델을 평가해 활용하며, 이러한 역량을 Lexis+ with Protégé에 중요하게 봄
Walleye Capital 에서는 최저 설정으로 평가 과제를 대부분 해결함
높은 설정에서는 평가 지침의 분 단위 인덱스가 하나씩 어긋난 오류를 발견하고 수정함
채점상 감점될 수 있다고 알리면서도 올바르게 처리했으며, 이전에 테스트한 모델은 이 오류를 발견하고 조치하지 못했음
Hex 의 DataBench에서는 배송 지연인지 추적 지연인지 구분하는 과제를 평가함
Opus 5는 배송 확인을 보고 추적이 정상이라고 판단했지만, Opus 5.5는 배송도 늦고 추적도 고장 났다는 사실을 찾아냄
Hex는 이러한 데이터 작업을 위해 모델을 Hex 에이전트에 도입하고 있음
Thomson Reuters Labs 는 CoCounsel의 전문가 평가와 내부 벤치마크에서 성능, 속도, 토큰 효율이 개선됐다고 평가함
증거를 비교하고 생각을 정교화하는 상호작용에는 벤치마크가 온전히 포착하지 못하는 차이도 있음
Hebbia 의 전문가 기준에 따른 전체 금융 업무 평가에서는 요구 항목 충족률이 Opus 5의 60.3%에서 86.6%로 높아짐
검색 평가에서는 역대 최고 인용 재현율과 더 나은 토큰 효율을 기록함
Slack과 Microsoft Teams에서 작동하는 Viktor 의 평가에서는 같은 추론 노력으로 단계와 도구 호출을 줄이고 비용을 거의 절반으로 낮춤
가장 어려운 작업의 정답 수는 두 배로 늘어남
의사소통과 장시간 협업
중요한 정보를 앞에 배치 하고 전문 용어나 특이한 표현을 덜 쓰며, 사용자가 지정한 글쓰기 규칙을 더 잘 따름
초기 사용자들은 답변을 한눈에 이해하기 쉬워 장시간 작업에 도움이 된다고 평가함
Anthropic 내부에서도 결과를 따라가고 검토하기 쉬워져 실용성과 안전성 모두에 도움이 됨
Ramp 에서는 설계 명세를 거의 수정하지 않고 사용할 수 있었고, 프롬프트 재작성과 테스트 최적화 과정도 이해하기 쉬웠음
Stripe 에서는 연결된 풀 리퀘스트 40개의 여러 날에 걸친 리베이스 작업에서 한 세션이 추가 세션 12개를 지휘함
충돌과 판단이 필요한 항목을 명확하게 정리해 몇 시간 자리를 비운 뒤에도 몇 분 안에 답할 수 있었으며, 다음 날 오후 40개 모두 CI를 통과함
Box 평가에서는 정확도를 유지하면서 Opus 5의 3분의 1만큼 토큰을 사용하고 답변 분량을 40% 줄임
Chicago Trading Company 에서는 Lakehouse 서비스 계층의 버그를 밤새 자율적으로 조사하고 수정안을 설계, 구현해 테스트를 통과함
풀 리퀘스트와 사용자 문서도 거의 편집할 필요가 없었음
Factory 에서는 medium 설정으로 높은 설정의 Opus 5와 같은 성능을 내면서 출력 토큰을 2025% 줄임
길고 복잡한 조사에서도 명확하고 실행 가능한 답변을 내놓아 기본값으로 medium을 선택할 첫 모델로 평가함
최첨단 AI 발전 속도와 안전성 준비
Opus 5.5는 Anthropic이 최첨단 AI 발전 속도 조절 을 촉구한 이후 첫 출시 모델이며, Frontier Design 과 METR 등의 외부 사전 평가를 거침
속도 조절은 안전 관행이 모델 역량보다 앞서도록 하면서 중국과의 경쟁력을 유지하고, 생물학과 의학 등에서 AI의 이점을 실현하기 위한 접근임
현재 모델 에는 광범위한 정렬 테스트, 외부 사전 평가, 사이버보안과 생물학 역량에 맞춘 보호 장치를 적용하고 출시마다 개선함
Anthropic은 이 조합이 현재 모델의 가장 심각한 위험에 적합하고 위험을 폭넓게 파악하게 해주지만, 완전하지는 않다고 판단함
정렬된 모델을 학습하고 평가하는 능력을 추적하며, 자발적 재난 위험 관리 체계인 Responsible Scaling Policy 에 따라 공개 모델과 내부 모델의 위험 보고서를 발행함
미래 모델 을 위해 강화학습 환경 필터링과 정렬 보상을 개선하고, 다양하고 새로운 안전 학습 시나리오를 자동 생성하는 절차를 개발함
결함 있는 학습 환경 은 비정렬 행동의 주요 원인임
보안과 모니터링 을 강화하고, 해석 가능성 기반 감시와 평가를 통해 모델이 작성한 사고 과정 감사에 대한 의존도를 줄이려 함
AI 연구 자체를 완전히 자동화하는 모델 에는 더 높은 안전 기준이 필요하며, 기존 조치만으로 이를 충족한다고 가정하지 않음
이런 모델이 곧 학습될 수 있다는 예상이 속도 조절 촉구의 주요 이유임
역량이 높아질수록 공공정책의 역할이 커져야 하며, Accenture와의 발표 등을 통해 이를 지원할 기반을 마련하고 있음
규제와 국제 공조를 포함한 정부 및 업계의 정책 논의에도 계속 참여할 예정임
정렬 평가 성과와 한계
약 2,000개 시나리오의 자동화 행동 감사 에서 거의 모든 비정렬 행동 지표가 최근 Claude 모델보다 좋았으며, 정직성 지표 대부분에서도 가장 강한 성능을 보임
되돌리기 어려운 행동이나 부여된 범위를 벗어나는 행동이 최근 모델보다 적었음
평가 범위를 장시간 작업, 불가능한 작업, 실제 사고를 본뜬 상황으로 확대했으며, 세부 결과는 Opus 5.5 System Card 에서 확인할 수 있음
최근 사이버보안 사고 에 기여했던 편향되거나 동기에 치우친 추론 , 샌드박스 탈출 시도, 시뮬레이션이라고 판단한 뒤 유해 행동을 하는 경향이 개선됨
격리 경계 우회 성향을 평가하는 새 테스트에서 시도 빈도가 Opus 5나 Claude Mythos 5.1보다 약 85% 낮았음
발생한 시도는 모두 심각도가 낮았고 모델이 스스로 보고함
배포 전 모든 실패를 신뢰성 있게 포착하는 평가 는 아직 해결되지 않은 문제임
Opus 5.5가 평가받고 있음을 자주 의심하는 징후가 있어 실제 환경의 행동을 판단하기 어려움
해석 가능성에서 진전이 없다면 배포 환경과 역량이 확대될수록 이 문제가 커질 것으로 예상하며, 정렬 작업과 별도의 보호 장치를 함께 적용함
사이버보안과 생물학 보호 장치
Opus 5.5 는 사이버보안, 생물학, 증류에 Fable 5.1과 유사한 수준의 보호 장치를 적용해 출시하는 첫 Opus 모델임
이 보호 장치들은 다른 모델로 자동 전환하는 방식을 사용함
사이버보안 에서는 일상적인 소프트웨어 개발 과정의 버그 탐지와 수정은 허용하지만, 대부분의 보안 작업은 Opus 4.8로 전환함
생물학 에서는 Opus 5를 넘어서며 여러 작업 영역에서 Claude Mythos 5.1과 같거나 더 높은 성능을 보임
Dyno Therapeutics와 협력한 장기 분자 예측 및 설계 평가에서 개선됐으며, 전문 레드팀은 과학적 독창성을 자신들이 테스트한 최고 모델과 비슷하게 평가함
이에 Fable 5.1과 같은 생물학 보호 장치를 적용함
보호 장치로 연구개발에 제약을 받는 기관은 Life Sciences Verification Program 에 지원할 수 있음
검증된 대학 연구실, 스타트업, 제약회사 등에 생물학 업무 전반에 맞춘 보호 장치를 제공하며, 신청 양식 을 공개함
증류 방어와 API 호환성
증류 공격 은 수천 개의 가짜 계정으로 모델 역량을 대규모 추출해, Claude의 보호 장치가 없는 고성능 모델을 만들 수 있게 하므로 안전과 국가안보 위험을 초래함
Fable 5.1에서 도입한 preserved thinking 을 적용해, 추론을 추출하려는 API 사용자가 Claude의 이전 문맥을 편집하지 못하게 함
이전 Opus 모델처럼 데이터 보관 없음 옵션을 지원함
제공 플랫폼
Amazon Web Services, Google Cloud, Microsoft Azure 를 포함한 모든 플랫폼에서 사용할 수 있음
Claude Platform의 모델 식별자는 claude-opus-5-5

이며, 모델 문서 에서 사용을 시작할 수 있음
댓글과 토론