Claude Opus 4.8의 에이전틱 코딩 성능과 운영 아키텍처

점수 상승 뒤에 있는 운영상의 변화

Anthropic은 2026년 5월 28일 Claude Opus 4.8을 공개했다. 코딩과 에이전틱 작업, 추론, 실무 지식 작업에서 Opus 4.7을 넘어섰으며, SWE-Bench Verified 88.6%와 SWE-Bench Pro 69.2%를 기록했다.

Opus 4.8은 Opus 4.7의 직접적인 후속 모델이다. 근본적인 아키텍처와 학습 구조를 유지하면서 특정 영역의 동작을 정밀하게 다듬었고, 가격도 $5/백만 입력 토큰과 $25/백만 출력 토큰으로 유지했다. Max, Team Premium, Enterprise 계정의 기본 모델로 전환됐고, Pro를 포함한 플랜에도 채택됐다.

이번 변경에서 눈여겨볼 부분은 SWE-Bench Pro의 4.9포인트 향상과 Terminal-Bench 2.1의 8.5포인트 상승이다. 자신이 작성한 코드의 오류를 다루는 정직성도 4배 개선됐다. 여기에 Dynamic Workflows 연구 프리뷰와 Low·High·Extra·Max로 구성된 Effort 제어 모드가 추가됐다.

실제 코드베이스에서 벌어진 성능 차이

SWE-Bench는 실제 GitHub 이슈를 해결하는 능력을 측정한다. Verified는 500개의 소프트웨어 엔지니어링 문제로 구성되며, Pro는 더 어려운 문제셋을 사용하는 확장 벤치마크다.

벤치마크           | Opus 4.7 | Opus 4.8 | 향상폭
SWE-Bench Verified | 87.6%    | 88.6%    | +1.0%p
SWE-Bench Pro      | 64.3%    | 69.2%    | +4.9%p
Terminal-Bench 2.1 | 66.1%    | 74.6%    | +8.5%p

Verified의 향상폭은 +1.0%p지만, SWE-Bench Pro에서는 +4.9%p로 벌어진다. Terminal-Bench 2.1은 66.1%에서 74.6%로 올랐다. 단순한 코드 자동완성보다 여러 단계를 거쳐야 하는 에이전틱 작업에서 변화가 더 뚜렷하다는 점을 보여준다.

작업에 맞춰 추론 강도를 고르는 Effort Control

Opus 4.8은 요청마다 추론 깊이를 달리할 수 있다. Low는 빠른 응답과 낮은 토큰 소모가 필요한 작업에, High는 일반적인 코딩 작업에 대응한다. Extra는 더 깊은 분석을, Max는 정확도가 우선인 멀티스텝 작업을 겨냥한다.

⤢✕

High 모드는 Opus 4.7의 기본 설정과 비슷한 토큰 사용량으로 더 높은 성능을 제공한다. 모든 요청에 가장 깊은 추론을 적용하는 대신, 검색·조회와 복잡한 코드 변경을 구분해 비용과 응답 특성을 조절할 수 있다.

복잡도를 평가한 뒤 추론과 도구를 연결한다

적응적 추론은 작업의 복잡도를 모델이 판단하고 필요한 추론 단계를 선택적으로 활성화하는 구조다. 단순 요청은 바로 응답하고, 복잡한 멀티스텝 요청은 추론 결과를 바탕으로 도구나 에이전트를 호출한다.

⤢✕

이 구분은 조회 요청에서 불필요한 추론 오버헤드를 줄이면서도, 에이전틱 루프에서는 더 깊은 판단을 사용할 수 있게 한다.

장기 실행 대화에는 미드-컨버세이션 시스템 메시지도 활용할 수 있다. 기존처럼 대화 시작 시점에만 시스템 프롬프트를 두는 대신, messages 배열의 사용자 턴 직후에 role: "system" 메시지를 삽입할 수 있다. 전체 시스템 프롬프트를 반복하지 않고 변경된 지시만 전달할 수 있으며, 이전 턴의 프롬프트 캐시 히트를 유지해 입력 비용을 줄이고 컨텍스트 관리도 단순화한다.

Dynamic Workflows가 서브에이전트를 조율하는 방식

Dynamic Workflows는 Claude Code에 들어간 연구 프리뷰 기능이다. Enterprise, Team, Max 플랜 사용자에게 제공되며, 한 세션에서 수백 개의 병렬 서브에이전트를 조율해 큰 문제를 분해하고 결과를 다시 합친다.

⤢✕

운영 한계도 정해져 있다. 전체 서브에이전트는 1,000개까지 만들 수 있고, 동시에 실행할 수 있는 수는 16개다. 워크플로우 플랜은 JavaScript 변수에 저장되며 Claude의 컨텍스트 창 밖에서 관리된다. 대규모 작업을 지원하되 리소스가 무제한으로 늘어나지 않도록 둔 경계다.

코드 정직성은 리뷰 파이프라인의 입력 신호다

Anthropic의 발표에 따르면 Opus 4.8은 Opus 4.7보다 자신이 작성한 코드의 결함을 무시하거나 묵인하는 빈도가 약 4배 낮다. 이 변화는 코드 생성 점수와 별개로, 모델이 불확실성과 오류를 어떻게 드러내는지에 관한 개선이다.

모델이 표시한 문제는 다운스트림 리뷰 파이프라인에서 우선 검토 신호로 사용할 수 있다. 자동 코드 심사의 신뢰도를 높이고, 에이전틱 루프에서 오류가 다음 단계로 전파될 가능성을 낮추는 데도 연결된다. 프런티어 모델의 정직성은 윤리적 수사에 그치지 않고 자동화 시스템의 신뢰성과 안전성을 좌우하는 엔지니어링 속성이다.

가격을 유지하면서 응답 속도와 토큰을 조절한다

표준 모드의 가격은 Opus 4.7과 같다.

모드	입력	출력
표준 모드	$5 / 백만 토큰	$25 / 백만 토큰
Fast 모드	$10 / 백만 토큰	$50 / 백만 토큰

Fast 모드는 Opus 4.8보다 2.5배 빠르며, Opus 4.7의 Fast 모드보다 3배 저렴해졌다. 실시간 응답이 필요한 에이전틱 워크플로우에서는 속도와 비용을 함께 비교할 수 있는 선택지다.

비용을 더 낮추는 수단으로는 최대 90%를 절감하는 프롬프트 캐싱과 최대 50%를 절감하는 배치 처리가 있다. Effort 모드로 작업 복잡도에 맞춰 토큰 사용량을 조절할 수도 있다. 장기 실행 에이전트에서는 미드-컨버세이션 시스템 메시지와 프롬프트 캐싱을 함께 사용해 반복 입력을 줄이는 구성이 가능하다.

기본 모델 전환이 보여주는 배포 판단

2026년 상반기 소프트웨어 엔지니어링 벤치마크에서 Opus 4.8의 SWE-Bench Verified 88.6%는 업계 최상위권에 해당한다. 실제 코드베이스를 다루는 에이전틱 시스템의 기반 모델로 배치할 수 있는지를 판단할 때 성능뿐 아니라 가격 동등성, 안정성, 기존 워크플로우 호환성이 함께 고려됐다.

⤢✕

Opus 4.8은 이 조건을 충족해 Pro, Max, Team, Enterprise 플랜의 기본 모델로 채택됐다. 벤치마크 점수만 높은 실험적 모델이 아니라 프로덕션 환경에 놓을 수 있는 모델로 평가됐다는 의미다.

코딩 파이프라인에 배치할 때의 선택 기준

일반적인 코딩 작업은 High를 기준으로 두고, 단순 코드 검색에는 Low를 적용할 수 있다. 대규모 리팩터링이나 여러 파일을 함께 바꾸는 작업은 Dynamic Workflows로 분해한다. 실행 중 지시가 달라질 때는 미드-컨버세이션 시스템 메시지로 컨텍스트를 갱신해 캐시 효율을 유지하고, 즉각적인 반응이 필요한 인터랙티브 코딩 지원에는 Fast 모드를 배치하는 식이다.

자동 코드 리뷰에서는 4배 개선된 코드 정직성을 활용할 수 있다. 모델이 스스로 발견한 결함을 플래그하면 CI/CD 파이프라인의 리뷰 에이전트가 이를 우선 신호로 넘기고, 사람 리뷰어는 검토 범위를 합리적으로 좁힐 수 있다.

SWE-Bench Verified 88.6%, SWE-Bench Pro 69.2%, Terminal-Bench 2.1 74.6%는 Opus 4.8이 전작보다 앞선 범위를 수치로 보여준다. 실제 도입 판단에서는 이 점수와 함께 Effort Control, Dynamic Workflows, 미드-컨버세이션 시스템 메시지, 코드 정직성, 기존 가격 구조를 하나의 운영 조건으로 봐야 한다.