Claude Opus 5.5 (max) 지능·성능·가격 분석

TL;DR Highlight

Opus 5.5 max는 지능지수 58로 1위지만 출력이 많고 비싸다

Who Should Read

Claude Opus 5.5를 어떤 추론 강도로 쓸지, 비용 대비 성능을 따져야 하는 LLM API 백엔드 개발자

Core Mechanics

지능지수 58로 비교군 중앙값 27의 두 배
- Artificial Analysis Intelligence Index v4.3.2 기준이다.
- 같은 가격대 모델 비교에서 지능 1위로 표시된다.
출력 토큰이 중앙값의 3배 넘게 나왔다
- 지능지수 평가 중 2억 6천만 토큰을 생성했다.
- 비교군 중앙값은 8,500만 토큰이다.
가격은 입력 $4, 출력 $20 (100만 토큰당)
- 중앙값은 입력 $2, 출력 $10이다.
- 캐시 할인은 95%다.
태스크당 평가 비용은 평균 $5.98
- 지능지수 태스크 하나를 돌리는 데 드는 가중 평균 비용이다.
- 비용 순위는 114개 중 112위로 표시된다.
속도는 초당 95토큰으로 평균보다 빠르다
- 비교군 중앙값은 초당 85토큰이다.
- 첫 토큰까지 걸린 시간(TTFT)은 562.75초로 중앙값 3.81초보다 훨씬 길다.

Community Reactions

max는 예산을 다 쓰고 답을 못 낸다는 경험
- 펠리컨 자전거 SVG 생성을 max로 두 번 시도했더니 둘 다 128,000 토큰 예산 안에서 추론만 하다 끝났다는 경험이 나왔다.
- max가 거의 쓸모없을 수 있다는 의견이다.
max에서 멈췄고 medium이 잘 맞는다는 경험
- max 추론이 멈추는 경우가 있었고, 기본값 medium이 짧은 루프와 긴 루프 모두 잘 돌았다는 경험이 있었다.
- high가 쓸 만하다는 의견도 있었다. 벤치마크가 high 이후 정체되고 Fable보다 점수가 높다는 이유다.
Opus 5보다 비용이 절반이라는 의견
- high 대 high로 비교하면 태스크당 비용이 Opus 5의 절반이라는 의견이다.
- Opus 5는 지시를 잊고 중간에 딴 길로 새서 4.8로 돌아갔다는 경험도 있었다.
벤치마크 자체를 못 믿겠다는 반응
- 모델이 벤치마크에 맞춰 학습됐을 수 있다는 의견이다.
- Claude Code와 Codex로 실제 코드를 리뷰시켜 보니 Claude는 계획과 실행에, Codex는 버그 찾기에 강했다는 경험이 있었다.

How to Apply

오늘 내 평가셋으로 effort 3단계 비교하기
- 내부 평가 질문 20개를 medium, high, max로 각각 돌려라.
- 정답률, 출력 토큰 수, 응답 시간을 표로 비교하라.
max에는 토큰 예산 상한과 폴백 두기
- max 호출에 max_tokens 상한과 타임아웃을 설정하라.
- 답이 없으면 high나 medium으로 재시도하게 만들어라.
태스크당 비용을 직접 계산해 모델 고르기
- 로그에서 입력·출력·캐시 토큰을 합산해 요청당 비용을 구하라.
- 출력이 많은 모델은 출력 단가 $20에 토큰 수를 곱해 비교하라.
출시 몇 주 뒤 같은 평가셋 재실행하기
- 주 1회 같은 평가셋을 돌려 점수가 떨어졌는지 기록하라.
- 떨어지면 이전 모델로 라우팅하라.

Try It

복사해서 바로 해보기

# 터미널에 그대로 붙여넣는 셸 스크립트 (effort별 비용 계산 간이 버전)

# 아래 숫자를 내 로그의 토큰 수로 바꿔 넣으세요
IN=2000000; OUT=1500000; CACHE_HIT=0

# 원문 가격: 입력 $4, 출력 $20 (100만 토큰당)
python3 -c "
in_t=$IN; out_t=$OUT
print('cost USD:', in_t/1e6*4 + out_t/1e6*20)
"

# 이어서 해 볼 것: medium/high/max 로그로 세 번 돌려 비용과 정답률을 나란히 비교하세요

Terminology

Intelligence Index여러 벤치마크 점수를 합쳐 하나로 만든 종합 점수다. 수능 총점처럼 과목별 점수를 묶어 본다.

TTFT요청을 보낸 뒤 첫 토큰이 올 때까지의 시간이다. 주문 후 첫 음식이 나오기까지의 대기 시간이다.

Cache Discount이미 처리한 프롬프트를 다시 보낼 때 깎아 주는 할인이다. 같은 책을 다시 읽을 때 요약본으로 값을 줄이는 셈이다.

Verbosity같은 평가에서 모델이 쏟아낸 출력 토큰의 양이다. 말이 얼마나 많은지 보는 지표다.

Blended price입력·출력·캐시 가격을 정해진 비율로 섞은 평균 단가다.