Claude Opus 4.5 SWE-bench 점수, 80% 넘은 첫 모델
2025년 11월 24일 앤트로픽이 모델을 출시하며 알린 Claude Opus 4.5 SWE-bench 결과는 권위 있는 코딩 벤치마크 SWE-bench Verified에서 80%를 넘긴 첫 모델이라는 기록이에요. 가격은 백만 토큰당 5달러/25달러이고, 코딩, 에이전트, 컴퓨터 사용을 겨냥했어요. 기업 입장에서는 초기 고객들이 같은 작업을 더 적은 토큰과 더 적은 오류로 끝냈다고 보고해서, 작업 하나를 마치는 비용이 내려가요.
기업들이 Opus 모델을 망설인 이유
걸림돌은 가격이었어요. 앤트로픽이 출시와 함께 공개한 코멘트에서 초기 접근 고객인 최고경영자 제프 왕은 Opus 모델이 늘 "진짜 SOTA"였지만 과거에는 비용이 너무 비쌌다고 말했어요.
두 번째 걸림돌은 메모리였어요. 에이전트는 코드베이스와 큰 문서를 탐색하면서 중요한 세부 사항을 기억해야 하는데, Claude 앱의 긴 대화는 모델의 컨텍스트 윈도우가 차면 막혀 버렸어요.
앤트로픽이 2025년 11월 24일 내놓은 것
앤트로픽은 4.5 시리즈의 마지막 모델인 Claude Opus 4.5를 출시했어요. 9월에 Sonnet 4.5, 10월에 Haiku 4.5가 먼저 나왔고, 이전 Opus 모델인 Claude Opus 4.1은 8월에 나왔어요. 가격은 백만 토큰당 5달러/25달러로 정했고, 앱과 API, 주요 클라우드 플랫폼 세 곳 모두에서 쓸 수 있어요. CNBC에 따르면 이 모델은 Pro, Max, Enterprise 요금제의 기본 모델이에요.
앤트로픽은 이 모델과 함께 시범 운영하던 제품 두 가지도 넓혔어요. Claude for Chrome은 모든 Max 사용자에게, Claude for Excel은 Max, Team, Enterprise 사용자에게 열렸어요. Claude Code도 데스크톱 앱에 들어왔어요.
긴 에이전트 작업을 처리하는 방식
Opus 4.5는 한 모델이 이끌고 다른 모델이 따르는 에이전트 작업에 맞춰 만들었어요. TechCrunch는 Opus가 Haiku 기반 하위 에이전트 무리를 지휘하는 구성을 소개하는데, 이는 작업 메모리에 달려 있어요.
앤트로픽은 긴 컨텍스트에서 모델이 메모리를 관리하는 방식을 바꿨어요. Claude 앱에서는 유료 사용자를 위한 "끝없는 채팅"이 가능해졌어요. 채팅이 컨텍스트 윈도우에 닿으면 모델이 멈추지 않고 메모리를 압축해요.
"더 긴 컨텍스트 윈도우를 갖는 것과 함께, 기억할 올바른 세부 사항을 아는 일이 정말 중요해요." — 다이앤 나 펜, 앤트로픽 리서치 제품 관리 총괄
Claude Opus 4.5 SWE-bench 결과와 고객 테스트가 보여 주는 것
벤치마크에서 TechCrunch는 Opus 4.5가 권위 있는 코딩 테스트인 SWE-bench Verified에서 80%를 넘긴 첫 모델이라고 보도했어요. CNBC는 이 테스트에서 구글의 Gemini 3 Pro와 OpenAI의 GPT-5.1을 앞섰다고 전했어요. 앤트로픽에 따르면 SWE-bench Multilingual의 프로그래밍 언어 8개 중 7개에서 선두이고, Aider Polyglot에서는 Sonnet 4.5보다 10.6% 높고, Vending-Bench에서는 29% 더 벌어요.
앤트로픽은 성능 엔지니어링 지원자에게 내는 과제도 이 모델에게 풀게 했어요. 2시간 제한 안에서 Opus 4.5는 지금까지 어떤 지원자보다 높은 점수를 받았어요.
고객들은 각자의 수치를 전했고, 모두 해당 고객의 주장이에요. GitHub Copilot 관련 코멘트에서는 초기 테스트에서 토큰 사용량이 절반으로 줄었다고 했어요. 다른 고객은 긴 코딩 작업에서 토큰이 최대 65% 줄었다고 했고, 또 다른 고객은 도구 호출 오류와 빌드 또는 린트 오류가 50%에서 75% 줄었다고 했어요. 금융 모델링 고객은 내부 평가 정확도가 20%, 효율이 15% 올랐다고 했어요.
소프트웨어 팀과 애널리스트에게 달라지는 점
기업에는 모델이 어려운 일을 하는 비용이 달라져요. 여러 고객이 Opus 4.5가 같은 작업을 더 적은 토큰과 더 적은 단계로 푼다고 했고, 이는 토큰당 가격뿐 아니라 작업당 청구액도 낮춰요. 앤트로픽은 강점으로 코딩, 에이전트, 컴퓨터 사용을 꼽고, 스프레드시트, 슬라이드, 딥 리서치도 눈에 띄게 좋아졌다고 해요.
CNBC에 따르면 앤트로픽은 전문 소프트웨어 개발자와, 금융 애널리스트, 컨설턴트, 회계사 같은 지식 노동자를 주요 사용자로 봐요. 경쟁은 치열해요. OpenAI는 11월 12일 GPT 5.1을, 구글은 11월 18일 Gemini 3를 내놓았어요.
질문과 답변
Claude Opus 4.5는 SWE-bench Verified에서 몇 점을 받았나요?
TechCrunch는 Opus 4.5가 SWE-bench Verified에서 80%를 넘긴 첫 모델이라고 보도했어요. CNBC는 같은 테스트에서 Gemini 3 Pro와 GPT-5.1을 앞섰다고 전했어요.
Claude Opus 4.5 가격은 얼마인가요?
앤트로픽은 API 가격을 백만 토큰당 5달러/25달러로 정했어요. 개발자는 Claude API로 쓸 수 있고, 주요 클라우드 플랫폼 세 곳에서도 쓸 수 있어요.
Claude Opus 4.5는 누구를 위한 모델인가요?
CNBC에 따르면 앤트로픽은 전문 소프트웨어 개발자와 금융 애널리스트, 컨설턴트, 회계사 같은 지식 노동자를 이상적인 사용자로 봐요.
MOZGII의 시각
우리라면 이렇게 만듭니다
벤치마크 점수는 모델이 남의 과제에서 무엇을 할 수 있는지 알려 줘요. 기업에 쓸모 있는 질문은 자기 업무에서 작업 하나를 끝내는 데 얼마가 드느냐예요. Opus 4.5 같은 모델을 소프트웨어 팀에 넣는다면 MOZGII는 팀의 백로그에서 실제 티켓을 모으는 데서 시작해요. 각 티켓에는 개발자가 받아들인 수정안을 붙이고, 모델이 실제 시스템에 손대기 전에 그 티켓들로 먼저 돌려 봐요.
계획과 리뷰는 큰 모델에 맡기고 좁은 단계는 작은 모델이 하게 해요. 앤트로픽이 Opus가 Haiku 하위 에이전트를 이끄는 구성을 설명한 것과 같아요. 모든 변경은 팀의 기존 테스트와 사람의 리뷰를 거친 뒤에 병합해요. 모델은 코드 복사본에서만 일하고, 운영 시스템이나 비밀 값에는 접근하지 못해요.
문제는 조용히 오래 이어지는 실패에서 생겨요. 에이전트가 잘못된 길을 계속 가며 토큰을 쓰고, 테스트는 통과하지만 의도를 놓친 변경을 내놓는 경우예요. 메모리 압축은 긴 세션을 이어 가게 해 주지만 중요한 세부 사항을 놓칠 수 있어서, 에이전트가 무엇을 남기고 무엇을 버렸는지 기록해요.
지켜볼 숫자는 하나예요. 승인된 변경당 비용으로, 쓴 토큰을 개발자가 실제로 병합한 변경 수로 나눈 값이에요. 다음 단계로는 같은 티켓에서 모델별 이 비용을 비교하는 주간 리포트를 만들어요.
출처
이 기사의 사실은 다음 출처에서 가져왔습니다.