Claude Opus 5 출시: Fable 5에 근접한 성능을 절반 가격에

Who Should Read

코딩 에이전트나 업무 자동화에 Claude API를 쓰면서 모델 교체와 비용 대비 성능을 따져 보는 백엔드 개발자

Core Mechanics

• Opus 5는 Opus 4.8과 같은 가격이다
  • 입력 100만 토큰당 $5, 출력 100만 토큰당 $25로 Opus 4.8과 같다.
  • API 모델명은 claude-opus-5다.
• Fable 5 근처 성능을 절반 비용에 낸다
  • CursorBench 3.2 max effort에서 Fable 5 최고 점수의 0.5% 이내이고, 작업당 비용은 절반이다.
  • Frontier-Bench v0.1에서는 다른 모든 모델을 넘고 Opus 4.8 성능의 두 배를 넘기면서 작업당 비용은 더 낮다.
• 업무 자동화와 컴퓨터 사용 벤치마크에서 앞선다
  • Zapier AutomationBench 통과율은 같은 작업당 비용 기준으로 차순위 모델의 약 1.5배다.
  • OSWorld 2.0에서는 Fable 5 최고 결과를 약 3분의 1 조금 넘는 비용으로 넘는다.
  • ARC-AGI 3 점수는 차순위 모델의 3배다.
• effort 설정으로 성능과 토큰 사용량을 조절한다
  • effort는 지능을 높일지 토큰을 아껴 빠르고 싸게 갈지 고르는 설정이다.
  • Zapier AutomationBench는 가장 낮은 effort에서도 다른 어떤 모델보다 많은 작업을 통과한다.
• 스스로 검증하고 반복하는 능력이 좋아졌다
  • Frontier-Bench 과제에서 도면을 볼 방법이 없자 직접 컴퓨터 비전 파이프라인을 짜서 3D FreeCAD 모델을 복원했다.

Community Reactions

How to Apply

• 기존 호출의 모델명을 claude-opus-5로 바꿔 비교하기
  • 오늘 쓰는 Opus 4.8 프롬프트 5~10개를 골라 모델명만 바꿔 같은 입력으로 돌려라.
  • 정답 여부와 토큰 사용량을 나란히 기록해라.
• effort 단계별로 비용 대비 품질 측정하기
  • 같은 과제 세트를 낮은 effort부터 max까지 돌려라.
  • 품질이 충분한 가장 낮은 단계를 기본값으로 정해라.
• 도구 목록을 바꾸는 에이전트에 mid-conversation tool change 적용하기
  • 대화 중간에 도구를 추가하거나 빼는 에이전트를 찾아라.
  • 베타 기능으로 바꿔 프롬프트 캐시가 유지되는지 확인해라.
• 보안 관련 요청은 자동 fallback을 켜서 막힘 확인하기
  • 보안 분석 기능이 있으면 분류기에 걸리는 요청을 로그로 모아라.
  • automatic fallback 베타를 켜서 요청이 차단되지 않고 다른 모델로 넘어가는지 확인해라.

Try It

# Claude Code나 터미널에서 실행. 먼저: pip install anthropic, 환경변수 ANTHROPIC_API_KEY 설정

import anthropic

client = anthropic.Anthropic()
prompt = "{{비교할 프롬프트}}"

for model in ["claude-opus-4-8", "claude-opus-5"]:
    r = client.messages.create(
        model=model,
        max_tokens=2000,
        messages=[{"role": "user", "content": prompt}],
    )
    print(model, r.usage.input_tokens, r.usage.output_tokens)
    print(r.content[0].text[:500])

# 이어서 해 볼 것: 프롬프트를 5~10개로 늘리고 정답 여부와 출력 토큰 수를 표로 비교해 보기. Opus 4.8의 정확한 모델 ID는 문서에서 확인해서 바꿔 넣을 것.

Terminology

관련 논문

• Mercury 3: 규모를 키운 diffusion LLM, 초당 1,000토큰 이상

  Diffusion LLM을 40배 키웠더니 속도 4~8배, 품질은 속도 특화 모델 수준

• Timestral: Mistral의 시계열 파운데이션 모델

  209M 파라미터 시계열 모델이 3대 벤치마크 1위, CPU에서도 돌아간다

• DeepSeek V4.1 Flash 1017 (Max) 성능·속도·가격 분석

  DeepSeek V4.1 Flash 1017 Max는 지능 지수 45에 211 tok/s, 입력 $0.30

• LLM 프록시를 직접 안 돌리면 무슨 일이 벌어지는지 어떻게 아나

  자체 LLM 프록시를 세웠더니 키·모델·캐시 미스를 직접 볼 수 있다

• DeepSeek V4.1 Flash 1017: 싼 가격에 1M 컨텍스트를 주는 에이전트용 모델

  DeepSeek V4.1 Flash 1017은 입력 $0.05/M, 1M 컨텍스트의 에이전트용 모델

• DeepSeek-V4.1-Flash-1017 공개: 더 짧게 생각하고 더 빠르게 일하는 에이전트용 모델

  DeepSeek V4.1 Flash 마이너 업데이트로 코딩·에이전트 벤치 점수↑, 실행 시간·출력 길이↓

• Llmspeed: 로컬 LLM 속도를 하드웨어 구매 전에 체감해 보는 시뮬레이터

  GPU·모델을 고르면 로컬 LLM 속도를 미리 체감하게 해 주는 시뮬레이터

Related Resources

• https://www.anthropic.com/news/claude-opus-5
• https://news.ycombinator.com/item?id=49038433