Claude Opus 5.5 출시: 새로운 Claude 5.5 패밀리 모델

저희는 새로운 Claude 5.5 패밀리의 첫 번째 모델인 Claude Opus 5.5를 소개합니다. 이 모델은 대부분의 작업에서 Claude Fable 5.1 수준의 성능을 발휘하며, Opus 5 대비 실행 비용이 40% 저렴합니다.

Claude Opus 5.5는 저희가 프론티어 속도를 조절할 것을 요청한 이후 출시된 첫 번째 모델입니다. 이 모델은 Frontier Design 및 METR을 포함한 외부 평가자들에 의해 출시 전에 테스트되었습니다. 가장 포괄적인 정렬 테스트를 수행하는 자동화된 행동 감사(automated behavioral audit)인 저희의 테스트에서, Opus 5.5는 현재까지 테스트된 모델 중 가장 강력한 성능을 보여줍니다. 또한, 가장 역량이 뛰어난 모델들을 위해 개발한 안전장치도 함께 제공됩니다.

Opus 5.5에서 기대할 수 있는 몇 가지 개선 사항은 다음과 같습니다:

성능(Performance). Opus 5.5는 Opus 5 대비 큰 진전입니다. 새로운 선두 주자 모델이며, 초기 테스터들은 가장 복잡한 작업에서 성능의 큰 도약을 경험했습니다. 한 테스터는 엔지니어링 팀이 몇 주가 걸렸을 작업을 하루도 안 되어 완료하는 680,000줄 분량의 코드 마이그레이션을 수행했습니다. 소프트웨어 내 비효율성을 찾아내고 수정하는 데 능숙합니다: 웹 앱의 모든 페이지에 걸친 로드 시간을 줄여달라고 요청했을 때, Opus 5.5는 40번 중 39번 성공한 반면, Opus 5는 앱의 동작을 변경시키는 더 작은 개선만을 이루었습니다. 다른 테스터가 여러 Claude 모델에게 하나의 프롬프트만으로 게임을 만들게 했을 때, Opus 5.5는 그래픽과 완성도 측면에서 다른 어떤 모델보다 높은 점수를 받았습니다.

안전성(Safety). Opus 5.5는 수천 개의 시뮬레이션된 시나리오에 걸쳐 Claude를 테스트하는 저희의 정렬 스위트인 자동화된 행동 감사에서 현재까지 가장 높은 점수를 달성했습니다. 이 모델은 최근 모델들보다 되돌리기 어려운 조치를 취하거나 주어진 경계를 벗어나 행동할 가능성이 훨씬 낮으며, Opus 5보다 프롬프트 주입(prompt injection)에 대한 저항력이 높습니다. 또한, 저희는 정렬 테스트 범위를 더 긴 작업, 불가능한 작업, 그리고 실제 사건을 모델링한 시나리오까지 확장했지만, 여전히 한계가 있습니다. 평가의 전체 세부 정보는 Opus 5.5 System Card에서 확인할 수 있습니다.

Opus 5.5는 생물학 및 사이버 보안 분야에서 Claude Mythos 5.1과 유사하기 때문에, Claude Fable 5.1에 적용된 것과 유사한 안전장치를 적용하여 배포합니다. 검증된 조직은 Life Sciences Verification Program에 오늘 신청하여 Opus 5.5를 생물학 연구에 사용할 수 있습니다. 앞으로 몇 주 동안 Cyber Verification Program으로의 접근성도 확대할 예정이며, 인증된 사이버 보안 실무자들은 자신의 업무에 Opus 5.5를 사용할 수 있게 될 것입니다.

비용 및 속도. Opus 5.5는 Opus 5보다 적은 컴퓨팅 자원으로 서비스를 제공하며, 그 가격에도 이를 반영했습니다. 테스트 결과에 따르면 기본 설정에서 일반적인 워크로드 기준으로 Opus 5보다 40% 저렴합니다. 입력 토큰과 출력 토큰은 각각 백만 개당 $4와 $20이며, 이는 Opus 5보다 20% 적습니다. 캐시 읽기(agentic 및 코딩 작업 비용의 대부분을 차지함)는 백만 개당 $0.20으로, Opus 5보다 60% 저렴합니다. 또한 Opus 5.5는 Opus 5보다 30% 이상 빠르게 출력을 생성합니다.

가격 인하 외에도 Pro, Max, Team 및 좌석 기반 Enterprise 플랜의 사용 한도가 5시간으로 증가합니다. 또한 구독 사용자에게는 할당량 초기화(rate limit reset) 기능을 제공하여, 원할 때 저장하고 사용할 수 있습니다.

커뮤니케이션. Opus 5.5는 이전 모델들보다 더 자연스럽게 소통합니다. 초기 테스터들은 그 글쓰기가 더 명확하고 따라 하기 쉽다고 평가했으며, 이는 Opus 5에 대해 들었던 일반적인 피드백 중 일부를 해결한 것입니다. 가장 중요한 정보를 앞에 배치하며, 그 스타일은 장시간 세션에서 더 나은 업무 파트너가 되게 합니다. 한 초기 테스터는 “제가 쓰는 방식대로 글을 써요”라고 말했습니다. 저희 자체 사용에서도 이는 Opus 5.5의 작업 흐름을 따라가고 확인하기 쉽게 만들었으며, 이는 실용적인 이점뿐만 아니라 안전상의 이점이기도 합니다.

Claude Sonnet 5.5와 Claude Haiku 5.5는 앞으로 몇 주 동안 뒤따를 예정이며, 성능, 효율성 및 안전성 측면에서 많은 개선 사항들이 적용될 것입니다.

성능 및 비용 효율성

당사의 벤치마크 결과에 따르면 Claude Opus 5.5는 에이전트 코딩(agentic coding), 컴퓨터 사용(computer use), 지식 작업(knowledge work) 분야에서 선두를 달리고 있습니다. 하지만 이러한 수준의 역량에서는 벤치마크 점수 차이가 실제 세계의 차이를 예측하는 데 있어 신뢰도가 떨어지는 경향을 보였습니다. 저희 자체 사용 사례에서는 Opus 5.5와 Claude Fable 5.1 간의 격차가 이 점수들이 시사하는 것보다 더 좁습니다.

별도로 언급되지 않은 한, 모든 Claude Opus 5.5 결과는 최대 노력(max effort)으로 적응적 사고(adaptive thinking)를 사용했습니다. Terminal-Bench 4.0 결과는 Claude Opus 5.5의 경우 xhigh 노력(xhigh effort), GPT-6 Astra의 경우 높은 노력(high effort)으로 보고되었으며, 이는 각 모델의 최고 점수를 나타냅니다. Claude Opus 5.5는 프로덕션 안전장치(production safeguards)가 활성화된 상태로 평가되었습니다. 이 안전장치가 개입했을 때, 사이버 보안 작업은 Claude Opus 4.8이 완료했으며, 생물학 및 최첨단 LLM 개발 작업은 Claude Opus 5가 완료했습니다. 이는 이러한 벤치마크에서 Claude Opus 5.5의 성능을 저하시켰을 가능성이 높습니다.

1** Terminal-Bench 4.0:** 표준 오차는 Claude Opus 5.5의 경우 ±2.6 pts, 다른 Claude 모델들의 경우 ±1.6–2 pts입니다. 공개 리더보드(Claude Code harness 기준, 5회 시도/작업)에 따르면 Claude Opus 5는 51.8%를 기록했으며, 저희 설정에서는 노이즈 범위 내에서 52.3%로 재현되었습니다. GPT-6 Astra와 GPT-5.6 Sol 수치는 OpenAI가 보고한 바와 같습니다.

2** AutomationBench:** AutomationBench 결과는 Zapier에 의해 실행 및 보고되었습니다. 이 실행은 폴백 모델(fallback models) 없이 수행되었기 때문에, 안전장치 개입은 실패로 간주되어 실제로는 더 낮은 점수를 기록했습니다. Claude Opus 5.5의 결과는 초기 액세스 기간 동안 Zapier가 자체 평가한 것입니다. Opus 5, GPT-5.6 Sol, 그리고 GPT-6 Astra의 결과는 Zapier의 공개 리더보드에서 가져온 것입니다.

3** Terminal-Bench-Science 0.1:** 표준 오차는 모델당 ±3.5–5점입니다. 공개 리더보드(3회 시도/작업, Claude Code harness)는 Claude Opus 5를 30.0%로 보고하며, 저희 설정에서는 노이즈 범위 내에서 29.0%로 재현됩니다. GPT-6 Astra 수치는 OpenAI가 보고한 바와 같습니다.

Opus 5.5의 장점이 매우 명확하게 드러나는 부분은 효율성입니다. Opus 5보다 토큰당 비용이 적게 들고 작업당 사용하는 토큰 수도 적어, 결과적으로 비용을 40% 절감할 수 있습니다.

가격 책정 (Pricing)

Opus 5.5의 빠른 모드(Fast mode)는 또한 Claude Code와 Claude Platform에서도 최대 2.5배 속도로 이용 가능합니다. 입력 토큰당 비용은 백만 개당 $8, 출력 토큰당 비용은 백만 개당 $40입니다.

코딩 (Coding)

Opus 5.5는 코드베이스 전체 마이그레이션 및 감사와 같은 길고 광범위한 작업에 특히 뛰어납니다. 한 초기 테스터가 Opus 5.5를 사용하여 20만 줄의 코드베이스를 3시간 이내에 감사하고 수정했으며, 이때 Opus 5는 20시간 이상 소요되었고 토큰은 2.5배 더 많이 사용했습니다. 내부 테스트에서 저희는 Opus 5.5와 Fable 5.1에게 웹 트래픽 부하를 서버 전반에 걸쳐 분산하는 데 널리 사용되는 소프트웨어인 HAProxy를 C 언어에서 Rust로 번역하도록 요청했습니다. 두 리라이트는 HAProxy 자체의 거의 모든 회귀 테스트(regression tests)를 통과했지만, Opus 5.5는 Fable 5.1이 12시간 걸린 것에 비해 9.5시간 만에 완료했으며 비용은 51% 적게 들었습니다.

Opus 5.5는 훨씬 적은 비용으로 에이전트 코딩(agentic coding) 분야에서 최첨단 결과를 제공합니다. FrontierCode의 기본 노력 수준(default effort level)에서 Opus 5.5는 작업당 비용의 약 20%로 GPT-6 Astra를 능가합니다. Terminal Bench 4.0에서는 비용의 약 40%만으로 Astra와 동등하며, CursorBench에서는 비용의 약 3분의 1 수준으로 GPT-5.6 Sol보다 11점 더 높은 점수를 기록했습니다.

Terminal-Bench 4.0은 모델이 명령줄 인터페이스(command line interface) 내에서 복잡하고 다단계적인 전문 작업을 얼마나 잘 완료할 수 있는지를 측정합니다. Opus 5.5는 기본 노력 수준에서 최대 노력 수준의 Opus 5보다 약 5분의 1 비용으로 우수하며, GPT-6 Astra와 약 40%의 비용으로 동등한 성능을 보입니다.

FrontierCode는 에이전트의 코드 변경 사항이 병합될 수 있는지 여부를 측정합니다. 기본 노력 수준(medium)에서 Opus 5.5는 54.6%를 기록하여 다른 모든 모델을 능가했으며, 이는 GPT-6 Astra의 최고 점수(53.3%)보다 높으면서도 작업당 비용은 약 5분의 1에 불과합니다.

CursorBench는 실제 Cursor 세션에서 가져온 모호하고 다중 파일 작업을 코딩 에이전트에 대해 평가합니다. 기본 노력 수준(medium)에서 Opus 5.5는 52.5%를 기록했으며, 이는 Fable 5.1의 최고 점수(max)인 51.8%와 Opus 5의 최고 점수(max)인 46.6%에 비해 높은 수치입니다. 또한 작업당 비용은 약 3분의 1 수준에서 GPT-5.6 Sol의 최고 점수(41.7%)보다 11점이나 높습니다.

초기 테스터들은 유사한 효율성 및 지능 향상을 보고했습니다:

가장 안전한 코딩 에이전트

자사 시스템 내에서 에이전트를 사용하는 기업들은 해당 에이전트가 의도대로 작동하는지 알아야 하며, 특히 장시간 자율적으로 실행될 때 더욱 그렇습니다. Opus 5.5는 실행되기 전에 모든 동작을 검사하는 분류기(classifier)를 가지고 있으며, 보안 팀이 감사할 수 있는 오픈 소스 샌드박스(sandbox), 그리고 병합되기 전에 취약점을 포착하는 코드 리뷰 기능을 갖추고 있습니다.

모델 자체도 더 강력한 방어 기제를 가지고 있습니다. 프롬프트 주입 공격(prompt injection attacks)에 대해, 코딩, 도구 사용(tool use), 컴퓨터 사용(computer use), 웹 브라우징을 포함하여 테스트한 모든 환경에서 Opus 5를 일치하거나 능가합니다. AI 보안 회사 Gray Swan이 수행한 벤치마크에서는 Opus 5.5가 테스트된 어떤 모델보다 낮은 프롬프트 주입 성공률로 Fable 5.1과 동률을 이루었습니다.

지식 노동(Knowledge work)

Opus 5.5는 신뢰할 수 있고 능숙한 연구원입니다. 한 내부 테스트에서, 우리는 Opus 5.5, Fable 5.1, Opus 5에게 회사의 분기별 실적에 대한 보고서를 작성하도록 요청했습니다. 이 보고서는 수익 발표 자료를 찾기 어려운 웹 사본에 있는 정보만을 사용해야 했습니다. 자동화된 채점기가 출처와 비교하여 모든 수치와 인용문을 확인했습니다. 다양한 노력 설정(effort settings)을 거쳐, Opus 5.5의 보고서 중 18개 중 16개가 품질 기준을 통과했으며, 이 기준에서는 조작되거나 꾸며낸 수치나 인용문은 모두 실패 처리됩니다. Fable 5.1이나 Opus 5는 어떤 시도에서도 그 기준을 통과하지 못했습니다.

또한 금융 분석 및 비즈니스 업무에서도 강력한 성능을 보입니다. 투자 회사이자 초기 테스트를 진행한 Walleye Capital은 Opus 5.5가 가장 낮은 설정에서 자신들의 평가 스위트(evaluation suite) 문제를 상당 부분 해결했다고 보고했습니다. 더 높은 설정에서는 더욱 좋은 성능을 보여, 평가 지침상의 오류를 발견하고 이를 수정했습니다. 이전에 다른 어떤 모델도 이 오류를 잡아낸 적이 없었습니다.

또 다른 테스트에서는 Opus 5.5와 Opus 5 모두에게 가상의 HR 소프트웨어 회사 두 곳 간의 합병 제안을 분석하도록 과제를 부여했습니다. 각 모델은 Excel로 재무 모델을 구축한 다음, 해당 거래가 제시된 가격에서 타당한지에 대한 임원 발표 자료를 만들었습니다. 두 모델 모두 거래에 대해 같은 결론에 도달했지만, Opus 5.5의 모델이 더 철저했고 발표 자료가 읽기 쉬웠던 반면, Opus 5는 사소한 오류들이 있었습니다. Opus 5.5는 93분이 걸린 Opus 5와 비교하여 63분 만에 완료되었으며 제작 비용도 50% 적게 들었습니다.

지식 노동(knowledge work) 평가에서 Opus 5.5는 더 적은 토큰을 사용하면서 다른 모델들보다 우수한 성능을 보입니다. 44개 직업군에 걸친 실제 업무를 테스트하는 GDPval-AA v2.1에서, Opus 5.5는 1846 Elo 점수를 기록하여 Fable 5.1과 Opus 5를 앞섰습니다. 기본 노력(medium) 수준에서 Opus 5.5는 최대 노력으로 GPT-6 Astra를 능가하며, 과제당 비용은 약 5분의 1에 불과합니다. 또한 비즈니스 워크플로우 및 대규모 데이터 수집을 측정하는 벤치마크에서도 다른 모델들보다 뛰어난 성능을 보였습니다.

Artificial Analysis의 GDPval-AA v2.1은 44개 직업군에 걸친 실제 전문 업무를 에이전트(agent) 기준으로 평가합니다. 최대 노력 수준에서 Opus 5.5는 1846 Elo 점수를 기록하는 반면, Fable 5.1은 1735점, Opus 5는 1708점을 기록했습니다. 기본 노력(medium) 수준에서 Opus 5.5는 최대 노력으로 GPT-6 Astra를 능가하며, 과제당 비용은 약 5분의 1에 불과합니다.

Zapier가 구축한 AutomationBench는 에이전트가 여러 연결된 앱을 통해 실제 비즈니스 워크플로우를 수행할 수 있는지 테스트합니다. Opus 5.5는 모든 노력 수준에서 Opus 5와 GPT-5.6 Sol보다 높은 점수를 기록했습니다.

Perplexity의 WANDR 벤치마크는 대규모 데이터 수집 과제에 대해 에이전트를 측정합니다. Opus 5.5는 과제당 비용을 낮추면서 Fable 5.1과 Opus 5를 능가하는 성능을 보였습니다.

4WANDR: Claude 모델들은 웹 검색 및 웹 가져오기 도구의 오프라인 버전, 프로그래밍 방식 도구 호출(programmatic tool calling), 코드 실행, 그리고 980k 토큰 작업 예산으로 구동되었습니다. 이는 Perplexity가 발표한 설정과 다르며, 점수는 두 플랫폼 간에 직접 비교할 수 없으므로 동일한 조건에서 평가된 모델의 점수만 보여드립니다.

저희 고객들은 유사한 결과를 보고했습니다. 모델 사용에 대해 다음과 같이 이야기해 주셨습니다:

커뮤니케이션(Communication)

Opus 5.5가 글을 쓰고 소통하는 방식에 주요 개선 사항이 적용되었습니다. 이는 Opus 5에 대해 저희가 들었던 가장 흔한 피드백 영역 중 하나였습니다. 테스트 사용자들은 Opus 5.5의 메시지가 한눈에 이해하기 훨씬 쉽다고 말했으며, 이는 장시간 작업 세션 동안 도움이 되었다고 합니다. 이 모델은 가장 중요한 정보를 앞에 배치하고, 전문 용어나 특이한 구문(idiosyncratic phrases)을 사용할 가능성이 적으며, 사용자가 지정하는 작문 규칙을 따릅니다. 저희는 이것이 Opus 5.5를 눈에 띄게 더 나은 협업 도구로 만든다고 생각합니다. 두 모델의 비교가 아래에 있습니다:

문제를 설명해 주세요.

제가 발견한 것(What I found)

추가적인 하락 폭은 무료 등급 문제가 아니라 0552feb에서의 회귀 현상입니다.