Anthropic 최고 모델이 사용자를 못 모으고 저가 도구가 약진한다는 FT 기사
Anthropic's best AI model struggles to attract users as cheaper tools thrive
TL;DR Highlight
최고 성능 모델은 가격·사용 제한·ZDR 부재로 외면받고 저가 모델이 쓰인다
Who Should Read
코딩 에이전트와 LLM API 모델 선택·비용 때문에 Claude, GPT, 오픈웨이트 모델 사이에서 고민하는 개발자
Core Mechanics
- 원문 본문은 제공되지 않았다
- FT 기사 본문이 없어 기사 내용은 요약할 수 없다
- 제목은 Anthropic 최고 모델이 사용자 확보에 고전하고 저가 도구가 잘된다는 내용이다
Community Reactions
- Fable은 성능은 최고지만 쓰기 어렵다는 의견
- 사용량 제한이 50% 미만이라 리뷰 하나에 한 달이 걸렸다는 경험이 있었다
- 같은 코드 리뷰를 Sol로 돌리니 Fable의 70~90% 수준이었다는 경험이 있었다
- Fable로 18시간 자율 작업을 맡겼다는 경험
- Spark에서 Pandas로 옮기는 프로젝트를 Opus 서브에이전트로 돌렸다는 경험이다
- 2B 토큰에 24시간이 들었고 API 가격으로는 $2000이라는 경험이다
- 기업 도입 장벽은 ZDR(데이터 무보관) 미지원이라는 의견
- 회사에서 Fable을 넓게 배포하지 못했다는 댓글이 있었다
- 많은 기업에 진입 불가 요인이라는 의견이 있었다
- 로컬·오픈웨이트 모델로 옮기고 있다는 의견
- Kimi K3를 일상 모델로 쓴다는 경험이 있었다
- Qwen 27B급 로컬 모델이 일상 작업을 낮은 비용으로 처리한다는 의견이 있었다
How to Apply
- 코드 리뷰를 두 모델로 비교 실행하기
- 오늘 같은 저장소 diff를 비싼 모델과 저렴한 모델에 같이 맡겨라
- 놓친 버그 수와 비용을 표로 비교하라
- 작업 난이도별로 모델 라우팅 나누기
- 어려운 신규 기능만 고급 모델에 보내라
- 반복 작업은 저렴하거나 로컬 모델에 보내라
- 도입 전 ZDR 지원 여부 확인하기
- 고객 데이터를 다루는 서비스는 모델별 ZDR 지원을 먼저 확인하라
Try It
# Claude 또는 ChatGPT에 붙여넣기 (원문에 방법이 없어 댓글 경험을 바탕으로 한 간이 버전)
너는 코드 리뷰어다. 아래 diff를 검토하고 버그, 보안 문제, 개선점을 심각도 순으로 표로 정리해라.
{{diff}}
이어서 해 볼 것: 같은 프롬프트를 다른 모델에도 넣고 발견 수와 비용을 비교해라.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