Anthropic IPO: 공개된 재무 수치와 고객 사례
Anthropic IPO
TL;DR Highlight
Anthropic이 IPO 로드쇼를 열고 Q3'26 매출 $17.0B 등을 공개했다
Who Should Read
Claude API·Claude Code를 업무에 쓰며 Anthropic의 재무 상태와 공급 안정성이 궁금한 개발자
Core Mechanics
- Q3'26 매출 $17.0B
- 전년 동기 대비 12배 넘게 늘었다고 밝혔다.
- 연 $100K 이상 쓰는 고객은 11,900곳 넘고 이것도 전년 대비 12배 넘게 늘었다.
- 컴퓨트 효율 4배 이상
- 2025년 1분기 대비 4배 넘게 좋아졌다고 한다.
- 매출을 컴퓨트·인프라 비용으로 나눈 비율을 비교한 값이다.
- 순손실 $23.3B
- 전환사채·파생부채·SAFE의 공정가치 변동에 따른 $21.9B 비현금 비용이 포함됐다.
- 영업이익률은 (3)%로 적혀 있다.
- IPO 일정과 티커 공개
- 로드쇼는 11월 10일(EST)에 시작한다.
- 최종 공모가는 11월 18일, 거래 시작은 11월 19일 예정이며 Nasdaq 티커는 ANT다.
- 고객 사례는 에이전트·코딩 중심
- Rakuten은 신규 기능 출시 기간이 24일에서 5일로 줄었다고 한다.
- Salesforce는 API 마이그레이션이 231일 분량을 13일에 끝났다고 한다.
Community Reactions
- 가격 범위와 규모를 정리한 댓글
- 공모가 범위는 $70–78이고 총 규모는 $85.3B(IPO와 $26B 사모 포함)라는 정리가 있었다.
- 중간값 $74 기준 시가총액은 약 $968B이고 컴퓨트 약정은 $900.9B(2045년까지)라고 적혔다.
- 상장을 서두르는 이유를 의심하는 의견
- 재귀적 자기개선이 가능한 모델이라면 VC들이 시장 지배력이 확실해질 때까지 상장을 미뤘을 것이라는 의견이 있었다.
- 지금 $100B가 필요한 이유가 궁금하다는 취지였다.
- 모델 교체 비용이 낮다는 경험
- 대부분의 앱은 최신 모델이 필요 없고 더 싼 모델로 바꾸기 쉽다는 의견이 있었다.
- 오픈 웨이트 모델이 최신 모델보다 몇 달 뒤처진 정도이고 훨씬 싸다는 댓글도 있었다.
- Mythos로 NVIDIA에서 AMD GPU로 이식했다는 발표 언급
- 3일 만에 사람 개입이 거의 없이 이식했다는 주장이 로드쇼 영상에서 나왔다는 댓글이 있었다.
- 사실이라면 NVIDIA의 해자가 줄어든다는 해석이 붙었다.
How to Apply
- Claude 의존도 점검표 만들기
- 오늘 30분 동안 우리 서비스에서 Claude를 호출하는 지점을 모두 나열하라.
- 각 지점에 대체 모델로 바꿀 수 있는지 적어라.
- 모델 호출부를 추상화하기
- 모델명과 API 키를 설정 파일로 분리하라.
- 같은 프롬프트를 다른 모델에 돌려볼 수 있게 만들어라.
- 최신 모델이 꼭 필요한 작업 구분하기
- 작업별로 싼 모델과 최신 모델 결과를 비교하라.
- 품질 차이가 작은 작업은 싼 모델로 옮겨라.
Try It
# Claude 또는 ChatGPT에 붙여넣기 (원문은 IPO 소개라 프롬프트 수준의 간이 점검)
우리 서비스에서 LLM을 호출하는 기능 목록은 다음과 같다.
{{기능 목록: 기능명, 사용 모델, 월 호출량}}
각 기능에 대해 표로 정리해 줘.
- 최신 모델이 꼭 필요한지(Y/N)와 이유
- 더 저렴한 모델로 바꿨을 때 확인할 품질 지표
- 공급자가 바뀌어도 유지되도록 분리해야 할 코드 위치
이어서 해 볼 것: 표의 N 항목 하나를 골라 같은 입력으로 두 모델의 출력을 비교해 줘.Terminology
관련 논문
Gemini 4 Neon 출시: 프런티어급 성능, 빠른 속도, 낮은 작업당 비용
Gemini 4 Neon은 Carbon보다 작업당 비용 32%↓, 입력 $3·출력 $15
AI가 All About Berlin을 죽이고 있다
Google AI Overviews 도입 후 베를린 가이드 사이트 트래픽이 70~75% 줄었다
모든 걸 LLM에 맡기지 마라: PostHog의 decision model 활용기
PostHog는 작은 decision model로 LLM 호출 98.7%를 건너뛰었다
GPT-6.2 Astra·Sol 출시, 댓글로 본 비용·속도와 에이전트 동작 후기
GPT-6.2 Astra·Sol은 비용이 크게 줄었지만 과설계·조기 종료 후기가 엇갈린다
TrnRT: AWS Trainium용 오픈소스 LLM 추론 엔진
trn2.48xlarge 한 대로 GLM-5.3-Flash를 OpenAI 호환 API로 서빙한다
언제 줌해야 할까: VLM에게 이미지는 얼마나 작아야 너무 작은가
큰 사진을 타일로 쪼개 보내니 Claude·Gemini 정확도가 11~14.5%p 올랐다
최신 LLM의 Positional Embedding 이해하기
GPT-2부터 RoPE까지, LLM이 토큰 위치를 넣는 방식을 정리했다
DeepSeek V3를 순수 JAX 190줄로 구현해 MacBook Air에서 학습
DeepSeek V3 핵심 구조를 JAX 190줄로 짜서 맥북에어에서 2.6시간 학습