Opus 4.7은 자율 코딩과 고해상도 비전 작업을 새롭게 정의합니다. 실제 벤치마크에서 GPT-5.4를 어떻게 앞서는지 확인하고, 지금 GPTProto에서 새로운 모델을 사용해 보세요!
TL;DR
Anthropic의 opus 4.7은 수동적인 지원에서 진정한 자율성으로 크게 도약한 모델입니다. 가장 까다로운 소프트웨어 엔지니어링 티켓과 고밀도 시각 데이터 추출을 해결하도록 특별히 설계되었습니다.
많은 사람들이 사소한 개선을 예상했지만, 이번 릴리스는 프로덕션 준비 작업에서 GPT-5.4를 앞서는 최첨단 성능을 선보입니다. 확장된 비전 해상도와 더욱 안정적인 사고 과정을 바탕으로, 챗봇보다는 시니어 아키텍트에 가깝게 작동합니다.
이제 더 이상 자리 표시자만 제공하지 않고 실제 구현을 완성하는 모델을 보고 있습니다. 새로운 effort 매개변수와 개선된 안전 가드레일이 결합되어, 무시하기 어려운 전문적인 기준을 세웠습니다.
Anthropic이 opus 4.7을 막 출시했습니다. 단순한 점진적 업데이트가 아닙니다. 복잡한 풀 리퀘스트를 처리하다가 중간에 맥락을 잃는 AI 모델 때문에 어려움을 겪고 있었다면, 이번 릴리스는 중요합니다. 이전 버전인 4.6에서 직접 업그레이드된 모델로, 가장 어려운 소프트웨어 엔지니어링 작업을 겨냥합니다.
핵심은 이렇습니다. 끊임없이 관리하지 않아도 되는 모델을 우리는 오랫동안 기다려 왔습니다. 4.6도 훌륭했지만, opus 4.7은 장기 작업을 처리하는 방식을 바꿀 정도의 자율성을 선보입니다. 단순히 코드를 제안하는 것이 아니라, 아키텍처를 실제로 이해하는 시니어 엔지니어처럼 행동하기 시작합니다.
GitHub와 Cursor 같은 기업의 초기 피드백은 안정성이 크게 향상되었음을 보여줍니다. 실제로 많은 사용자가 표준 opus 4.7 모델이 이전 세대의 가장 강력한 모델조차 해결하지 못했던 작업을 해결한다고 보고하고 있습니다. 포기하지 않고 몇 시간 동안 문제에 매달릴 수 있다는 점이 핵심입니다.
수치는 무시하기 어렵기 때문에 수치도 살펴보겠습니다. 여기서는 2%나 3%의 향상이 아닙니다. 실제 프로덕션 환경 전반에서 두 자릿수의 개선이 나타나고 있습니다. 단순히 합성 벤치마크를 통과하는 것이 아니라, 실제 저장소의 실제 티켓을 해결하는 것입니다.
AI 코딩에서 가장 큰 문제점 중 하나는 "게으른 모델" 증후군이었습니다. 익숙한 상황이죠. 모델이 상용구 래퍼를 제공한 뒤 "나머지는 직접 채우라"고 말합니다. opus 4.7에서는 이러한 행동이 크게 줄었습니다. 뼈대만 작성하는 것이 아니라 실제 구현을 작성합니다.
Rakuten의 내부 테스트에서 opus 4.7은 이전 버전보다 세 배 많은 프로덕션 작업을 해결했습니다. 유용성이 300% 증가한 것입니다. 특히 낮은 effort와 높은 effort 시나리오에서 차이가 두드러집니다. 이제 낮은 effort로 실행한 opus 4.7이 이전 모델에서 중간 effort가 필요했던 수준의 성능을 냅니다.
"Opus 4.7은 단순히 코드를 작성하는 데 그치지 않고, 변화하는 더 큰 시스템 안에서 해당 코드가 미치는 영향을 추론합니다."
Devin을 만든 팀인 Cognition도 opus 4.7이 어려운 문제에 막혀 포기하지 않는다고 밝혔습니다. 계속해서 반복 개선합니다. 모델이 파일 시스템을 탐색하고 터미널 명령을 실행해야 하는 에이전트 워크플로를 구축하고 있다면, opus 4.7이 새로운 기준이 될 것입니다.
코딩 성능 향상이 주요 화제이지만, opus 4.7의 비전 업그레이드는 일상적인 업무에서 더욱 인상적일 수 있습니다. 이제 모델은 긴 변이 최대 2,576픽셀인 이미지를 처리할 수 있습니다. 이는 이전 Claude 모델 해상도의 세 배가 넘습니다.
단순히 더 잘 "보는" 것만이 아닙니다. 고밀도 데이터 추출에 관한 변화입니다. 복잡한 금융 차트나 건축 설계도를 AI에 입력해 본 적이 있다면, 작은 세부사항을 대개 환각한다는 것을 알 것입니다. opus 4.7에서는 픽셀이 뭉개진 저해상도 이미지로 다운샘플링되지 않고 실제로 처리됩니다.
비전 외에도 보안을 살펴봐야 합니다. Anthropic은 새로운 사이버 보안 가드레일의 첫 공개 테스트베드로 opus 4.7을 사용하고 있습니다. 이는 AI가 자동 해킹 도구로 전락하는 것을 막기 위해 AWS, Apple, Google이 참여하는 대규모 협력 프로젝트인 Project Glasswing의 일부입니다.
미묘한 긴장감이 존재합니다. 내부 Mythos Preview 모델은 0-day 취약점을 너무 잘 찾아내기 때문에 Anthropic은 opus 4.7에서 일부 기능을 의도적으로 제한해야 했습니다. 연구자를 도울 수 있으면서도 악의적인 초보 해커가 전력망을 마비시키는 데 이용할 수는 없는 "안전한" 모델을 만들려는 것입니다.
opus 4.7 파일 분석 기능을 최대한 활용하려면 고해상도 업로드를 처리하는 방식을 이해해야 합니다. 이를 활성화하는 API 스위치는 없습니다. 모델 레이어 자체가 더 큰 크기를 받아들이도록 재학습되었기 때문입니다. 원본 이미지를 그대로 전송하면 됩니다.
다만 토큰을 주의 깊게 확인하세요. 계산식은 대략 (너비 × 높이) / 750입니다. 1메가픽셀 이미지는 약 1,334토큰을 사용합니다. 웹 UI에 이미지 20개를 업로드하거나 API를 통해 600개를 업로드하면 opus 4.7의 비용이 빠르게 누적됩니다.
| 기능 | 이전 Claude (4.6) | 새로운 Opus 4.7 |
|---|---|---|
| 최대 해상도 | 약 1.1MP | 약 3.75MP |
| 긴 변 | 약 1,568px | 2,576px |
| 비전 벤치마크 | 54.5% (XBOW) | 98.5% (XBOW) |
| 토큰 비용 | 토큰당 동일 | 토큰당 동일 |
이 해상도 향상은 컴퓨터 사용 에이전트에 획기적인 변화입니다. opus 4.7이 4K 모니터의 스크린샷을 보고 특정 16x16픽셀 아이콘을 클릭하도록 하려는 경우, 이제 실제로 해당 아이콘을 "볼" 수 있습니다. 이전 모델은 흐릿한 JPEG를 사실상 눈을 찡그리며 보는 수준이었습니다.
스택을 이전할 준비가 되셨나요? 좋은 소식이 있습니다. opus 4.7은 드롭인 교체가 가능합니다. 모델 ID는 claude-opus-4-7입니다. 이미 Amazon Bedrock, Google Vertex AI, Microsoft Foundry에서 사용할 수 있습니다. 하지만 스위치만 켜고 방치해서는 안 됩니다. 해결해야 할 몇 가지 기술적 과제가 있습니다.
먼저 프롬프트를 확인하세요. opus 4.7에서 가장 놀라운 점 중 하나는 지시사항을 따르는 능력입니다. 이제 훨씬 더 문자 그대로 해석합니다. 이전 모델에 창의적인 여지를 주기 위해 "느슨한" 프롬프트를 작성했다면, opus 4.7은 이를 지나치게 엄격하게 따라 경직된 결과를 낼 수 있습니다.
둘째, API를 살펴보겠습니다. 확장된 사고나 도구 스트리밍 같은 기능에 기존 베타 헤더를 아직 사용하고 있다면 정리할 때입니다. 이러한 기능 대부분은 이제 opus 4.7에 기본으로 포함되어 있습니다. 하드코딩된 예산 토큰 대신 적응형 사고 모드로 전환하는 것도 좋습니다.
고급 사용자에게 한 가지 팁을 드리자면, GPT Proto는 OpenAI 및 Google의 모델과 함께 opus 4.7에 액세스할 수 있는 통합 API를 제공합니다. 코드가 단순해질 뿐 아니라, 주요 AI API 비용을 최대 70%까지 절감할 수 있는 경우도 많습니다. 멀티모델 아키텍처를 관리하는 더 스마트한 방법입니다.
애플리케이션이 심층 추론에 의존한다면 특히 opus 4.7 사고 모델 통합을 살펴보세요. 단순히 텍스트를 생성하는 것이 아니라 출력 전에 이루어지는 "사고 과정"에 관한 기능입니다. opus 4.7에서는 이 과정이 더욱 정교해졌고 반복 루프에 빠질 가능성도 줄었습니다.
효과적으로 사용하려면 더 이상 사용되지 않는 thinking: {type: "enabled"} 구문에서 벗어나야 합니다. 대신 새로운 effort 매개변수와 함께 thinking: {type: "adaptive"}를 사용하세요. 이를 통해 모델은 특정 요청의 난이도에 따라 어느 정도의 "사고력"을 사용할지 스스로 결정할 수 있습니다.
claude-opus-4-7로 업데이트하세요.effort-2025-11-24.high부터 시작).Claude Code를 사용한다면 새로운 /ultrareview 명령도 잊지 마세요. 표준 opus 4.7이 첫 번째 시도에서 놓칠 수 있는 버그까지 찾아내도록 설계된 특수 세션입니다. Pro 또는 Max 크레딧을 효율적으로 사용하는 좋은 방법입니다.
사람들이 opus 4.7에서 빠지는 가장 큰 함정은 토크나이저 변경을 무시하는 것입니다. Anthropic은 논리 처리 효율을 높이도록 토크나이저를 업데이트했지만, 그 결과 같은 텍스트 블록도 더 많은 토큰으로 변환됩니다. 동일한 입력에 대해 토큰 수가 1.0배에서 1.35배 증가할 것으로 예상하세요.
또 다른 실수는 "더 좋다"는 것이 항상 "더 쉽다"는 뜻이라고 가정하는 것입니다. opus 4.7은 특히 에이전트 워크플로에서 더 많이 사고하기 때문에 더 많은 출력 토큰을 생성합니다. 한도를 주의하지 않으면 토큰 100만 개당 가격이 $5/$25로 동일하게 유지되더라도 API 청구액이 증가할 수 있습니다.
또한 일부 개발자는 새로운 해상도를 고려하지 않고 opus 4.7 파일 분석을 사용합니다. 모델이 이제 세 배 많은 세부사항을 "보고" 있다는 사실을 인지하지 못한 채 대용량 파일을 전송하면 막대한 토큰 비용이 발생할 수 있습니다. 세부사항이 필요하지 않다면 이미지를 직접 다운샘플링하는 편이 나을 수도 있습니다.
마지막으로 안전 가드레일 문제도 있습니다. opus 4.7은 사이버 보안과 관련해 더욱 신중하도록 학습되었기 때문에, 합법적인 요청이라도 "해킹" 시도처럼 보이면 간혹 거부할 수 있습니다. 화이트햇 연구자라면 이러한 제한을 해제하기 위해 Cyber Verification Program에 신청해야 합니다.
특히 주의할 함정은 "지시사항 확장"입니다. opus 4.7은 지시사항을 매우 엄격하게 따르므로, 서로 충돌하는 목표가 포함된 장황한 프롬프트를 사용하면 모델이 잘못된 부분을 우선시할 수 있습니다. 이전 모델에서는 대체로 "분위기"가 우세했지만, opus 4.7에서는 문자 그대로의 텍스트가 우선합니다.
하지만 반대 측면도 있습니다. 이제 모델이 혼란스러워하지 않으면서 프롬프트에 더 복잡한 논리를 사용할 수 있습니다. 핵심은 명확하게 작성하는 것입니다. 특정 형식을 원한다면 정확하게 정의하세요. 예시를 보고 모델이 원하는 바의 "요지"를 알아서 파악할 것이라고 기대하지 마세요.
max effort를 사용하지 마세요. 토큰 낭비입니다.그렇다면 이상한 거부 응답은 어떻게 해야 할까요? 버퍼 오버플로를 분석하기 위해 오래된 C++ 코드를 요청했는데 opus 4.7이 요청을 "유해함"으로 표시하더라도 좌절하지 마세요. 새로운 안전 레이어가 작동하는 것입니다. 방어적·교육적 맥락을 강조하도록 프롬프트를 다시 작성하면 도움이 되는 경우가 많습니다.
고급 사용자로 활용하려면 새로운 effort 수준을 숙지해야 합니다. Anthropic은 high와 max 사이에 새로운 xhigh 계층을 추가했습니다. 코딩에는 high 또는 xhigh를 기본 시작점으로 사용하는 것이 좋습니다. max는 "왜 작동하지 않는지 전혀 모르겠다"는 순간을 위해 남겨 두세요.
또 다른 고급 기능은 Task Budgets입니다. 하나의 장시간 실행 작업에 대한 토큰 한도를 설정할 수 있는 공개 베타 API 기능입니다. 이를 통해 opus 4.7이 자체 우선순위를 관리할 수 있습니다. 예산을 지키기 위해 어려운 논리에는 더 많은 토큰을 사용하고 사소한 부분은 더 간결하게 처리합니다.
대규모 서비스를 관리한다면 GPT Proto의 스마트 스케줄링을 통해 opus 4.7 웹 검색 도구를 사용하는 것을 고려해 보세요. 플랫폼에서 "성능 우선" 모드(opus 4.7을 모든 작업에 사용)와 "비용 우선" 모드(간단한 쿼리를 더 저렴한 모델로 라우팅) 사이를 자동으로 전환할 수 있으므로 로직을 다시 작성할 필요가 없습니다.
메모리 기능에도 주목하세요. Anthropic의 내부 테스트에 따르면 opus 4.7은 파일 시스템 기반 메모리를 훨씬 더 잘 활용합니다. 서로 다른 세션과 작업 라운드에 걸쳐 메모를 기억합니다. 따라서 이후 프롬프트에 제공해야 할 컨텍스트가 줄어들어 시간이 지날수록 입력 토큰을 절약할 수 있습니다.
xhigh effort 수준은 대부분의 복잡한 엔지니어링 작업에 가장 적합합니다. high보다 추론 깊이를 크게 향상하면서도 max만큼 토큰을 과도하게 사용하지 않습니다. 실제로 Claude Code의 기본 effort는 이제 xhigh로 설정되어 있으며, 개발자에게 가장 균형 잡힌 선택이기 때문입니다.
xhigh와 opus 4.7 사고 및 웹 검색을 결합하면 라이브러리를 조사하고 구현을 구상한 뒤 코드를 작성하는 모델을 얻을 수 있으며, 엄격한 예산도 지킬 수 있습니다. 오늘날 에이전트 도구를 구축하는 가장 효율적인 방법입니다.
"작업 예산을 설정하는 것은 단순히 비용을 절약하는 것이 아니라, 모델이 추론 사이클을 더욱 전략적으로 사용하도록 만드는 일입니다."
수치도 살펴보겠습니다. Rakuten-SWE-Bench에서 opus 4.7의 "낮은 effort"는 4.6의 "중간 effort"와 동일한 성능을 보였습니다. 이는 많은 작업에서 effort 수준을 실제로 낮춰도 지난달보다 더 나은 결과를 얻을 수 있음을 의미합니다. 이것이 바로 ROI를 최적화하는 방법입니다.
따라서 다음과 같이 권장합니다. 현재 워크로드를 점검하세요. 4.6에서 아슬아슬했던 작업은 먼저 medium effort로 opus 4.7에 옮겨 보세요. 최고 수준의 설정 없이도 성능이 크게 향상되는 것을 확인할 수 있을 것입니다.
opus 4.7은 최고 모델들과 비교해 어떨까요? 스프레드시트와 슬라이드 자료 작성처럼 실제 경제적 가치를 테스트하는 최신 GDPval-AA 벤치마크에서 opus 4.7은 이제 최첨단 성능을 보입니다. GPT-5.4 xhigh와 Gemini 3.1 Pro를 제치고 1위를 차지했습니다.
opus 4.7이 놀라운 모델인 것은 분명하지만 Anthropic의 내부 Mythos Preview만큼 강력하지는 않습니다. 그러나 Mythos는 비용이 5배 더 높습니다. 입력 토큰 100만 개당 $5라는 가격을 고려하면, opus 4.7은 고급 추론 분야에서 시장 최고의 가격 대비 성능을 제공합니다.
금융 분석 작업에서 opus 4.7은 작업 간 일관성이 훨씬 뛰어납니다. 스프레드시트에서 설정한 가정을 요약 보고서를 작성할 때 잊지 않습니다. 이러한 일관성이 장난감과 전문 도구를 구분합니다. 이것이 수많은 기업이 프로덕션 파이프라인을 이 특정 모델로 이전하는 이유입니다.
사용 가능한 모든 AI 모델을 살펴보고 싶다면 opus 4.7을 목록 상단에 두어야 합니다. GPT Proto 대시보드에서 모든 Claude 모델과 기타 주요 AI 모델 찾아보기를 통해 지연 시간과 처리량을 실시간으로 비교할 수 있습니다. 이론적인 벤치마크가 실제 지역에서 어떻게 나타나는지 확인하는 가장 좋은 방법입니다.
가장 인상적인 성과 중 하나는 opus 4.7이 "장기 일관성"을 처리하는 방식입니다. Imbue의 한 벤치마크에서 모델은 Rust TTS 엔진 전체를 처음부터 구축했습니다. 여기에는 신경망 모델, SIMD 커널, 브라우저 데모가 포함되었습니다. 그런 다음 음성 인식기를 사용해 자체 작업을 검증했습니다. GPT-5.4가 사람의 개입 없이 완료하는 데 어려움을 겪었던 수준의 다단계 논리입니다.
경제적 현실도 살펴보겠습니다. 엔지니어 비용이 시간당 $150이고 opus 4.7이 기존에 3시간 걸리던 작업을 자동화할 수 있다면, 토큰 비용을 고려해도 ROI는 천문학적입니다. opus 4.7은 도구 호출 오류가 적기 때문에 에이전트를 디버깅하는 시간은 줄고 기능을 출시하는 데 더 많은 시간을 사용할 수 있습니다.
| 지표 | GPT-5.4 xhigh | Opus 4.7 Max | Gemini 3.1 Pro |
|---|---|---|---|
| GDPval ELO 점수 | 1677 | 1698 | 1642 |
| 코딩 (SWE-bench) | 매우 높음 | 최첨단 | 높음 |
| API 비용 (입력/출력) | $15/$75 | $5/$25 | $1.25/$5 |
| 비전 선명도 | 탁월함 | 우수함 | 좋음 |
종량제 방식의 유연성도 잊지 마세요. API 청구를 관리하고 개발이 집중되는 주기에는 확장하거나 유지보수 기간에는 축소할 수 있습니다. Mythos와 같은 모델보다 3~5배 저렴하므로 opus 4.7은 확장 중인 스타트업에 실용적인 선택입니다.
미래의 업무는 단순히 "AI를 사용하는 것"이 아니라 작업에 맞는 AI를 사용하는 것입니다. 현재 코드, 비전 또는 복잡한 문서와 관련된 모든 작업에서 opus 4.7은 분명한 승자입니다. 단순한 업데이트를 넘어, 실무형 전문 모델이 갖춰야 할 새로운 업계 표준입니다.
작성자: GPT Proto
"GPT Proto의 통합 API 플랫폼으로 세계 최고의 AI 모델을 활용하세요."
