Claude Sonnet 5.5가 던진 질문, 가장 비싼 AI가 가장 쌀 수도 있는건가?

Sonnet 5.5는 Opus 5.5에 근접하는 성능을 더 낮은 가격과 더 빠른 속도로 제공한다. 하지만 여기서 결론을 “싼 모델이 이겼다”로 내리면 절반만 본 것이다. AI 모델 선택의 기준은 토큰 가격이 아니라 실패했을 때 생기는 총비용이다.

20초 핵심

1
Claude Sonnet 5.5의 API 가격은 입력 100만 토큰당 2달러, 출력 10달러다. Opus 5.5의 정확히 절반이며 Anthropic은 Sonnet 5.5가 Sonnet 5보다 30% 이상 빠르다고 설명한다.
2
일부 코딩과 지식노동 벤치마크에서는 Opus 5.5에 거의 근접한다. 그러나 Anthropic 자신도 복잡하고 개방형이며 지속적인 판단이 필요한 일에서는 Opus가 여전히 더 강하다고 선을 긋는다.
3
따라서 모델 선택은 “누가 가장 똑똑한가”보다 “이 작업이 틀렸을 때 얼마나 비싼가”로 바뀌어야 한다. 저위험 반복 업무는 Sonnet, 복합 판단은 Opus, 장기·고위험 작업은 Fable이 더 자연스럽다.

가격은 절반인데, 성능 격차는 절반보다 작아졌다

Sonnet 5.5의 가장 강한 숫자는 가격이다. 입력 100만 토큰당 2달러, 출력 10달러다. Opus 5.5는 각각 4달러와 20달러, Fable 5.1은 10달러와 50달러다.

$2 / $10
Claude Sonnet 5.5
입력 / 출력 100만 토큰
$4 / $20
Claude Opus 5.5
Sonnet 대비 2배
$10 / $50
Claude Fable 5.1
Sonnet 대비 5배

그런데 벤치마크 격차는 가격 차이만큼 크지 않다. Anthropic 공개 수치에서 Sonnet 5.5는 Terminal-Bench 4.0에서 70.6%를 기록했고, Opus 5.5는 66.4%였다. CursorBench 4.0에서는 Sonnet 55.5%, Opus 57.8%였고, 지식노동 평가 GDPval-AA v2.1에서는 1844 대 1846으로 거의 차이가 없었다.

이 숫자만 보면 “그렇다면 Opus가 왜 필요한가”라는 질문이 자연스럽다. 답은 벤치마크가 주로 측정하는 것이 정답이 확인 가능한 작업의 수행 능력이기 때문이다. 실제 업무에는 정답 자체가 불분명한 문제가 훨씬 많다.

벤치마크가 잘 잡지 못하는 것은 ‘판단의 비용’이다

버그 수정, 정해진 명세의 CRUD 기능, 테스트 작성, UI 구현은 성공 조건이 비교적 명확하다. 잘못돼도 다시 고치기 쉽다. 이런 작업은 빠르고 저렴한 Sonnet 5.5가 강하다.

반면 데이터베이스 스키마, 인증과 권한, 결제, 개인정보 삭제, 대규모 리팩터링, 배포 구조는 다르다. 처음부터 “정답”이 주어지지 않는다. 여러 제약을 동시에 보고 장기적인 부작용까지 판단해야 한다. 한 번 잘못 설계하면 토큰 비용보다 재개발, 장애 복구, 데이터 손상, 보안 사고가 훨씬 비싸진다.

가장 싼 모델은 토큰 단가가 낮은 모델이 아니라, 원하는 품질을 가장 적은 총비용으로 안정적으로 달성하는 모델이다.

여기서 AI의 경제학이 달라진다. API 청구액만 보면 Sonnet이 싸다. 하지만 실제 총비용은 API 비용에 사람의 검토 시간, 재작업, 지연, 오류 손실까지 더해야 한다.

세 모델은 ‘서열’보다 역할이 다르다

모델가장 잘 맞는 역할기본 가격핵심 판단 기준
Sonnet 5.5명확한 구현, 버그 수정, UI, 테스트, 문서, 반복 자동화$2 / $10실패해도 빨리 확인하고 쉽게 되돌릴 수 있는가
Opus 5.5복합 기능 개발, 난해한 디버깅, 설계, 리팩터링, 리뷰$4 / $20여러 시스템과 제약을 함께 판단해야 하는가
Fable 5.1장기 에이전트 작업, 핵심 아키텍처, 고위험 감사$10 / $50틀렸을 때 데이터, 보안, 사업 손실이 큰가

Anthropic의 공식 가이드도 비슷한 방향이다. Sonnet은 잘 정의된 일상 작업과 빠른 반복에, Opus는 복잡하고 개방형이며 지속적인 판단이 필요한 일에, Fable은 더 높은 effort의 Opus로도 부족한 장기·고난도 추론에 두고 있다.

모델을 자주 바꾸기보다 effort를 먼저 조절하라

실무에서는 매 요청마다 모델을 바꾸는 방식이 오히려 복잡하다. 더 실용적인 방법은 기본 모델을 하나 정한 뒤, 작업의 위험도에 따라 effort를 올리거나 내리고 필요한 경우에만 모델을 승격하는 것이다.

예를 들어 일반적인 개발을 Opus 5.5 Medium에서 시작하고, 난해한 문제는 High, 장시간 에이전트 작업은 Xhigh 또는 Max로 올릴 수 있다. Sonnet 5.5 역시 Low부터 Max까지 다섯 단계의 effort를 지원한다. Anthropic은 잘 정의된 에이전트 코딩에는 Sonnet Medium, 더 어렵거나 긴 작업에는 High를 권한다.

중요한 점은 “무조건 Opus부터” 같은 고정 규칙이 아니다. 자신의 업무에서 실제 평가를 돌려 품질이 유지되는 가장 낮은 비용 지점을 찾는 것이 핵심이다.

INSIGHT TIMES VIEW

AI 시장의 경쟁축이 ‘최고 성능’에서 ‘지능의 단가’로 이동하고 있다

Sonnet 5.5의 의미는 Opus를 죽였다는 데 있지 않다. 충분히 좋은 지능의 가격이 빠르게 떨어지고 있다는 데 있다.

AI가 하루에 몇 번 쓰는 챗봇일 때는 가장 좋은 모델 하나만 고르면 됐다. 그러나 AI가 IDE, 고객지원, 사내 에이전트, 데이터 처리, 제품 기능 안으로 들어가 하루 수천 번 호출되기 시작하면 이야기가 달라진다. 모델 성능 1~2%보다 작업당 비용과 지연시간, 재시도율이 사업성을 좌우한다.

반대로 보안, 권한, 결제, 데이터 모델처럼 실패 비용이 큰 영역에서는 토큰 비용 몇 달러를 아끼는 것이 아무 의미가 없을 수 있다. 앞으로 기업이 사는 것은 하나의 “최고 모델”이 아니라, 업무 위험도에 따라 값싼 지능과 비싼 지능을 자동 배치하는 지능형 라우팅 에 가까워질 가능성이 크다.

Sonnet 5.5가 일부 벤치마크에서 Opus보다 높다면 Opus는 필요 없는가?
  • 그렇게 단정하기 어렵다. 일부 평가에서는 Sonnet이 앞서거나 거의 같지만, Anthropic은 복잡하고 개방형이며 지속적인 판단이 필요한 작업에서 Opus가 여전히 더 강하다고 설명한다. 벤치마크는 실제 업무의 불확실성과 실패 비용을 완전히 반영하지 못한다.
Sonnet 5.5는 항상 토큰도 적게 쓰는가?
  • 아니다. Anthropic은 Sonnet 5.5가 Sonnet 5와 같은 새 토크나이저를 사용하며, 4.x 계열과 비교하면 같은 텍스트가 약 30% 더 많은 토큰으로 계산될 수 있다고 안내한다. 그래서 단순한 토큰 수보다 작업당 총비용을 보는 편이 정확하다.
그렇다면 기본 모델은 무엇으로 두는 것이 좋은가?
  • 하나의 정답은 없다. 범위가 명확하고 검증이 쉬운 대량 업무라면 Sonnet을 기본값으로 둘 수 있고, 여러 시스템이 얽힌 복합 개발이나 설계가 많다면 Opus가 더 편할 수 있다. 가장 좋은 방법은 실제 업무 평가를 돌려 품질이 유지되는 최저 비용 지점을 찾는 것이다.
Fable은 언제 경제적인가?
  • 토큰 가격만 보면 가장 비싸다. 그러나 장기 에이전트 작업, 핵심 아키텍처, 보안·권한·데이터 변경처럼 실패 비용이 매우 큰 일에서 오류 확률을 의미 있게 낮춘다면 총비용 기준으로는 합리적일 수 있다.

체크 포인트

작업당 실제 비용토큰 단가가 아니라 재시도, 도구 호출, 캐시, 사람 검토까지 합친 비용이 얼마나 낮아지는지 봐야 한다.
Sonnet과 Opus의 실제 업무 격차벤치마크가 아니라 사내 코드베이스, 문서, 에이전트 업무에서 격차가 계속 줄어드는지가 중요하다.
자동 모델 라우팅업무 난도와 위험도에 따라 모델과 effort를 자동으로 바꾸는 기능이 기업용 AI의 핵심 운영 계층으로 자리 잡는지 확인할 필요가 있다.
Haiku 5.5의 등장Anthropic은 고용량·비용 민감형 Haiku 5.5를 예고했다. 이 모델이 나오면 저비용 대량 처리 시장의 가격 경쟁은 한 단계 더 강해질 수 있다.

인사이트 타임스 편집부

주제로 더 읽기

이 기사의 주제부터, 요즘 많이 읽히는 주제까지

투자 심리와 의사결정, 그리고 투자 책 이야기

AI 에이전트

이 기사의 주제기사 89편모두 보기 →

사람이 한 줄 시키면 여러 단계를 스스로 밟아 일을 끝내는 AI.

클로드 듀엣의 등장, AI가 이제 먼저 말을 걸기 시작했다

AI의 경쟁력이 답변의 정확도에서 ‘언제 개입해야 하는지 판단하는 능력’으로 확장되고 있다. 앤트로픽의 클로드 듀엣은 그 변화를 보여주는 새로운 실험이다.

테크WHAT NEXT

메타 3분기 실적, 광고는 26% 성장했는데 현금흐름은 적자 - AI 투자 1,450억달러의 승부수

매출은 시장 예상치를 넘어섰고, 법률비용을 제외한 주당순이익도 기대 이상이었다. 하지만 영업이익률은 반토막 났고, 잉여현금흐름은 적자로 돌아섰다. 메타는 이제 광고로 돈을 잘 버는 기업에서, 그 돈을 AI에 얼마나 효율적으로 투자하는지 증명해야 하는 기업으로 바뀌고 있다.

투자EXPLAIN

AI는 클라우드로 가는 줄 알았는데, Apple은 다시 책상 위로 가져오고 있다

Mac Studio 네 대가 1조 파라미터 모델을 돌린 장면보다 더 중요한 것은 경제학이다. AI 사용량이 충분히 많고 반복적이라면, 매번 토큰을 사는 것보다 연산 장비를 직접 보유하는 편이 싸지는 지점이 생긴다.

테크SO WHAT

Smartphone showing a Gemini trip widget on an airport cafe table

구글이 앱을 만드는 방식을 바꾼다. 이제 AI에게 말하면 내 화면이 만들어진다

우리는 지금까지 앱이 만들어 놓은 화면에 적응했다. 구글은 이제 AI가 사람마다 필요한 화면을 직접 구성하는 시대를 열려 한다.

테크EXPLAIN

안드레 카파시가 본 AI의 기묘한 격차 : 누군가에겐 어설픈 챗봇, 누군가에겐 수직으로 치솟는 능력

어떤 사람에게 AI는 질문에 엉뚱하게 답하는 챗봇이다. 조금 더 편리한 검색엔진 정도다.

세상이야기EXPLAIN

AI가 손과 발을 얻은 뒤 - 공장보다 더 크게 바뀌는 것은 아이들의 공부와 인간의 일이다

피지컬 AI는 로봇 산업의 유행어가 아니다. AI가 화면 밖으로 나와 현실의 물체를 움직이기 시작하면서, 제조업의 경쟁 방식과 인간이 맡는 일의 경계, 그리고 ‘무엇을 배워야 하는가’라는 교육의 오래된 질문까지 동시에 흔들고 있다.

세상이야기SO WHAT

아마존 상자와 노트북 위 상품 정보 화면, 뒤편의 구글 로고

아마존은 왜 팔지도 않는 상품의 정보까지 모으려 할까?

구글에서 제품을 조사하고 아마존에서 구매하던 시대. AI가 검색과 구매를 하나로 연결하기 시작하자, 아마존은 전 세계 상품 정보의 주도권을 확보하려 한다.

테크WHY

생성형 AI

이 기사의 주제기사 28편모두 보기 →

글, 그림, 소리, 코드처럼 새로운 것을 만들어 내는 AI.

테슬라에서 만난 AI의 미래, 이제 자동차가 사람의 말을 알아듣기 시작했다

“Hey Grok” 한마디에 달라지는 운전 경험. 놀라운 것은 자동차의 기능보다 AI가 일상으로 들어오는 속도다.

세상이야기EXPLAIN

AI가 인간보다 똑똑해지는 시대, 학교는 무엇을 가르쳐야 하는가

2026년 11월 한국의 국가자격시험에서 초소형 카메라와 생성형 AI를 이용한 부정행위가 알려졌다. 스마트안경과 이어폰, 통신기기를 어떻게 찾아낼 것인가가 당장의 과제다. 시험의 공정성을 위해 감독과 규정은 강화해야 한다. 그러나 여기서 논의를 끝내면 더 큰 문제를 놓친다.

세상이야기SO WHAT

AI가 흔해질수록 디즈니의 미키마우스는 더 비싸진다

누구나 멋진 그림을 만들어내는 AI 시대. 디즈니가 지키려는 경쟁력은 그림을 생성하는 기술이 아니라, 누구도 똑같이 만들 수 없는 디즈니만의 세계다.

테크EXPLAIN

Gemini가 밀린 두 달, 구글은 더 큰 전쟁으로 간다

챗봇 점유율에서는 ChatGPT가 다시 앞섰다. 그러나 구글이 노리는 다음 승부는 더 좋은 답변이 아니다. Search·Android·Workspace·Photos·Cloud를 묶어 사용자의 일을 실제로 끝내는 AI 에이전트 플랫폼이다.

테크WHAT NEXT

AI가 일자리를 없애나, 늘리나 - 진짜 문제는 ‘첫 일자리’가 사라지는 속도다

빌 게이츠는 AI가 인간의 인지 노동 자체를 대체할 수 있다고 경고하고, 젠슨 황은 생산성 향상이 더 큰 시장과 더 많은 일을 만든다고 본다. 지금까지의 데이터는 한쪽의 완승보다 더 복잡한 답을 보여준다. 총고용은 아직 무너지지 않았지만, 노동시장에 들어오는 문부터 먼저 좁아지고 있다.

세상이야기REALLY?

업무 매뉴얼을 AI에게 보여줬더니, 일하는 순서부터 다시 설계하기 시작했다

Box Architect와 NVIDIA의 협력. AI가 문서를 읽는 도구에서 기업의 업무를 설계하는 도구로 진화하고 있다.

테크EXPLAIN

AI 경쟁은 ‘챗봇 점유율’에서 ‘행동 레이어’ 경쟁으로 이동한다

ChatGPT가 무너지는 것이 아니다. Gemini, Claude, Copilot이 각자의 유통망을 타고 커지면서 AI의 경쟁 단위가 독립 챗봇에서 검색, 운영체제, 업무도구, 광고, 결제와 연결된 ‘행동 레이어’로 넓어지고 있다. 이제 중요한 질문은 누가 답을 더 잘하느냐보다 누가 사용자의 다음 행동까지 연결하느냐다.

테크EXPLAIN

사이버보안

이 기사의 주제기사 22편모두 보기 →

시스템과 데이터를 공격으로부터 지키는 일.

AI Agent 시대의 진짜 권력자는 모델 회사가 아니라 OS 회사일 수 있다

Apple이 Meta Muse 논란 직후 macOS의 Full Disk Access 통제를 강화하기로 했다. 이 뉴스의 핵심은 보안 패치가 아니다. AI Agent의 경쟁력이 모델 지능만이 아니라, 누가 파일·메일·메시지·결제에 접근할 권한을 통제하느냐에 달려 있다는 점이다.

테크REALLY?

AI 화면이 켜진 금융 상황실에서 직원들이 시장을 지켜보는 모습

AI가 은행을 더 똑똑하게 만들수록 금융시장은 더 불안해질 수 있다

연준 금융안정보고서 설문에서 87%가 AI를 주요 위험으로 지목했다. 문제는 AI가 틀린 판단을 내리는 것만이 아니다. 모두가 같은 정답을 찾아 동시에 행동할 때도 금융시장은 흔들릴 수 있다.

테크EXPLAIN

AI는 이제 답을 잘하는가보다 일을 끝내는가로 평가받는다

앤트로픽이 공개한 두 모델의 진짜 의미는 성능 경쟁이 아니다. 기업의 오래된 숙제를 해결하는 능력, 그리고 그 능력을 누구에게 허용할 것인가의 경쟁이다.

테크SO WHAT

앤트로픽이 상장서류에 적어낸 위험 : AI가 비밀번호를 찾아냈고, 매출의 절반은 빅테크를 거쳤다

AI 에이전트는 실제 외부 시스템에 접근했고, 클로드 매출의 상당 부분은 아마존과 구글 같은 클라우드 사업자를 통해 발생했다. 상장서류의 위험요인은 이 두 사건이 앞으로 비용과 성장에 어떤 영향을 줄 수 있는지 보여준다.

테크WHAT NEXT

AI가 AI를 만드는 시대, 진짜 변화는 ‘연구공장’에서 시작됐다

Claude가 Anthropic AI R&D의 26%를 ‘주도’한다. 더 놀라운 숫자는 90%와 3만 개다. 최첨단 AI 연구소의 생산 방식이 인간 연구자 중심에서 인간이 방향을 정하고 대규모 AI 에이전트가 실행하는 구조로 빠르게 바뀌고 있다.

테크EXPLAIN

AI가 자물쇠를 따는 시대

AI가 공격과 방어를 동시에 바꾸고 있다. 이제 보안의 핵심은 침입 차단뿐 아니라 AI의 권한, 공급망, 복구 능력까지 관리하는 것이다.

테크EXPLAIN

“모델은 믿되, 절대 신뢰하지 마라” - 사티아 나델라가 제시한 슈퍼 인텔리전스 시대의 새로운 원칙

AI 경쟁의 다음 승부처는 지능의 성능만이 아니다. AI에 어떤 권한을 주고, 어떻게 감시하며, 언제 멈출 수 있는지가 기업 경쟁력의 새로운 기준으로 떠오르고 있다.

테크WHAT NEXT

젠슨 황 없는 엔비디아, 1,090억 달러 실적보다 중요한 세 가지 질문

11월 12일 엔비디아는 공동창업자 젠슨 황의 CEO 및 이사회 사임을 발표했다. SEC 공시에 따르면 이사회가 사임을 수리한 날은 11월 11일이다.

투자SO WHAT

젠슨 황이 떠나자, 왜 엔비디아보다 더 불안한 회사들이 생겼을까?

2026년 11월 12일, AI 산업의 상징과도 같았던 젠슨 황이 엔비디아 CEO 자리에서 물러났다는 발표가 나왔다. 1993년 창업 이후 33년 동안 회사를 이끌었던 인물의 퇴장. 충격은 엔비디아 주가에만 머물지 않았다.

투자WHY

말로는 겁을 냈지만, 돈으로는 주식을 샀다 - 이번 주 월가 뷰가 본 두 얼굴의 시장

이번 주 월가에서는 투자자의 말과 돈이 서로 다른 쪽을 가리켰다. 엔비디아가 크게 빠졌는데도 지수는 조금만 내려왔다. 장기투자자가 이 한 주에서 무엇을 확인할 수 있는지 네 가지로 정리했다.

투자EXPLAIN

기술주 급락, 강세장은 끝났을까? 월가의 4년 차트가 말하는 진실

4년간 다섯 번의 두 자릿수 조정에도 살아남은 상승 추세. 그러나 이번에는 AI 기업의 부채와 현금흐름이 새로운 변수로 떠올랐다.

투자WHAT NEXT

젠슨 황의 퇴장, 엔비디아가 잃은 것과 미국 AI 패권이 직면한 딜레마

개인 스캔들로 시작된 사임이 드러낸 것은 한 기업의 경영 공백만이 아니다. 중국을 통제하면서도 미국 기술의 영향력을 유지해야 하는 정책의 모순, 그리고 AI 산업의 실행 속도가 탁월한 한 사람에게 의존해온 취약성이다.

투자SO WHAT

유리 외벽에 ANTHROPIC 기업 로고가 보이는 도심 건물의 보도사진 스타일 이미지

앤트로픽 IPO 1.4조 달러의 진짜 의미, AI 성장에 필요한 돈은 누가 부담할까?

앤트로픽의 IPO는 단순히 거대한 AI 기업 하나가 증시에 입성하는 사건이 아니다. AI 산업이 지금까지의 사모 투자와 빅테크의 자금 지원을 넘어, 공개 주식시장에서 대규모 성장 자금을 조달하는 단계로 진입한다는 의미가 있다.

테크REALLY?

머스크가 내다본 AI 인프라의 다음 단계

네오클라우드의 위기는 왜 스페이스X와 테슬라의 기회가 될 수 있을까

테크WHAT NEXT