AI 효율성 경쟁의 분수령, Opus 5가 던지는 근본적인 질문
기업의 AI 도입을 가로막는 가장 큰 장벽은 무엇일까. 기술적 한계나 안전성 우려도 있지만, 실무 책임자들이 공통적으로 지목하는 것은 바로 예측 불가능한 비용이다. 최첨단 모델은 분명 강력하지만, 실제 업무에 적용했을 때 발생하는 토큰당 비용이 기하급수적으로 증가하는 현실은 스타트업부터 대기업까지 동일한 고민거리였다. 이런 배경에서 최근 발표된 Opus 5는 지금까지와는 다른 방식으로 이 문제에 접근한다. 단순히 값싼 모델을 내놓는 것이 아니라, 비용과 성능의 관계를 재정의하려는 시도다.
AI 시장을 관통하는 새로운 기준선
지난 2년간 생성형 AI 시장을 지배한 흐름은 ‘더 크고, 더 비싸고, 더 강력한’ 모델을 향한 일직선의 경쟁이었다. 파라미터 수를 늘리고, 더 많은 컴퓨팅 자원을 투입해 벤치마크 최고치를 경신하는 데 집중한 것이다. 그 결과 최상위 모델의 작업당 비용은 기업이 감당하기 어려운 수준까지 치솟았다.
이런 환경에서 Anthropic이 2025년 5월 28일에 출시한 Opus 4.8은 흥미로운 과도기적 시도였다. 동일한 가격을 유지하면서도 이전 세대 대비 유의미한 성능 향상을 이뤄냈지만, 여전히 Fable 5와의 격차는 분명했다. 문제는 어디까지 비용을 지불할 것인가라는 질문이었다.
가격 절반으로 좁혀진 최상위권 간극
Opus 5가 보여준 변화는 그 질문에 대한 하나의 답변이다. 입력 토큰 100만 개당 5달러, 출력 토큰 100만 개당 25달러로 Opus 4.8과 동일한 가격을 유지하면서도, 코딩 및 지식 작업 평가인 Frontier-Bench v0.1에서 Fable 5(33.7%)와 OpenAI의 GPT-5.6 Sol(34.4%)을 크게 상회하는 43.3%의 작업 완료율을 기록했다1. 이전 세대인 Opus 4.8 대비로는 두 배 이상의 성능 개선이다.
더 주목할 지점은 CursorBench 3.2의 최대 노력 설정이다. 이 평가에서 Opus 5는 Fable 5 최고 점수와 0.5% 이내의 차이로 근접했지만, 작업당 비용은 절반에 불과했다2. ARC-AGI 3 평가에서는 차순위 모델 대비 3배 높은 점수를, Zapier AutomationBench에서는 동일 비용 기준 약 1.5배의 통과율을 기록하며 효율성 우위를 입증했다2. OSWorld 2.0 컴퓨터 사용 벤치마크에서 Fable 5의 최고 결과를 약 3분의 1 비용으로 능가한 점도 같은 맥락이다2.
다만 사이버 보안 작업에서는 Mythos 5보다 성능이 낮다는 점도 분명히 존재한다. 이는 Opus 5가 모든 영역에서 무조건적인 최고 성능을 목표로 하기보다, 실무 활용도가 높은 과업에 선택적으로 집중한 모델임을 시사한다.
단순한 답변이 아닌 문제 해결 과정의 재설계
벤치마크 점수 못지않게 중요한 변화는 모델의 문제 해결 태도다. 기계 부품 도면을 3D 모델로 재구성하는 과제에서 Opus 5는 도면을 직접 인식할 수 없다는 제약을 스스로 파악한 뒤, 컴퓨터 비전 파이프라인을 새로 작성해 해결책을 도출했다. 다른 모델들은 5회의 시도에서도 실패했던 작업이다2. 오픈소스 패키지 관리자의 버그 수정 과제에서는 표면적 증상만 고치는 대신 근본 원인을 분석해 엣지 케이스까지 해결하는 접근을 보여주었다2.
이러한 차이는 실무에서 중요한 의미를 갖는다. 개발자나 연구자가 AI에 요청한 작업이 실패했을 때, 모델이 오류를 인지하지 못한 채 잘못된 결과를 그대로 출력하는 문제는 상당한 검증 비용을 발생시킨다. 스스로 검증하고 반복적으로 수정하는 능력의 향상은, 단순한 출력 정확도를 넘어 사용자의 후속 작업 부담을 줄여준다는 점에서 실질적인 생산성 개선으로 이어진다.
안전 장치의 균형과 배후의 설계 철학
Opus 5에는 기존 상위 모델들과 구분되는 정책적 선택이 적용되었다. Fable 5와 달리 30일 데이터 보존 정책이 적용되지 않으며, 소스 코드 수준에서 취약점을 탐색하는 작업은 허용하되 바이너리 파일 분석이나 익스플로잇 개발은 차단하는 선을 그었다. 보안 연구와 무분별한 공격 도구화 사이의 경계를 설정한 것이다.
사용자 경험 측면에서 베타 기능으로 도입된 Automatic Fallbacks는 이와 같은 안전 장치의 작동 방식을 한 단계 진전시켰다. 기존에는 사용자 요청이 안전 분류기에 걸리면 단순히 오류가 반환되었지만, 이제는 자동으로 제약이 덜한 하위 모델로 전환되어 응답을 제공받을 수 있게 되었다. 안전과 사용성이라는 두 가치가 반드시 충돌하지 않을 수 있음을 보여주는 설계다.
Claude Max 플랜의 기본 모델이자 Claude Pro 플랜에서 가장 강력한 모델로 자리 잡은 점도 주목할 만하다. 최고 성능 모델에 대한 접근성을 플랜 체계 내에서 재조정함으로써, 기업 규모나 예산에 따른 선택의 폭을 넓히려는 의도로 읽힌다.
앞으로 지켜봐야 할 세 가지
Opus 5의 등장은 단일 모델의 출시 이상으로, AI 산업의 경쟁 구도에 몇 가지 질문을 던진다.
첫째, ‘가장 비싼 모델이 가장 좋다’는 전제가 더 이상 통용되지 않는 시장에서 각 기업의 가격 전략이 어떻게 재편될지다. 작업당 비용을 절반으로 낮추면서 최상위에 근접한 성능을 제공하는 모델이 등장했을 때, 최상위 모델의 프리미엄 가격은 어떤 방식으로 정당화될 것인가.
둘째, 안전 정책과 사용자 경험 사이의 균형이다. Automatic Fallbacks와 같은 기능이 단순히 편의를 넘어, 기업 환경에서의 컴플라이언스 요구사항에 어떻게 대응할 수 있을지도 지켜볼 지점이다.
셋째, Opus 5가 보여준 ‘스스로 검증하고 수정하는’ 역량의 진화 속도다. 벤치마크 점수보다 현장의 신뢰도에 더 큰 영향을 미치는 이 능력이 경쟁 모델들과의 차별화를 얼마나 지속적으로 유지할 수 있을지가 중요하다.
최첨단 AI가 어디까지 갈 수 있는지를 보여주는 경쟁에서, 이제는 그 기술을 누가 실제로 쓸 수 있는가를 고민하는 국면으로 전환되고 있다. Opus 5는 그 경계에 서 있는 모델이다.
1Claude Opus 5 Outscores Fable 5 on Most Benchmarks--At Half the Price
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.