체크포인트 c17은 중간 수준의 노력(medium effort)과 모델 수정 버전(model revision) M1 하에서 작성되었습니다. 현재 서비스는 높은 수준의 노력(high effort)과 M2를 기본값으로 사용하며, 두 개의 도구 스키마(tool schemas)와 정책 번들(policy bundle) 또한 변경되었습니다. 맹목적으로 재개(resuming)하면 호환되지 않는 계획을 다시 실행할 수 있으며, 재시작하면 완료된 작업이 폐기됩니다. 호환성 여부는 프로토콜 결정 사항이어야 합니다.

Anthropic의 7월 24일 Claude Opus 5 발표에 따르면, 사용 가능한 모델은 장기 실행 에이전트(long-running agent) 및 코딩 작업을 개선하며 노력(effort) 설정을 제공한다고 합니다. 이는 벤치마크와 가격 비교를 포함한 Anthropic의 주장입니다. 현재 가격과 지원되는 설정을 확인하십시오. 이것은 7월 27일 출시가 아닌, 확인된 최신 공식 신호입니다. 제1자 검증이 없는 7월 27일의 2차 성명은 제외되었습니다.

이 설계는 일반적인 작업 상태 머신(task state machine)을 다시 설명하려는 것이 아닙니다. 모델, 노력, 도구 및 정책 수정 사항 전반에 걸쳐 직렬화된 추론 독립적 아티팩트(reasoning-independent artifacts)가 유효하게 유지되는지에 초점을 맞춥니다.

체크포인트 엔벨로프 (Checkpoint envelope)

{
  "schema": 2,
  "operation": "op_91",
...

숨겨진 사고 사슬(chain-of-thought)을 직렬화하지 마십시오. 외부 사실, 효과(effects), 수정 사항 및 검증 증거를 유지하십시오.

호환성 함수 (Compatibility function)

def decide(cp, runtime):
    if cp["schema"] not in runtime.readable_schemas:
        return "REJECT_SCHEMA"
...

모델/노력 변경은 조정된 효과(reconciled effects)는 보존하지만, 변경되지 않은 연속성(continuation)은 무효화합니다. 불투명한 트랜스크립트(opaque transcript)가 아닌 내구성이 있는 증거로부터 다시 계획(Replan)하십시오.

재개 시퀀스 (Resume sequence)

c17에 대한 임대(Lease)를 획득하고, 완료된 효과를 조정하며, 모든 수정 사항을 비교하고, 증거를 검증한 뒤, 자식 c18을 작성하고, 그 멱등적 의도(idempotent intent)를 실행합니다. 임대는 동시 재개를 차단합니다. 작업-및-효과 동일성(operation-plus-effect identity)은 도구 성공과 커밋(commit) 사이에서 작업자가 종료된 후 중복 쓰기를 방지합니다.

실패 주입 매트릭스 (Failure-injection matrix)

정상 경로 (Normal path): 모든 해시 (hash)가 일치하고, 완료된 효과 (completed effects)가 조정(reconcile)되며, 보류 중인 의도 (pending intent)가 여전히 권한을 가지고 있고, 하나의 작업자 (worker)가 저장된 멱등성 키 (idempotency key)를 사용하여 재개합니다.

실패 경로 (Failure path): 도구 (tool)는 실행되었으나 체크포인트 커밋 (checkpoint commit)이 실패했습니다. 복구 시, 효과 원장 (effect ledger)은 완료를 보고합니다; 작업자는 조정 (reconciliation)을 기록하며 다시 실행해서는 안 됩니다. 만약 원장 (ledger)을 사용할 수 없다면, 모델 텍스트 (model text)로부터 추론하기보다 중단하십시오.

테스트할 속성 (Properties to test)

• P1: 각 논리적 효과 (logical effect)는 최대 한 번만 커밋됩니다.
• P2: 변경된 정책 (policy)은 새로운 권한 부여 (authorization)를 필요로 합니다.
• P3: 모델 (model)/노력 (effort) 변경 사항은 불투명한 추론 (opaque reasoning)을 권한으로 사용할 수 없습니다.
• P4: 재개된 체크포인트 (resumed checkpoints)는 하나의 부모를 가지며 단조 증가하는 시퀀스 (monotonic sequence)를 갖습니다.
• P5: 거절 (rejection)은 검사 가능한 결정 (inspectable decision)을 남깁니다.

한 번에 하나의 엔벨로프 (envelope) 필드만 변경하고 도구 호출 (tool call) 전후로 중단 (death)을 주입하십시오. 중복된 효과 (duplicate effects)가 없고 권한 없는 재개 (unauthorized resumes)가 없는 경우만 수락합니다.

트레이드오프 (Tradeoffs)는 명시적입니다: 엄격한 해시 (strict hashes)는 감사를 단순화하지만 더 많은 재계획 (replan)을 요구합니다; 마이그레이션 (migrations)은 작업을 보존하지만 테스트를 필요로 합니다; 증거 기반 재계획 (evidence-only replanning)은 호출을 추가합니다; 재시작 (restarting)은 안전한 계산을 반복하는 동안 호환성 표면 (compatibility surface)을 줄입니다.

한계 (Limits): Anthropic의 발표는 이 저장 프로토콜 (storage protocol)을 명시하지 않거나 노력 (effort) 설정 간의 호환성을 증명하지 않습니다. 모델 식별자 (model identifiers), 가격, 설정 가용성은 변경될 수 있습니다. 외부의 정확히 한 번 (exactly-once) 효과는 도구의 협력 또는 조정 (reconciliation)이 필요합니다.

동일한 불변량 (invariant)으로 MonkeyCode 평가하기

MonkeyCode는 별도의 후보입니다: 검증된 자료에 따르면 MonkeyCode는 오픈 소스 AGPL-3.0 AI 개발 플랫폼으로, 해외 온라인 옵션, 관리형 서버 측 클라우드 개발 환경(managed server-side cloud development environments), 모델/태스크/요구사항 관리, 빌드/테스트/미리보기 기능을 제공하며 무료로 시작할 수 있습니다. 저는 그곳에서 체크포인트 호환성을 테스트하지 않았습니다. 관찰 가능한 증거가 P1–P5를 충족하는지 평가하기 위한 진입로로만 공식 캠페인 링크를 사용하십시오. 내부 아키텍처를 가정하지 마십시오.

공개 사항: 이 기사는 공식 캠페인 링크를 사용하여 MonkeyCode를 홍보합니다. 저는 MonkeyCode 사용자이며, 프로젝트와 관련이 없으며, 이 링크를 통해 어떠한 수수료도 받지 않습니다.

AI 지원 공개: 이 기사는 AI의 지원을 받아 초안이 작성되었으며, 인용된 1차 자료를 바탕으로 검토되었습니다.