앤트로픽이 Claude Sonnet 5를 공개했다.

표면적으로 보면 새로운 언어모델 출시다. 하지만 이번 발표가 던지는 의미는 단순한 성능 개선에 있지 않다. 앤트로픽은 가장 강력한 모델을 앞세우는 대신, 실제 개발자와 기업이 매일 사용할 수 있는 가격대의 모델을 ‘에이전트 AI 시대의 기본 모델’로 만들겠다는 전략을 분명히 했다.

Claude Sonnet 5는 브라우저와 터미널, 각종 도구를 활용해 계획을 세우고 여러 단계를 거쳐 업무를 끝내는 능력에 초점을 맞췄다. 과거에는 더 크고 비싼 상위 모델이 맡아야 했던 작업을, 이제는 Sonnet급 모델도 일정 수준까지 처리할 수 있도록 만들겠다는 것이다.

이는 AI 경쟁의 기준이 바뀌고 있음을 보여준다.

이제 기업이 원하는 것은 질문 하나에 가장 화려한 답을 내놓는 모델만이 아니다. 수십 단계의 업무를 계획하고, 필요한 정보를 찾고, 파일을 읽고, 코드를 작성하고, 오류를 확인하고, 도구를 호출한 뒤 결과를 검증하는 모델이 필요하다.

AI가 답변하는 시대에서 AI가 일을 수행하는 시대로 넘어가고 있기 때문이다.

“잘 답하는 AI”에서 “끝까지 처리하는 AI”로

생성형 AI 초기 경쟁은 지식과 언어 능력에 집중됐다.

누가 더 자연스럽게 글을 쓰는지, 누가 더 정확하게 코드를 작성하는지, 누가 더 어려운 시험 문제를 푸는지가 주요 기준이었다. 그러나 AI가 업무 현장으로 들어오면서 이 기준만으로는 부족해졌다.

실제 업무는 하나의 질문과 하나의 답으로 끝나지 않는다.

버그를 찾으려면 코드를 읽고, 실행 환경을 확인하고, 재현 테스트를 만들고, 수정안을 작성하고, 다시 테스트해야 한다. 시장조사를 하려면 여러 웹페이지와 문서를 읽고, 정보를 비교하고, 표로 정리하고, 결론을 내야 한다. 고객 데이터를 정리하려면 파일을 열고, 오류를 찾고, 형식을 맞추고, 시스템에 반영해야 한다.

이런 작업은 언어 능력보다 ‘지속성’이 중요하다.

앤트로픽이 Sonnet 5를 “가장 에이전트다운 Sonnet 모델”이라고 표현한 이유도 여기에 있다. 모델이 단순히 다음 문장을 예측하는 데 그치지 않고, 과업을 끝내기 위한 계획을 세우고, 도구를 사용하고, 중간 결과를 점검하고, 실패하면 다시 시도하는 능력을 강화했다는 뜻이다.

Sonnet 5는 브라우저와 터미널 같은 도구를 활용할 수 있고, 이전 Sonnet 모델이 중간에 멈추던 복잡한 업무를 끝까지 수행하는 데 초점을 맞췄다. 개발자가 기대하는 것은 “좋은 답변”이 아니라 “테스트를 통과한 결과물”이라는 점에서, 이 변화는 작지 않다.

AI의 경쟁력은 이제 답변의 문장력보다 업무 완결성으로 이동하고 있다.

Sonnet이 Opus를 닮아간다는 의미

앤트로픽의 모델 구분은 비교적 명확했다.

Haiku는 빠르고 가벼운 모델, Sonnet은 성능과 비용의 균형을 맞춘 모델, Opus는 최고 성능을 지향하는 모델이었다. 복잡한 추론과 고난도 코딩, 장시간 에이전트 작업은 주로 Opus 계열의 영역으로 여겨졌다.

하지만 Sonnet 5는 이 구분을 흔든다.

앤트로픽은 Sonnet 5가 일부 고난도 에이전트 작업에서 Opus 4.8에 가까운 성능을 낼 수 있다고 설명했다. 모든 작업에서 상위 모델을 대체한다는 의미는 아니다. 그러나 비용과 성능을 조절하면서 상당수 실무 과제를 Sonnet급 모델이 맡을 수 있다는 뜻이다.

이것이 중요한 이유는 AI의 가격 구조와 연결되기 때문이다.

최고 성능 모델은 복잡한 연구나 고난도 보안 분석, 중요한 의사결정 지원에는 필요할 수 있다. 하지만 기업이 AI를 수천 명의 직원과 수십 개 업무 시스템에 붙이기 시작하면, 비용은 곧 전략이 된다.

하나의 AI 에이전트가 이메일을 읽고, 문서를 분석하고, 웹을 검색하고, 코드를 실행하고, 결과를 검증하는 과정에서는 토큰 사용량이 급격히 늘어난다. 단순 챗봇보다 훨씬 많은 연산이 필요하다.

이때 성능이 조금 더 높은 모델보다, 충분히 강하면서도 훨씬 낮은 비용으로 대량 운영할 수 있는 모델이 더 큰 가치를 가질 수 있다.

Sonnet 5의 역할은 바로 그 지점에 있다.

앤트로픽은 최고 성능을 원하는 작업에는 Opus를, 일상적인 개발과 리서치, 자동화와 업무 지원에는 Sonnet 5를 배치하는 구조를 만들고 있다. AI 모델 시장이 하나의 ‘최강 모델’을 겨루는 경쟁에서, 업무의 위험도와 비용, 속도에 맞춰 모델을 나누는 다층적 시장으로 바뀌고 있음을 보여준다.

가격은 기능이 아니라 에이전트 전략이다

Sonnet 5는 출시 초기 입력 토큰 100만개당 2달러, 출력 토큰 100만개당 10달러로 제공된다. 이후 기본 가격은 입력 3달러, 출력 15달러로 전환될 예정이다.

이 가격은 단순한 할인 정책이 아니다.

에이전트 AI는 일반적인 질의응답형 챗봇보다 훨씬 많은 토큰을 쓴다. 브라우저를 열어 웹페이지를 읽고, 검색 결과를 비교하고, 코드와 로그를 분석하고, 도구 호출 결과를 다시 판단하는 과정이 반복되기 때문이다.

AI가 한 번 답하고 끝나는 것이 아니라, 여러 번 생각하고 행동하는 구조에서는 토큰 비용이 곧 인건비 대체 효과와 수익성에 직접 연결된다.

따라서 Sonnet 5의 낮은 초기 가격은 개발자와 기업이 더 긴 작업, 더 많은 도구 사용, 더 높은 추론 강도를 부담 없이 실험하도록 유도하는 장치다.

앤트로픽은 Sonnet 5에서 사용자가 작업별로 노력 수준을 조절할 수 있도록 했다. 단순한 요약이나 빠른 코딩 보조에는 낮은 비용과 빠른 응답을 선택하고, 복잡한 리서치나 여러 단계의 자동화에는 더 높은 추론 비용을 투입하는 방식이다.

이는 AI가 단일 제품이 아니라 전력량과 시간, 비용을 조절해 쓰는 컴퓨팅 자원이 되고 있음을 뜻한다.

과거 클라우드 서비스가 CPU와 GPU, 저장공간을 필요에 따라 선택하게 했다면, 이제 AI 서비스는 ‘추론의 깊이’와 ‘에이전트의 지속 시간’까지 선택하게 만들고 있다.

더 강해졌지만, 더 위험하지는 않아야 한다

Sonnet 5 발표에서 또 하나 중요한 축은 안전성이다.

에이전트 AI는 일반 챗봇보다 위험할 수 있다. 모델이 단순히 답변하는 데 그치지 않고 브라우저를 열고, 파일을 읽고, 코드를 실행하고, 시스템 도구를 호출할 수 있기 때문이다.

이 과정에서 프롬프트 인젝션 공격이 발생할 수 있다. 웹페이지나 이메일, 문서 안에 숨겨진 지시문이 AI 에이전트의 행동을 바꾸는 공격이다. 예를 들어 AI가 기업 문서를 정리하다가 악성 지시문을 읽고, 민감한 정보를 외부로 보내거나 잘못된 작업을 수행하도록 유도될 수 있다.

앤트로픽은 Sonnet 5가 이전 Sonnet 모델보다 악의적 요청 거부, 프롬프트 인젝션 저항, 환각과 과도한 동조 현상에서 개선됐다고 밝혔다.

특히 환각과 아첨 문제는 기업용 AI에서 중요하다.

환각은 모델이 사실이 아닌 내용을 그럴듯하게 만들어내는 문제다. 아첨은 사용자의 잘못된 전제나 위험한 판단에 맞장구치며 비판적 검토를 하지 않는 현상이다. AI가 단순 조언자가 아니라 실제 업무를 실행하는 에이전트가 될수록, 이 두 문제는 단순한 품질 문제가 아니라 운영 리스크가 된다.

다만 Sonnet 5가 안전하다는 말이 위험이 없다는 뜻은 아니다.

앤트로픽은 Sonnet 5가 이전 모델보다 강해진 만큼, 사이버 보안 관련 안전장치를 기본 활성화해 출시했다고 밝혔다. 위험한 보안 작업을 실시간으로 감지하고 차단하는 체계를 적용한 것이다.

여기에는 중요한 메시지가 담겨 있다.

AI 기업들은 이제 모델 성능을 높인 뒤 나중에 안전 문제를 보완하는 방식으로는 충분하지 않다는 사실을 알고 있다. 에이전트 모델은 출시 시점부터 어떤 도구에 접근할 수 있는지, 어떤 행동을 차단할 것인지, 누가 어떤 업무에 쓸 수 있는지를 함께 설계해야 한다.

Sonnet 5와 Fable 5, Mythos 5가 보여주는 ‘모델 계급화’

Sonnet 5 발표가 더 주목받는 이유는 같은 시점에 Fable 5와 Mythos 5를 둘러싼 수출통제 문제가 풀렸기 때문이다.

미국 정부는 6월 중순 Fable 5와 Mythos 5에 대한 수출통제를 적용했고, 앤트로픽은 해외 이용자뿐 아니라 미국 내 외국 국적자에게도 접근을 제한해야 했다고 설명했다. 앤트로픽은 실시간으로 국적을 검증하기 어려웠다는 이유로 두 모델의 접근을 전체 사용자 대상으로 중단했다.

그러나 6월 30일 수출통제가 해제되면서 Fable 5는 7월 1일부터 다시 글로벌 이용자에게 제공되기 시작했다.

여기서 주의할 점은 Mythos 5의 상황이다.

Fable 5가 일반 사용자와 기업 고객을 대상으로 재배포되는 반면, Mythos 5는 고도화된 사이버 보안과 생명과학 연구를 위한 제한형 모델에 가깝다. 앤트로픽은 Mythos 5 접근을 우선 승인된 일부 미국 조직부터 복구했고, 더 폭넓은 국내외 파트너 접근은 정부와 협의 중이라고 밝혔다.

이 차이는 AI 모델이 더 이상 하나의 시장에서 동일한 방식으로 배포되는 제품이 아니라는 사실을 보여준다.

일상적 생산성과 코딩, 기업 자동화에 쓰이는 Sonnet 5가 있다. 더 강한 일반 지능과 복잡한 작업을 맡는 Opus가 있다. 강력한 안전장치를 갖춘 고성능 모델 Fable 5가 있고, 제한된 신뢰 파트너에게만 제공되는 고위험 연구 모델 Mythos 5가 있다.

AI 산업은 이제 모델 성능에 따라 제품을 나누는 단계를 넘어, 위험도와 사용 목적, 국가 규제와 접근 자격에 따라 모델을 계층화하는 단계로 들어가고 있다.

수출통제는 AI 모델을 ‘전략 자산’으로 바꿨다

Fable 5와 Mythos 5 사건은 단순한 제품 중단 사고가 아니었다.

이는 미국 정부가 첨단 AI 모델을 반도체와 암호기술, 군사 장비처럼 전략 자산으로 다루기 시작했음을 보여주는 사건이었다.

과거 수출통제는 물리적인 장비와 반도체, 소스코드, 암호 모듈처럼 국경을 넘어 이동하는 제품을 중심으로 작동했다. 하지만 클라우드 기반 AI 시대에는 모델 파일을 해외로 보내지 않아도 된다. 미국 데이터센터에서 작동하는 모델에 해외 사용자가 접속하는 것만으로도 기술 접근이 이뤄질 수 있다.

통제 대상은 이제 제품이 아니라 접근권이다.

앤트로픽이 모델을 전 세계에서 일시적으로 중단한 것도 이런 현실을 보여준다. 사용자의 국적과 위치, 기업의 성격, 작업의 목적을 실시간으로 가려내지 못하면 기업은 가장 보수적인 방식으로 서비스를 닫을 수밖에 없다.

하지만 이는 또 다른 문제를 낳는다.

AI 모델은 연구, 개발, 고객 지원, 교육, 보안 방어, 과학 연구 등 광범위한 영역에서 사용된다. 한 모델의 위험한 활용 가능성 때문에 전체 접근을 차단하면, 합법적이고 공익적인 활용까지 함께 막힐 수 있다.

앤트로픽은 Fable 5와 Mythos 5의 재배포 과정에서 AI 탈옥 공격의 위험 수준을 평가하는 공통 기준이 필요하다고 주장했다. 모델의 안전장치를 우회한 사례가 발견됐을 때, 그것이 실제로 어느 수준의 위험을 뜻하는지 산업과 정부가 같은 기준으로 판단해야 한다는 문제 제기다.

이 논쟁은 앞으로 더 커질 가능성이 높다.

AI 모델의 능력이 높아질수록, 정부는 국가안보와 사이버 보안, 생명과학 위험을 이유로 접근 통제를 강화하려 할 수 있다. 반면 기업과 연구자들은 방어적 보안 연구와 과학 연구, 산업 혁신을 위해 더 넓은 접근을 요구할 것이다.

AI 거버넌스의 핵심은 결국 “누가 어떤 모델을 쓸 수 있는가”가 될 수 있다.

AI 에이전트 시대의 승부는 ‘성능’보다 ‘운영’이다

Sonnet 5는 하나의 모델 출시처럼 보인다.

그러나 그 뒤에는 더 큰 변화가 있다.

첫째, AI는 답변 생성 도구에서 실제 업무를 수행하는 에이전트로 이동하고 있다.

둘째, 기업은 최고 성능 모델보다 비용 대비 충분히 강한 모델을 더 많이 필요로 하게 된다.

셋째, 모델의 능력이 커질수록 안전장치와 접근 통제, 사용 목적 검증은 제품 기능의 일부가 된다.

넷째, AI 모델은 더 이상 누구나 같은 조건으로 사용하는 범용 소프트웨어가 아니라, 능력과 위험도에 따라 다르게 배포되는 전략 자산이 되고 있다.

앤트로픽이 Sonnet 5를 전면에 내세운 이유는 분명하다.

AI 에이전트 시대의 주도권은 가장 강한 모델 하나가 아니라, 많은 기업과 개발자가 실제 업무에 붙일 수 있는 모델에서 나온다. 비싼 최상위 모델이 보여주는 가능성을, 더 낮은 비용으로 더 넓은 사용자에게 확산시키는 모델이 결국 시장을 바꿀 수 있다.

Sonnet 5는 그래서 단순한 중간급 모델의 업데이트가 아니다.

그것은 AI가 “무엇을 알고 있는가”를 경쟁하던 시대에서, “얼마의 비용으로 얼마나 많은 일을 끝낼 수 있는가”를 경쟁하는 시대로 넘어갔다는 선언에 가깝다.