2026년 7월 24일 클로드 오푸스5(Opus 5)가 나왔습니다. 발표문을 열면 벤치마크 숫자가 수십 줄 나열돼 있는데, 대부분은 그걸 보고 '그래서 나한테 뭐가 달라지는데?' 하며 창을 닫습니다. 시험 이름도 낯설고, 그 점수가 내 일과 어떻게 연결되는지 알 수 없기 때문입니다.
결론부터 말씀드립니다. 가격은 그대로인데 성능만 올랐습니다. 직전 오푸스 4.8과 100만 토큰당 $5/$25로 완전히 같고, 대신 혼자 일을 끝내는 능력과 컴퓨터를 직접 다루는 능력이 올랐다는 것이 앤트로픽 발표의 요지입니다. 다만 모든 항목에서 1등은 아니고, 확신 없는 답을 자신 있게 말하는 일도 늘었습니다.
이 글은 발표 숫자를 일상어로 옮기고, 체감 변화와 모델 선택, 좋기만 한 것은 아닌 부분까지 순서대로 정리한 안내입니다. 오푸스와 오퍼스는 표기만 다를 뿐 같은 모델(Opus)입니다.
Opus5, 뭐가 좋아졌나 — 가격은 그대로 성능만 올랐습니다
먼저 봐야 할 것은 벤치마크가 아니라 가격표입니다. 오푸스5의 API 가격은 100만 토큰당 입력 $5, 출력 $25. 직전 오푸스 4.8과 1원도 다르지 않습니다. 보통 성능이 오르면 값도 같이 오르는데, 이번엔 값을 묶었습니다. 쓰던 사람은 결제 조건이 그대로입니다.
'성능이 올랐다'가 대체 무슨 뜻일까요
수치를 전부 볼 필요는 없습니다. 일상적으로 의미 있는 것은 세 개이고, 모두 앤트로픽 발표 기준입니다. 첫째, FrontierBench. 터미널에서 74개 실무 과제를 끝까지 수행하는 비율을 재는데, 쉬운 말로 옮기면 '혼자 알아서 일을 끝내는 비율'입니다. 18.7에서 43.3으로 올랐습니다. 딴 길로 새지 않고 끝까지 가는 경우가 두 배 넘게 늘었다는 뜻입니다.
둘째, ARC-AGI-3. 규칙도 목표도 알려 주지 않은 새 게임 환경을 스스로 탐색하는 시험, 즉 '설명서 없는 게임을 던져줬을 때'입니다. 1.52에서 30.16이 됐습니다. 셋째, OSWorld 2.0은 실제 컴퓨터를 마우스·키보드로 조작해 과제를 수행하는 시험, '컴퓨터를 사람 대신 직접 만지는 능력'입니다. 55.7에서 70.6. 셋 다 '대화를 잘한다'가 아니라 '맡긴 일을 혼자 끝낸다'를 재는 쪽입니다.
번역한 세 개 말고 전체 성적표는 이렇게 생겼습니다. Opus 5·Fable 5·Opus 4.8·GPT-5.6 Sol 네 열에 열두 개 항목의 점수가 나란히 붙어 있고, 붉게 칠해진 칸이 그 항목 1등입니다. 절반이 넘는 줄에서 붉은 칸이 오푸스5 쪽에 찍혀 있습니다. 다만 항목 이름만 봐서는 무슨 시험인지 알기 어려워, 각 줄이 무엇을 재는지 오른쪽에 한글 해설을 붙여 뒀습니다. 터미널에서 혼자 일 끝내기, 실무 지식노동, 처음 보는 문제 풀기, 웹을 뒤져 답 찾아오기, 컴퓨터를 직접 조작하기, 업무 자동화, 그리고 법률·의료·생물학까지 한 장에 들어 있습니다.
점수만큼 눈여겨볼 것은 '같은 돈을 써도 더 잘하느냐'입니다. 앤트로픽은 네 개 시험을 같은 구조의 그래프로 냈습니다. 가로축은 과제 하나당 비용, 세로축은 점수. 그래서 왼쪽일수록 싸고 위일수록 잘한다는 뜻이고, 왼쪽 위에 있을수록 좋습니다. 빨간 선이 오푸스5, 노란 선이 페이블5, 파란 선이 직전 오푸스 4.8인데 네 장 모두 빨간 선이 가장 왼쪽 위에 있습니다. 컴퓨터를 직접 조작하기(OSWorld 2.0), 업무 자동화(AutomationBench), 전 분야 초고난도 시험(Humanity's Last Exam, 도구 사용), 터미널에서 혼자 일 끝내기(Frontier-Bench v0.1) 네 가지입니다.
앞에서 옮긴 ARC-AGI-3 점수는 다른 모델과 나란히 놓고 볼 때 뜻이 분명해집니다. 점 하나가 모델 하나입니다. 가로축은 시험 한 번 돌리는 데 든 총비용, 세로축은 점수. 오푸스5만 30점대에 혼자 떠 있고 나머지는 전부 10점 아래에 깔려 있습니다. 앤트로픽 표현을 그대로 옮기면 처음 보는 문제에서는 차순위 모델보다 세 배 높다는 것입니다.
값은 절반인데 점수는 하나 높습니다
개별 점수보다 중요한 건 위치입니다. 독립 분석 기관 Artificial Analysis의 지능 지수와 실사용 가격을 한 장에 놓아 봤습니다. 위로 갈수록 똑똑하고 왼쪽일수록 쌉니다.
비교 대상은 경쟁사가 아닙니다. 페이블5(Fable 5)는 같은 앤트로픽의 최상위 모델입니다. 오푸스5는 지능 61에 $3.85, 페이블5는 60에 $7.70. 값은 절반인데 점수는 하나 높습니다. 이 한 줄이 이번 출시의 실질입니다.
숫자 하나만 기억하시겠다면 이겁니다. 앤트로픽 발표 기준 국제수학올림피아드(IMO) 42점 만점. 도구도 코드 실행도 없이 글로만 풀어서 받은 점수이고, 금메달 컷은 29점이었습니다.
그런데 지는 항목도 있습니다
코딩 벤치마크인 DeepSWE에서는 GPT-5.6이 앞서고, 일부 항목은 여전히 페이블5가 더 잘합니다. 앤트로픽 스스로 시스템 카드에 오푸스5가 페이블5보다 전반적으로 뛰어나지는 않다고 적었습니다. 이 숫자들을 어디까지 믿을 수 있는지는 뒤의 「그럼 좋기만 한가요」에서 따로 다룹니다.
그래서 일반 사용자한테는 뭐가 달라지나요
벤치마크는 남의 시험 성적입니다. 클로드를 쓰는 사람이 느끼는 변화는 네 가지입니다.
첫째, 시키지 않아도 스스로 확인합니다. 답을 내놓기 전에 자기가 검증하고 고쳐서, '다시 확인해봐'라고 되돌리던 일이 줄어듭니다. 둘째, 답이 길어졌습니다. 장황해진 면이 있어서, 짧게 원하면 그렇게 말해야 합니다.
셋째, 컴퓨터를 대신 만지는 일이 늘었습니다. 화면을 보고 직접 클릭·입력하는 작업이 실용 수준에 들어왔습니다. 넷째, 아는 게 제일 최신입니다. 지식 기준 시점이 2026년 5월로, 1월 또는 그 이전인 다른 모델보다 앞섭니다.
그럼 모델은 뭘 켜야 되죠 — 클로드 모델 비교
클로드를 열면 모델이 네 개 뜹니다. 하이쿠 4.5, 소넷5, 오푸스5, 페이블5. 오푸스5가 나왔다고 전부 바꿀 일은 아닙니다. 네 모델은 등급이 아니라 용도로 나뉘고, 비싼 모델일수록 사용 한도도 빨리 닳기 때문입니다.
하이쿠 4.5는 지능 24에 $0.77, 초당 88토큰으로 제일 싸고 제일 빠릅니다. 소넷5는 53에 $1.54로 가성비 기본값. 오푸스5는 61에 $3.85로 지능이 가장 높고, 측정된 출력 속도는 초당 53토큰으로 넷 중 가장 느립니다. 페이블5는 60에 $7.70으로 값이 두 배입니다. 외울 필요는 없고 네 줄이면 됩니다.
짧고 반복되는 일은 하이쿠 4.5, 평소 대화·글쓰기·웬만한 코딩은 소넷5, 어려운 코딩과 오래 걸리는 작업은 오푸스5, 며칠짜리 자동화를 통째로 맡길 때는 페이블5. 소넷5로 막히던 일이 있을 때 오푸스5를 꺼내면 됩니다. 가끔 보이는 미토스5(Mythos 5)는 페이블5와 스펙·가격이 같지만 초청제라 자가 가입이 없어, 신경 쓰지 않으셔도 됩니다.
가격은 기준일이 중요합니다. 위 실사용 가격은 2026년 7월 25일 Artificial Analysis 기준이고 공식 API 정가는 별도입니다. 소넷5 정가는 $3/$15인데 2026년 8월 31일까지 도입가 $2/$10이 적용돼, 9월부터 달라집니다.
그럼 좋기만 한가요
이 부분을 빼면 반쪽짜리 정리가 됩니다. 정확도는 11% 올랐는데, 환각률도 6% 올랐습니다. 앤트로픽이 자기 공식 문서에 '확신하지 못하는 답을 자신 있게 말하는 사례를 놀라울 만큼 많이 발견했다'고 적었습니다.
만든 쪽이 직접 인정한 내용이고, 틀린 답을 확신에 차서 말할 가능성도 올라갔다는 뜻입니다. 반대쪽도 있습니다. '속이지 않기'는 역대 최고입니다. 자동 행동 감사 점수가 2.30으로 직전 4.8의 2.85보다 낮습니다(낮을수록 좋음). 단, 이 채점도 앤트로픽이 직접 했습니다.
보안은 방향을 갈라놨습니다. OSS-Fuzz는 오픈소스 코드의 구멍을 찾는 능력(왼쪽)과 그걸 실제 공격으로 만드는 능력(오른쪽)을 따로 재는 시험인데, 왼쪽은 높을수록 오른쪽은 낮을수록 좋습니다. 취약점 찾기는 오푸스5가 79.4%로 직전 4.8의 61.5%보다 크게 올랐습니다. 방어에 필요한 능력이라 열어 둔 것입니다. 반대로 공격 코드 만들기는 4건에 그칩니다. 미토스5가 13건인 것과 비교하면, 찾는 건 열어 두고 터뜨리는 건 막아 둔 셈입니다.
그런데 이 숫자들, 어디까지 믿을 수 있을까요. 출시 하루 된 모델의 제3자 검증 현황을 직접 확인해 봤습니다.
SWE-bench 공식 리더보드는 2026년 제출이 0건입니다. SWE-bench Pro(Scale AI)에는 신형 모델이 전부 미등재라, 여기저기 인용되는 79~80%는 공식 수치가 아닙니다. Terminal-Bench 2.1과 LMArena 코딩 아레나에도 오푸스5는 아직 없습니다. 반대로 ARC Prize는 직접 실행해 ARC-AGI-3에서 30.16%를, vals.ai는 SWE-bench Verified 97.0%를 확인했습니다.
오푸스5의 자리는 '최고'가 아니라, 최고에 가까운 성능을 절반 가격에 쓰는 모델입니다.
그래서 저는 뭘 하면 되죠
알아 두면 좋은 설정이 하나 있습니다. effort, 모델이 얼마나 오래 생각할지 정하는 값인데 max가 항상 최고는 아닙니다.
medium은 첫 응답까지 5.0초에 지능 56, high는 22.3초에 59, xhigh는 33.8초에 60, max는 62.1초에 61입니다. medium에서 max로 올리면 지능은 5점 오르는데 대기는 12배가 됩니다. 어려운 문제 하나에는 max가 값을 하지만, 주고받기가 잦은 작업에는 medium이나 high가 실용적입니다.
결제를 고민하기 전에 알아 둘 사실도 있습니다. 무료 계정으로도 네 모델을 전부 쓸 수 있습니다. 주간 한도의 50%까지입니다. 지금 모델 드롭다운을 한 번 내려 보시고, 며칠 써 보신 다음 요금제를 정해도 늦지 않습니다.
새 모델이 나왔다고 다 바꿀 필요는 없습니다. 쓰던 게 잘 되고 있으면 그대로 두시고, 막히던 게 있었다면 그때 오푸스5로 한 번 돌려 보시면 됩니다. 값어치는 발표문이 아니라 내 작업에서 확인됩니다.
모델을 고를 줄 알게 됐다면, 다음은 만드는 일입니다
오푸스5를 찾아보셨다면 클로드로 무언가를 만들려는 분일 가능성이 높습니다. 직접 해 보는 것이 가장 좋은 출발입니다. 다만 반복 업무 자동화나 서비스 제작처럼 범위가 커지면, 모델 선택보다 무엇을 어디까지 만들지 정하는 일이 어려워집니다. 그 구간부터는 맡기는 것도 방법입니다.
린디 스튜디오는 AI 자동화와 웹·앱 제작을 외주로 진행합니다. 착수 전에 범위를 확정하고 고정 견적을 드리며, 검색 노출 세팅을 기본으로 포함하고, 런칭 후에도 케어를 이어갑니다. 클로드를 매일 쓰는 팀이 직접 만듭니다.
