Claude Opus 4.6 — 1M 컨텍스트가 아니라 컨텍스트 부패를 다뤘다

Anthropic이 최상위 모델인 Claude Opus 4.6을 공식 출시했다. 이번 릴리스는 단순한 성능 향상을 넘어, AI가 챗봇에서 ’자율적인 동료(Agent)’로 진화하는 전환점을 제시한다. 그 중심에 있는 것은 100만 토큰이라는 숫자 자체가 아니라, 그 숫자를 실제로 쓸 수 있게 만든 방식이다.

1. 1M 토큰 컨텍스트 윈도우와 ‘Context Rot’

Opus 4.6은 Opus 클래스 최초로 100만 토큰 컨텍스트 윈도우를 지원한다. 이는 단순한 용량 증가가 아니라, 대용량 정보를 처리할 때 성능이 떨어지는 ‘Context Rot’ 문제를 기술적으로 해결했다는 점에서 의미가 크다.

문서: https://platform.claude.com/docs/ko/build-with-claude/context-windows

성능 격차 — ‘Needle In A Haystack’ 테스트의 심화 버전인 MRCR v2 벤치마크에서 Opus 4.6은 76%의 정확도를 기록했다. 이전 모델인 Sonnet 4.5가 18.5%였던 것과 비교하면 질적으로 다른 수준의 기억력이다.

MRCR v2 정확도 — 같은 시험, 두 모델긴 컨텍스트에서 필요한 정보를 찾아내는 시험이다. 같은 벤치마크의 점수라 나란히 놓을 수 있다.

Opus 4.676%Sonnet 4.518.5%

Anthropic 발표 수치, 본문 기준.

실질적 활용 — 개발자는 전체 코드베이스나 방대한 법률 문서를 메모리에 상주시키고 작업할 수 있게 됐다. 모델은 처음 입력된 정보와 마지막에 입력된 정보를 동등한 비중으로 처리한다.

2. Agent Teams — 자율 협업의 시작

Claude Code 환경에 도입된 ’Agent Teams’는 단일 모델이 아니라 다수의 AI 에이전트가 팀을 이뤄 작업하는 구조다.

문서: https://code.claude.com/docs/ko/agent-teams
settings.json 이나 환경변수에 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS 를 추가해 활성화한다

작동 방식 — 하나의 ’리더 에이전트’가 전체 작업을 계획하고, 하위 에이전트들에게 코딩·디버깅·테스트를 분배한다. 이들은 자동으로 조율하며 작업을 완수한다.

사례 — Anthropic은 내부 테스트에서 이 기능으로 C 컴파일러를 밑바닥부터 구축하는 데 성공했다. 사용자가 “C 컴파일러를 만들어줘”라고 요청하자 에이전트 팀이 수천 개의 세션을 생성하며 자율적으로 코드를 작성하고 수정했다. “One-shot”으로 복잡한 시스템을 구축하는 멀티 에이전트의 미래를 보여주는 사례다.

3. 사이버 보안 — 500개의 제로데이 취약점 발견

Anthropic은 Opus 4.6의 추론 능력을 사이버 보안에 적용해 효용성을 입증했다.

널리 쓰이는 오픈소스 코드베이스를 대상으로 Opus 4.6을 실행한 결과, 이전에 알려지지 않았던 제로데이 보안 취약점을 500개 이상 발견했다. 공격자가 취약점을 악용하기 전에 방어자가 먼저 패치하는 ‘선제적 사이버 방어’ 수단으로 AI가 활용될 수 있음을 시사한다.

4. 벤치마크

Opus 4.6은 주요 벤치마크에서 경쟁 모델인 GPT-5.2 등을 상회했다.

Terminal-Bench 2.0 (에이전트 코딩): 65.4%로 1위. GPT-5.2와 Gemini 3 Pro를 상회
Humanity’s Last Exam: 다분야 복합 추론에서 1위
GDPval-AA (지식 노동): 금융·법률 등 경제적 가치가 높은 작업 평가에서 GPT-5.2보다 약 144 Elo 앞섰다. 해당 작업에서 약 70% 더 우수한 성과를 낸다는 의미다
BrowseComp (웹 검색): 84.0%
BigLaw Bench (법률): 90% 이상의 정확도

벤치마크별 점수척도가 저마다 달라 한 축의 막대로 그리지 않는다 — Terminal-Bench 의 65.4% 와 BrowseComp 의 84.0% 는 서로 견줄 수 있는 숫자가 아니다.

Terminal-Bench 2.065.4%에이전트 코딩 · 1위

BrowseComp84.0%웹 검색

BigLaw Bench90%+법률

GDPval-AA (GPT-5.2 대비)약 +144Elo지식 노동

Anthropic 발표 수치, 본문 기준. 'Humanity's Last Exam 1위'는 순위만 공개돼 점수가 없어 넣지 않았다.

5. 새로운 API 기능

개발자가 모델의 ’사고 과정’을 더 정밀하게 제어할 수 있는 기능들이 추가됐다.

Context Compaction — 긴 대화나 작업 시 오래된 컨텍스트를 자동으로 요약해 토큰 효율을 높인다. (https://platform.claude.com/docs/ko/build-with-claude/compaction)

Adaptive Thinking — 프롬프트 난이도에 따라 모델이 스스로 깊게 생각할지 빠르게 답할지 결정한다. (https://platform.claude.com/docs/ko/build-with-claude/adaptive-thinking)

Effort Controls — Low, Medium, High, Max 4단계로 모델의 리소스 투입량을 조절해 비용과 지능 사이의 균형을 맞춘다. (https://platform.claude.com/docs/ko/build-with-claude/effort)

6. 업무 도구 통합 — Excel과 PowerPoint

AI를 채팅창이 아닌 실제 업무 환경으로 통합하려는 시도가 강화됐다.

Claude in Excel: 데이터 분석과 처리 기능이 대폭 업그레이드됐다 (https://claude.com/claude-in-excel)
Claude in PowerPoint (Preview): 지시에 따라 슬라이드 구조를 잡거나 내용을 채운다. “챗봇이 아닌 동료(Coworker)“라는 정체성을 강화하는 움직임이다 (https://support.claude.com/en/articles/13521390-using-claude-in-powerpoint)

7. 가격과 시장 상황

성능이 올랐는데도 가격은 입력 100만 토큰당 $5, 출력 100만 토큰당 $25로 동결됐다. 단, 20만 토큰 이상의 프롬프트에는 프리미엄 가격이 적용된다. (https://claude.com/pricing#api)

OpenAI가 Frontier 모델(GPT-5.3/Codex 등)을 발표한 당일 Opus 4.6이 출시되면서, 모델 간 성능·점유율 경쟁은 더 치열해질 전망이다.

Opus 4.6은 1M 토큰의 유효 컨텍스트와 에이전트 팀 기능으로 ’복잡한 장기 작업’을 수행할 수 있는 능력을 증명했다. 특히 벤치마크 수치와 보안 취약점 발견 사례는 이 모델이 실험실을 넘어 실제 산업 현장의 난제를 다룰 준비가 되었음을 보여준다.