Claude Sonnet 5의 에이전틱 실행과 모델 라우팅 전략

도구를 여러 번 써도 목표를 놓치지 않는 실행 루프

Anthropic은 2026년 6월 30일 Claude Sonnet 5를 출시하고 Free·Pro·Max·Team·Enterprise 사용자의 기본 모델로 설정했다. 이 모델은 계획 수립, 브라우저·터미널 도구 사용, 복잡한 다단계 작업의 자율 실행에 초점을 둔다. Opus 4.8에 근접한 에이전틱 성능을 실용적 비용으로 제공하며, 가장 에이전틱한 Sonnet으로 평가받는다.

핵심은 사용자가 매 단계 개입하지 않아도 복잡한 작업을 완수하도록 설계된 계획-실행 순환이다. 모델은 계획(Plan), 실행(Act), 관찰(Observe), 반성(Reflect)을 반복하면서 목표를 하위 목표로 나누고, 결과에 따라 다음 행동을 결정한다.

계획 단계에서는 작업을 하위 목표(subgoal)로 분해하고 실행 순서를 세운다. 확장 사고(extended thinking) 예산 안에서 도구 호출 이전의 계획을 명문화한다.
실행은 각 하위 목표에 맞는 도구 호출로 이어진다. 실패하면 다른 경로를 찾는다.
중간 결과는 자기 검증(self-verification)으로 확인하며, 목표에 미달하면 루프에 다시 들어간다.
완료 조건을 판별해 이미 끝난 작업을 불필요하게 반복하지 않도록 한다.

⤢✕

브라우저와 터미널처럼 출력 형식이 다른 도구를 다룰 때는 호출 자체보다 결과를 이어 붙이는 능력이 중요하다. Sonnet 5는 정의된 tool schema의 파라미터 타입과 필수 필드를 지키고, 독립적인 호출은 병렬로 발행하며, 브라우저 DOM과 터미널 stdout/stderr 같은 비정형 출력을 해석한다. 타임아웃이나 비정상 종료가 나면 재시도 또는 우회 경로도 자율적으로 선택한다.

Terminal-Bench 2.1에서는 80.4%를 기록해 Opus 4.8의 74.6%를 앞섰다. 터미널 기반 에이전틱 워크플로에서는 상위 모델보다 나은 결과를 보인 셈이다.

다단계 실행이 수십 회의 도구 호출로 길어지면, 처음 받은 목표와 누적 제약을 끝까지 보존하는 일이 성능을 좌우한다. Sonnet 5는 대화 궤적 전체에서 원래 지시를 참조하고, 완료한 행동과 미완료 항목을 구분해 중복 작업을 줄인다. 컨텍스트 윈도 한계에 가까워져도 핵심 상태를 우선 보존하는 방향으로 컨텍스트 관리가 개선됐다.

Sonnet 4.6에서 달라진 신뢰성 지표

Sonnet 5는 Sonnet 4.6보다 추론, 도구 사용, 코딩, 지식 작업 전반에서 개선됐으며 게시된 모든 벤치마크에서 4.6을 앞선다. 안전성 평가에서도 바람직하지 않은 행동 비율이 4.6보다 전반적으로 낮아 에이전틱 컨텍스트에서 더 안전하다.

항목	Sonnet 4.6	Sonnet 5	개선
SWE-bench Pro (에이전틱 코딩)	58.1%	63.2%	+5.1%p
OSWorld-Verified (컴퓨터 사용)	개선 이전	81.2%	대폭 향상
Terminal-Bench 2.1	하회	80.4%	Opus 4.8 상회
HLE (전문가 난이도 추론)	개선 이전	57.4%	향상
부적절 행동 비율	기준	더 낮음	안전성 향상

기본 모델 변경이 애플리케이션에 미치는 영향

Sonnet 5는 출시와 함께 Free·Pro의 기본 모델이 됐고, Max·Team·Enterprise에서도 제공된다. 모델 문자열을 명시하지 않은 애플리케이션은 이 자동 전환의 영향을 즉시 받을 수 있다.

계획 지향적이고 자율적인 실행 성향이 강해지면서 기존 프롬프트가 기대하던 출력과 달라질 수 있다. 가격은 입력·출력 100만 토큰 기준으로 8월 31일까지 $2/$10이며, 이후 $3/$15로 조정된다. 확장 사고와 다단계 실행 때문에 작업당 토큰 소비가 늘 수 있으므로 비용 예측도 다시 확인해야 한다.

마이그레이션 검증에서는 모델을 claude-sonnet-5로 명시적으로 고정하고, 대표 프롬프트 골든셋을 다시 실행해 품질 지표를 확인하는 편이 낫다. tool schema 파싱과 호출, 입력·출력 토큰 예산, 거부·필터링 동작, p95 응답 시간도 함께 검증 대상이 된다.

검증 항목	확인 내용	통과 기준
모델 ID 고정	`claude-sonnet-5`로 명시적 지정 여부	자동 전환에 의존하지 않음
회귀 테스트	대표 프롬프트 골든셋 재실행	품질 지표 유지·향상
도구 스키마 호환	tool schema 파싱·호출 정상 동작	도구 오류율 임계치 이하
토큰 예산	작업당 입력·출력 토큰 재측정	예산 초과 없음
안전 정책	거부·필터링 동작 재검증	정책 위반 미발생
레이턴시 SLA	p95 응답 시간 측정	SLA 준수

답변 품질이 아니라 완료된 작업으로 평가하기

에이전틱 모델은 단발 응답의 품질만으로 평가하기 어렵다. 실제 운영에서는 작업이 최종 목표에 도달했는지와, 그 과정에서 어떤 비용과 실패가 발생했는지를 봐야 한다.

Task Success Rate는 다단계 작업의 최종 목표 달성 비율이다.
Step Efficiency는 목표를 달성하는 데 든 도구 호출과 토큰 수를 본다.
Tool Call Accuracy는 tool schema 준수와 파라미터 정확도를 측정한다.
Recovery Rate는 오류 뒤 자율 복구에 성공한 비율이다.
Cost per Completed Task는 완료 작업 1건당 총비용으로, 핵심 운영 지표가 된다.

Sonnet 5는 저·중 노력(effort) 구간에서 비용 대비 성능이 좋지만, 최고 노력(xhigh) 구간에서는 유사 품질에 Opus 4.8보다 비용이 커질 수 있다. 저·중 난이도 배치와 에이전트 루프에는 Sonnet 5를 기본으로 두고, 최고 난이도와 심층 추론에는 Opus 4.8을 선택적으로 승격하는 방식을 고려할 수 있다. 작업 복잡도 신호를 기준으로 모델을 자동 선택하는 게이트도 이 정책에 맞는다.

프로덕션 선택지로 보는 Sonnet 5와 경쟁 모델

항목	Claude Sonnet 5	Claude Opus 4.8	GPT-5.6
포지셔닝	최고 가성비 에이전틱 미드티어	최상위 심층 추론	플래그십(제한 프리뷰)
SWE-bench Pro	63.2%	69.2%	미공개(일반 미출시)
Terminal-Bench 2.1	80.4%	74.6%	미공개
입력 가격(100만 토큰)	$2→$3	$5	미공개
출력 가격(100만 토큰)	$10→$15	$25	미공개
가용성	전 플랜 즉시	상위 플랜	제한 프리뷰
API 모델 ID	`claude-sonnet-5`	`claude-opus-4-8`	미확정

Sonnet 5는 Opus 4.8 성능의 상당 부분을 약 1.7배 저렴한 가격에 제공하며, 터미널 기반 워크플로에서는 Opus 4.8을 앞선다. GPT-5.6은 발표됐지만 제한 프리뷰 상태라 일반 이용이 불가하다. 2026년 7월 시점에 즉시 배포할 수 있는 프로덕션 선택지로는 Sonnet 5가 실질적인 대안이다.

모델 선택은 기술 성능만으로 끝나지 않는다. 총소유비용(TCO), 거버넌스, 리스크를 함께 판단해야 한다. 완료 작업당 비용에는 도입 가격 종료 후의 인상도 반영해야 하며, 즉시 배포 가능성과 응답 시간 보장도 가용성·SLA 관점에서 점검해야 한다. 에이전틱 자율성이 넓어질수록 데이터 접근과 감사 추적 요구도 커진다. 모델 ID 고정과 멀티벤더 추상화 계층은 벤더 종속성을 완화하는 설계 수단이다.

2026년 하반기 AI 모델 시장은 더 큰 모델보다 더 자율적이고 저렴한 에이전트 쪽으로 무게중심이 이동하고 있다. Sonnet 5의 전 플랜 기본화는 에이전틱 실행이 프리미엄 기능에서 표준 기능으로 옮겨가고 있음을 시사한다. 모델 라우팅, 비용 관측성, 에이전트 거버넌스를 함께 정비해야 하는 이유다.