Opus는 조언만, 실행은 Sonnet — Anthropic의 Advisor 전략

Anthropic이 2026년 4월 9일 공식 블로그에서 "어드바이저 전략(Advisor Strategy)"을 발표했다. Claude Opus 4.6을 조언자(Advisor)로, Sonnet 4.6 또는 Haiku 4.5를 실행자(Executor)로 조합하여 비용은 낮추면서 성능을 유지하는 멀티모델 아키텍처 패턴이다. SWE-bench Multilingual에서 Sonnet 단독 72.1% 대비 Opus 어드바이저 조합이 74.8%를 기록하면서 비용은 11.9% 절감하는 성과를 보여주었다.

"매 턴마다 비쌀 필요는 없다"는 관찰

Advisor 전략은 "비싼 모델을 매 턴마다 쓸 필요 없다"는 관찰에서 출발한다. Opus가 고수준 전략과 계획을 담당하고 Sonnet 또는 Haiku가 실제 작업을 실행하는 역할 분리 구조가 핵심이다. 실행자가 모든 에이전트 루프 턴을 처리하다가 깊은 추론이 필요한 순간에만 도구 호출(tool call)로 Opus에 자문을 요청하는 선택적 호출 방식을 쓴다. 어드바이저 호출 시 Opus가 전체 대화 컨텍스트에 접근해 상황을 파악한 후 짧은 계획(400~700 토큰)을 반환하는 공유 컨텍스트 구조이며, 어드바이저 토큰은 Opus 요금으로, 실행자 토큰은 Sonnet/Haiku 요금으로 각각 과금돼 Opus가 생성하는 토큰이 소량이므로 총비용이 Opus 단독 대비 대폭 감소한다.

⤢✕

API 호출 안에서 벌어지는 일

Advisor 전략의 내부 동작은 Anthropic Messages API의 도구 호출 메커니즘을 기반으로 한다. API 요청의 주(primary) 모델로 Sonnet 4.6 또는 Haiku 4.5를 지정하는 실행자 모델 설정, tools 배열에 type이 advisor_20260301인 도구를 추가하고 model 필드에 claude-opus-4-6을 지정하는 어드바이저 도구 등록이 먼저 이뤄진다. 실행자가 매 턴마다 작업을 수행하면서 복잡한 판단이 필요한 시점에 advisor 도구를 호출하면, Anthropic API가 이 호출을 투명하게 Opus로 라우팅하고 Opus의 응답을 실행자에게 반환하는 서버 사이드 라우팅이 일어나며, 실행자는 Opus의 전략적 지침을 반영해 작업을 이어서 수행한다.

이 구조에서 Opus는 에이전트 루프에 직접 참여하지 않으며, 실행자의 요청이 있을 때만 개입한다. Opus의 높은 토큰 비용이 소수의 자문 응답에만 발생하도록 설계된 것이다.

⤢✕

헤더 하나와 도구 정의 하나로 끝나는 구현

Advisor 전략은 베타 헤더 하나와 도구 설정 하나로 구현 가능하다. 요청 헤더에 anthropic-beta: advisor-tool-2026-03-01을 포함하고, tools 배열에 아래 구조의 어드바이저 도구를 추가한다.

{
  "type": "advisor_20260301",
  "name": "advisor",
  "model": "claude-opus-4-6"
}

요청 본문의 model 필드에 claude-sonnet-4-6 또는 claude-haiku-4-5를 설정하는 것이 실행자 모델 지정이며, 어드바이저 도구 자체에는 별도 접근 비용 없이 생성된 토큰에 대해서만 각 모델의 기본 요금이 적용된다. 기존 에이전트 코드에 베타 헤더와 도구 설정만 추가하면 되므로 구현 비용이 사실상 제로에 가깝고, 코드 변경 없이 실행자 모델만 교체해 비용-성능 트레이드오프를 조정하는 것도 가능하다.

SWE-bench와 BrowseComp가 보여준 숫자

Advisor 전략의 효과는 벤치마크 결과로 정량적으로 검증됐다.

구성	SWE-bench Multilingual	BrowseComp	비용 절감률
Opus 단독	기준선	기준선	-
Sonnet 단독	72.1%	-	높음
Sonnet + Opus 어드바이저	74.8% (+2.7pp)	-	11.9% 절감
Haiku 단독	-	19.7%	매우 높음
Haiku + Opus 어드바이저	-	41.2% (+21.5pp)	약 85% 절감

Sonnet + Opus 조합은 Sonnet 단독 대비 2.7포인트 성능 향상을 달성하면서 에이전틱 작업당 비용 11.9%를 절감했다. Haiku + Opus 조합은 Haiku 단독 대비 21.5포인트라는 2배 이상의 극적 성능 향상을 보이면서도 Opus 단독 대비 약 85% 비용을 절감했다. Opus가 자문당 400~700 토큰만 생성하므로 전체 대화에서 Opus 비용이 차지하는 비중이 미미하다는 것이 이 결과를 뒷받침하는 토큰 경제학이다.

이 조합이 효과적인 곳

수십~수백 턴의 에이전트 루프에서 대부분의 턴은 Sonnet이 처리하고 아키텍처 결정이나 복잡한 디버깅 시에만 Opus 자문을 구하는 대규모 코드 에이전트, 초당 수천 건의 요청을 처리하는 서비스에서 Haiku를 기본 모델로 쓰되 엣지 케이스 대응 시 Opus를 호출하는 고빈도 API 서비스, Opus 수준의 품질이 필요하나 예산이 제한된 비용 민감 스타트업, 여러 에이전트가 병렬로 동작하는 시스템에서 각 에이전트의 실행자를 경량 모델로 설정하고 공유 어드바이저 하나가 전략을 총괄하는 멀티 에이전트 시스템이 Advisor 전략이 특히 효과적인 시나리오로 꼽힌다.

Anthropic의 Advisor 전략은 "비싼 모델을 매 턴마다 호출할 필요 없다"는 단순한 통찰을 API 수준의 공식 패턴으로 정립한 것이다. Opus를 조언자로, Sonnet이나 Haiku를 실행자로 조합하면 비용은 대폭 절감하면서 성능은 거의 유지하거나 오히려 향상시킬 수 있다. 특히 Haiku + Opus 어드바이저 조합에서 BrowseComp 점수가 2배 이상 뛰는 결과는, 경량 모델의 한계를 전략적 자문으로 극복할 수 있음을 실증한다.