Claude Opus 4.6 오늘 출시: 1M 컨텍스트, 에이전트 코딩, 그리고 '바이브 워킹'의 시작

오늘(2/5) Anthropic이 Claude Opus 4.6를 공식 출시했다. 이번 업데이트의 핵심은 "코딩을 더 잘함"을 넘어, "일을 오래 맡겨도 끝까지 해내는 쪽"으로 확실히 방향을 틀었다는 점이다. Anthropic이 말하는 다음 단계는 'vibe coding'의 확장판인 'vibe working'이다. 아이디어를 던지면, 사람은 방향만 잡고 AI가 실제 산출물을 밀어 올리는 업무 방식이 이제 일상에 들어온다는 선언에 가깝다.¹⁵

한 줄 요약 3개. 1M 토큰(베타)로 더 많이 읽고, 더 오래 기억(요약)하고, 더 큰 일을 맡는다.¹ 코딩은 "계획-실행-검토"의 루프가 강화돼 디버깅·코드리뷰·대규모 코드베이스에서 더 믿을만해졌다.¹ 보안에선 0-day급 취약점 탐지가 빨라져 "수비수들이 서둘러 자동화해야 하는 시기"라는 메시지가 더 강해졌다.²

TL;DR. Opus 4.6은 코딩 에이전트의 지속성, 대규모 코드베이스 신뢰성, 1M 롱컨텍스트(베타), 문서·스프레드시트·슬라이드까지 이어지는 '업무 전반' 성능을 함께 끌어올렸고, Claude Code(에이전트 팀) + API(컴팩션/effort/적응형 사고) + 배포 채널(claude.ai·주요 클라우드·Copilot·Bedrock)까지 한 번에 "현장 투입"을 밀어붙인 릴리즈다.¹³⁴⁵

뭐가 달라졌나: "코딩을 잘한다"에서 "일을 끝낸다"로

Opus 4.6은 코딩 능력이 전반적으로 올라갔다. 계획을 더 신중히 세우고, 에이전트형 작업을 더 오래 유지하며, 큰 코드베이스에서도 더 안정적으로 움직이고, 코드리뷰·디버깅에서 자기 실수를 더 잘 잡는다.¹ 이 조합은 체감이 크다. 이전에는 "좋은 답"은 나왔지만 "작업 완료"는 사람이 마무리해야 하는 경우가 많았는데, 이번 포인트는 AI가 스스로 루프를 한 바퀴 더 돈다는 데 있다. 즉, 작성→테스트→오류 발견→수정→다시 확인을 '기본 동작'에 더 가깝게 끌어왔다.¹

또 하나의 큰 변화는 롱컨텍스트다. Opus급 모델에서 처음으로 1M 토큰 컨텍스트 윈도우를 베타로 제공한다.¹ 단순히 "많이 넣는다"가 아니라, 긴 문서/리포지토리/자료더미를 한 작업 안에서 일관되게 다루는 쪽으로 설계가 기울었다. 여기에 API의 compaction(대화/작업 맥락을 모델이 스스로 요약해 더 오래 달리게 하는 기능)이 붙으면서, "컨텍스트 한도 때문에 중간에 기억을 잃는" 유형의 장기 작업 실패를 제품적으로 줄이려는 의도가 보인다.¹

업무 범위도 더 노골적으로 넓혔다. 연구, 재무 분석, 문서/스프레드시트/프레젠테이션 생성과 편집 같은 '회사에서 진짜로 시간을 먹는 작업'을 Opus 4.6의 대표 사용처로 전면에 걸었다.¹⁵ 결국 메시지는 하나다. 코딩만이 아니라 "프로페셔널 산출물"을 엔드투엔드로 만들라는 것.

코드리뷰에서 거짓말 탐지기 장착? 디버깅·리뷰 루프가 강화된 이유

Anthropic이 직접 밝힌 개선점은 "코드리뷰와 디버깅이 더 좋아져 자기 실수를 더 잘 잡는다"는 문장에 응축돼 있다.¹ 이게 왜 중요하냐면, 요즘 코딩 AI의 병목은 '작성'이 아니라 '검증'이기 때문이다. 빠르게 만든 코드가 맞는지 확인하고, 예외 케이스를 찾고, 리그레션을 막는 데 사람이 시간을 쓴다.

Opus 4.6은 "어려운 부분엔 더 집중하고, 쉬운 부분은 빨리 지나가며, 애매한 문제에서 판단이 좋아지고, 긴 세션에서도 생산성이 유지된다"는 내부 사용 소감을 내놨다.¹ 말하자면, 주니어가 아니라 시니어 쪽 습관(중요 지점에 시간을 쓰고, 전체를 관리하는 습관)을 더 흉내내는 방향이다. 단, 그 대가도 있다. 더 깊게 생각하는 경향이 생겨 단순 작업에선 비용·지연이 늘 수 있다.¹

에이전트 작업 지속성: "한 번에 끝내"가 실제로 가능해지는 조건

이번 릴리즈는 모델만 바뀐 게 아니라 '에이전트 운영체제'도 같이 손봤다. Claude Code에서 "에이전트 팀(agent teams)"을 꾸릴 수 있게 됐고, API에선 compaction으로 장기 작업을 더 오래 이어가도록 했다.¹ 예전엔 "에이전트"가 사실상 '긴 대화'에 가까웠다면, 이제는 역할을 나누고(서브에이전트), 오래 달리고(컨텍스트 요약), 속도/비용을 조절(effort)하는 쪽으로 제품 레버가 생겼다.¹

여기서 중요한 건 지속성이 단순히 "시간이 길다"가 아니라는 점이다. 장기 작업은 중간에 목표가 흐려지고, 우선순위가 흔들리고, 반복 작업에 빠지기 쉽다. Anthropic은 이를 모델의 "더 신중한 계획"과 제품의 "compaction + effort 제어"로 같이 잡으려 한다.¹

1M 토큰 롱컨텍스트(베타): "다 넣었는데도 안 무너지는" 쪽이 포인트

1M 토큰은 숫자가 자극적이지만, 실전에서 더 중요한 건 "일관성"이다. 큰 코드베이스나 방대한 문서 묶음은 정보량도 문제지만, 서로 모순되는 단서가 섞여 있다는 게 더 문제다. Opus 4.6은 큰 코드베이스에서 더 안정적으로 동작한다고 강조했고, 1M 컨텍스트를 Opus급 최초로 베타 제공하며 그 방향을 못 박았다.¹

다만 '베타'다.¹ 즉, 모든 워크로드에서 항상 1M을 안전하게 믿고 설계하기보단, 중요한 작업은 compaction/요약 전략과 함께 운영하고, "핵심 근거는 무엇인지"를 결과물에 남기는 식으로 관리하는 게 현실적이다.

문서·엑셀·파워포인트: "일하는 AI"의 본선 무대

Anthropic은 Opus 4.6을 코딩 모델로만 소개하지 않는다. 재무 분석, 리서치, 문서/스프레드시트/프레젠테이션 생성까지 '매일의 업무'를 전면으로 가져왔다.¹⁵ 제품 업데이트도 그 방향이다. Excel에서 Claude를 크게 업그레이드했고, PowerPoint에선 리서치 프리뷰로 공개했다.¹ 지금까지 AI 문서 생성이 "예쁘지만 부정확"하거나 "정확하지만 귀찮음" 사이를 오갔다면, 이번은 긴 컨텍스트와 에이전트형 운영을 바탕으로 "자료 수집→정리→계산→보고서/슬라이드"를 한 흐름으로 만들겠다는 시도다.

제품/플랫폼 업데이트 한 번에 정리

Claude Code는 에이전트 팀 구성이 핵심이다.¹ 작업을 역할로 분리해 병렬로 밀어붙일 수 있는 형태로, 사람 입장에선 "PM처럼 지시하고 합치기"가 쉬워진다.

API는 세 가지가 눈에 띈다. compaction으로 장기 작업을 가능하게 하고, adaptive thinking으로 상황에 따라 '얼마나 깊게 생각할지'를 스스로 가늠하며, effort 컨트롤로 개발자가 속도/비용/지능을 조절한다.¹ 특히 Anthropic은 "overthinking(과도한 생각)" 때문에 단순 작업에서 지연·비용이 늘 수 있다고 공개적으로 인정했고, 이 경우 effort를 기본값(high)에서 medium으로 낮추라고 권한다.¹ 모델이 똑똑해진 만큼, '똑똑함을 얼마나 쓸지'가 운영 변수가 됐다.

배포는 넓게 깔렸다. Opus 4.6은 claude.ai, Anthropic API, 주요 클라우드에서 제공된다.¹ GitHub Copilot에도 일반 제공(점진 롤아웃)으로 들어가 VS Code/Visual Studio/github.com/모바일/CLI 등에서 선택 가능해진다.³ Amazon Bedrock에서도 오늘부터 제공되며(200K 및 1M 컨텍스트 프리뷰 언급), 기존 클라우드 워크플로 안에 자연스럽게 넣을 수 있게 됐다.⁴

가격은 그대로다. 입력 $5 / 출력 $25 per million tokens.¹

벤치마크/평가: 숫자가 말해주는 "성능의 방향"

Anthropic은 Opus 4.6이 여러 평가에서 SOTA라고 주장한다. 에이전트 코딩 평가 Terminal-Bench 2.0에서 최고 점수, 복합 추론 평가 Humanity's Last Exam에서 선도, 온라인에서 희귀 정보를 찾는 BrowseComp에서 최고 성능을 언급했다.¹ 또 GDPval-AA(경제적으로 가치 있는 지식노동 과제 평가)에서는 업계 차점(GPT-5.2) 대비 약 144 Elo, 전작(Opus 4.5) 대비 190 포인트 앞선다고 밝혔다.¹ 법률 추론 쪽에선 BigLaw Bench 90.2%도 인용했다.¹

CNBC는 Opus 4.6이 재무 분석 쪽 "Finance Agent benchmark"에서 1위를 차지했다고 덧붙이며, 코딩에서 업무 전반으로 확장되는 흐름을 'vibe working'이라는 말로 포착했다.⁵

보안 관점의 흥미 요소: "AI가 0-day를 더 잘 찾는다"는 불편한 진실

Anthropic의 보안 연구 포스트는 메시지가 직설적이다. AI의 사이버 역량은 이미 '변곡점'을 지났고, 이제는 높은 심각도의 취약점을 대규모로 찾을 수 있으며, 그래서 "방어 측이 더 빨리 움직여 코드를 최대한 많이 확보(secure)해야 한다"는 주장이다.²

특히 Opus 4.6은 이전 모델보다 고심각도 취약점 탐지가 눈에 띄게 좋아졌고, 흥미로운 점은 전용 하네스나 특수 프롬프트 없이도 "사람 연구자처럼" 코드를 읽고 커밋 히스토리/패턴/논리를 따라 취약점을 찾아낸다는 설명이다.² Anthropic은 오픈소스에서 500개 이상의 고심각도 취약점을 찾아 인간이 검증했고, 패치도 인간 검토로 진행했다고 밝힌다.² 또 40건의 사이버보안 조사에서 블라인드 랭킹 기준 38/40으로 Opus 4.6이 최고 결과였다는 파트너 피드백도 소개한다.¹ 결론적으로, 공격과 방어 모두의 비용을 낮추는 기술이 들어왔고, 이 글은 노골적으로 "수비 자동화"를 촉구한다.²

무엇이 좋아졌나(한 장 요약 표)

왜 지금 중요하냐(역할별로)

개발자에겐 "코드 작성 도구"가 아니라 "작업 완수 엔진"이 들어온 날이다. Copilot과 Claude Code/Bedrock/API까지 연결되면서, 개인의 IDE에서 시작해 팀 파이프라인으로 확장하는 경로가 열렸다.¹³⁴ 이제 차이는 '누가 더 빨리 타이핑하나'가 아니라 '누가 더 잘 쪼개고, 더 잘 검증하고, 더 잘 운영하나'가 된다.

PM에겐 'vibe working'이 농담이 아니게 됐다.⁵ 요구사항을 정교하게 문서화하지 않아도 AI가 모호함을 다루는 판단이 좋아졌다는 내부 코멘트는, PM이 해야 할 일을 "세부 스펙 작성"에서 "의사결정과 품질 기준 제시"로 더 밀어낸다.¹ 일의 모양은 더 빨리 나오고, PM은 더 자주 '이게 맞나'를 결정해야 한다.

분석가에겐 1M 컨텍스트와 문서/스프레드시트/프레젠테이션 강화가 직접적인 체감 포인트다.¹ 자료가 흩어진 상태에서 정리·계산·서술까지 이어지는 시간이 줄면, 분석의 경쟁력은 '정답 맞히기'보다 '좋은 질문을 만들기'로 이동한다. CNBC가 재무 분석 벤치마크 1위를 굳이 언급한 것도 이 흐름을 반영한다.⁵

보안팀에겐 더 시급하다. Opus 4.6이 "out-of-the-box"로 고심각도 취약점을 더 잘 찾는다는 건, 공격자도 비슷한 능력을 갖추기 쉬워졌다는 뜻이다.² 그래서 Anthropic이 말하듯 지금은 방어적으로 AI를 붙여 코드 스캐닝·검증·패치 워크플로를 가속해야 하는 구간이다.²

바로 써먹는 프롬프트 6개(긴 컨텍스트/에이전트/effort 활용)

코딩 에이전트(장기 작업).
"너는 '작업 끝내는' 코딩 에이전트야. 이 리포지토리에서 이슈 #123을 해결해. 먼저 (1) 원인 가설 3개 (2) 재현 단계 (3) 수정 계획을 작성한 뒤, 계획에 따라 파일 단위로 변경안을 제안해. 각 변경 뒤에는 '테스트/검증 체크리스트'를 갱신해. 단순 수정이면 effort=medium, 재현이 어려우면 effort=high로 스스로 조정(adaptive thinking)해."¹

대형 코드베이스 온보딩(1M 컨텍스트용).
"내가 붙여넣는 '아키텍처 문서 + 주요 폴더 트리 + 핵심 파일 10개'를 전부 읽고, 이 코드베이스의 (1) 도메인 개념 지도 (2) 요청 흐름(입력→처리→저장) (3) 변경 시 위험 구간 (4) 초보자가 실수하기 쉬운 규칙을 정리해. 마지막에 '첫 주에 할 5가지 작은 PR'도 제안해. effort=high."¹

코드리뷰(거짓말 줄이기).
"다음 PR diff를 리뷰해. (1) 기능적 버그 가능성 (2) 보안/권한/입력검증 리스크 (3) 성능/비용 이슈 (4) 테스트 누락을 각각 찾아서 '근거가 되는 라인'을 인용해 설명해. 마지막에 '승인/보류/거절' 중 하나를 선택하고, 보류라면 필수 수정 3개만 남겨. 과도한 추론으로 늘어지면 effort=medium으로 내려."¹

재무 분석(엑셀/에이전트 스타일).
"내가 붙여넣는 손익/현금흐름/가정표를 기반으로 (1) 핵심 드라이버 5개 (2) 베이스/낙관/비관 시나리오 (3) 가장 민감한 변수 2개에 대한 민감도 표 (4) 임원용 5문장 요약을 만들어줘. 계산 과정은 표로, 결론은 보고서 문장으로 써줘. effort=high."¹

문서/슬라이드 생성(파워포인트 프리뷰 감각).
"다음 자료 묶음(회의록, 요구사항, 경쟁사 메모)을 읽고 '10장짜리 제품 제안 슬라이드' 구조를 만들어줘. 각 장마다 슬라이드 제목, 핵심 메시지 1문장, 본문 불릿 3개, 필요한 도표/그림 아이디어를 적어줘. 마지막에 '발표 스크립트 60초 버전'도 써줘. 초안은 effort=medium, 최종 문장 다듬기는 effort=high."¹

웹 리서치(찾기 어려운 정보용).
"'OOO 시장'에 대해 온라인에서 찾기 어려운 1차 자료 위주로 조사해. (1) 공식 통계/규제 문서 (2) 업계 단체 자료 (3) 기업 공시/투자자 자료를 우선으로 찾아 요약해. 각 주장에는 출처 링크를 붙이고, 서로 모순되는 수치는 '왜 다른지' 가설을 써줘. effort=high."¹

주의점/한계: 똑똑함은 공짜가 아니다

Opus 4.6은 더 깊게 생각하는 경향이 있고, 쉬운 작업에서 비용과 지연을 늘릴 수 있다. Anthropic은 이를 'overthinking'으로 직접 언급하며, 그럴 땐 effort를 high에서 medium으로 낮추라고 권한다.¹ 즉, 운영자가 "언제 high를 쓰고 언제 medium으로 내릴지" 정책을 가져야 한다.

1M 컨텍스트는 베타다.¹ 큰 입력을 한 번에 넣는 습관은 편하지만, 중요한 업무에선 compaction/요약 주기, 중간 산출물 체크, 사람이 승인해야 하는 게이트를 같이 설계하는 편이 안전하다.

에이전트 팀/장기 작업은 더더욱 관리 포인트가 생긴다. 목표가 바뀌었을 때 멈추는 규칙, 민감 데이터 접근 경계, 결과물의 근거 보관 같은 '업무 운영'이 품질을 좌우한다. AI가 오래 일할수록, 사람은 더 PM/리뷰어/감사자 역할을 하게 된다.

결론: 추천/비추천, 그리고 다음 체크포인트

추천은 분명하다. 큰 코드베이스에서 일하고, 에이전트형 워크플로(계획→실행→검증)를 돌리고, 문서·분석·슬라이드까지 산출물을 뽑아야 하는 팀이라면 Opus 4.6은 바로 체감이 난다.¹³⁴ 특히 보안팀은 "방어 자동화의 창"이 열렸다는 Anthropic의 경고를 무겁게 볼 필요가 있다.²

비추천은 이런 경우다. 단순 질의응답이나 짧은 코드 스니펫처럼 '가벼운 작업'이 대부분이고, 지연·비용에 민감한 환경이라면 기본 effort(high)로 인한 체감이 오히려 나쁠 수 있다.¹ 이 경우는 effort를 낮추는 운영부터 잡아야 한다.

다음 체크포인트는 세 가지다. 1M 컨텍스트 베타가 어떤 워크로드에서 안정적으로 쓸만해지는지, compaction과 결합했을 때 장기 작업 실패율이 얼마나 줄어드는지, 그리고 Copilot/Bedrock 같은 배포 채널에서 실제 팀 생산성(리드타임, 버그율, 리뷰 부담)이 어떻게 변하는지다.¹³⁴

참고

¹Claude Opus 4.6 출시 안내(Anthropic)

²LLM이 발견하는 0-day 위험 평가 및 대응(Anthropic RED)

³GitHub Copilot에서 Claude Opus 4.6 일반 제공 롤아웃

⁴Amazon Bedrock에서 Claude Opus 4.6 제공

⁵Anthropic이 말하는 'vibe working'과 Opus 4.6(CNBC)