소넷 5.5 오퍼스 5.5 중 뭘 쓸지, 제 에이전트 17개의 모델 선택이 이미 답하고 있었습니다

소넷 5.5와 오퍼스 5.5 중 뭘 써야 할지는 가격표만 보면 답이 쉬워 보입니다. 100만 토큰당 입력·출력 단가가 정확히 절반이니 소넷이 유리해 보입니다. 그런데 외부 평가기관 Artificial Analysis가 같은 벤치마크 묶음으로 한 작업당 평균 비용을 재 보니, 소넷 5.5가 약 7.60달러, 오퍼스 5.5가 약 5.98달러로 나왔습니다. 단가는 절반인데 작업 하나를 끝내는 데는 27% 더 든 셈입니다. 저는 이 숫자를 보고 바로 두 모델을 맞바꿔 실험하는 대신, 제가 이미 짜 둔 에이전트 17개의 모델 설정 파일을 다시 열어 봤습니다.

단가는 절반인데 작업당 비용은 왜 더 나오나요?

같은 측정에서 소넷 5.5는 한 작업에 평균 19만 3천 토큰을 썼고, 오퍼스 5.5는 12만 토큰을 썼습니다. 소넷이 쓴 토큰이 오퍼스의 약 1.61배입니다. 단가가 절반이어도 그만큼 더 길게 쓰면 절약은 그대로 사라집니다. 공식 벤치마크 점수도 한쪽으로 쏠리지 않습니다. Anthropic이 공개한 다섯 항목 중 Terminal-Bench는 소넷이 앞섰고(70.6 대 66.4), FrontierCode는 오퍼스가 크게 앞섰고(54.4 대 46.2), GDPval-AA는 사실상 동률입니다(1846 대 1844). 그래서 Anthropic의 안내도 단순합니다. 판단이 필요한 복잡한 작업은 오퍼스, 범위가 분명한 일상 작업은 소넷입니다.

이 기준, 어디서 본 것 같아서 제 설정 파일을 다시 열었습니다

이 구분을 보고 든 생각은 하나였습니다. 저는 지난 7월부터 콘텐츠 자동화를 돌리면서 에이전트 17개를 만들 때, 모델을 하나하나 정해 뒀습니다. 가격표를 보고 맞춘 게 아니라 그 일에 맞는 모델을 그때그때 골랐을 뿐입니다. 그래서 .claude/agents/ 폴더에 있는 설정 파일 17개를 다시 열어, 각 파일의 model 항목이 이 기준과 실제로 겹치는지 세어 봤습니다.

제 에이전트 17개는 이미 이렇게 나뉘어 있었습니다

모델개수맡은 일
소넷16개블로그 글쓰기·뉴스레터·스레드·카드뉴스 문구·유튜브 스크립트·트렌드 리서치·경쟁사 동향·인사이트 정리·콘텐츠 기획·SEO 점수 검수·텍스트 QC·성과분석·발행·이미지 생성 지시
오퍼스1개디자인 결과물을 기준 샘플과 시각 대조해 판정하는 QC

16개 중에는 검수를 맡은 에이전트가 하나 더 있습니다. 이름은 samuel이고, 블로그·SNS 원고가 브랜드 가이드라인·완성도·사실 정확성을 지켰는지 글로 된 기준으로 확인합니다. 오퍼스를 쓰는 유일한 에이전트는 iris입니다. 하는 일도 검수인데, 대상이 글이 아니라 이미지입니다. 카드뉴스·숏폼·블로그 썸네일이 레이아웃 기준 샘플과 닮았는지를 보고 통과·주의·반려를 매깁니다.

같은 "검수"인데 둘의 모델이 다른 이유는 판정 기준의 성격 차이입니다. samuel이 보는 기준은 "SEO 90점 이상인가", "같은 문장이 두 번 나왔는가"처럼 규칙 하나하나를 그대로 대면 끝나는 질문입니다. iris가 보는 기준은 "이 블롭이 기준 샘플만큼 흐르는 모양인가", "강조어 색이 배경과 겹치지 않는가"처럼 경계가 사람의 눈에 달린 질문입니다. Anthropic이 말한 "판단이 필요한 복잡한 작업"에 가장 가까운 자리가 제 조직에서는 이 이미지 대조 자리였습니다.

이게 실험은 아닙니다

여기서 분명히 해 둘 것이 있습니다. 저는 iris를 소넷으로 바꿔서 품질이 떨어지는지, 나머지 16개를 오퍼스로 바꿔서 결과가 좋아지는지 맞바꿔 본 적이 없습니다. 모델 선택은 위의 비용 수치를 보기 전에 이미 끝나 있었고, 이번에 한 일은 그 선택이 Anthropic의 기준과 겹치는지 사후에 세어 본 것뿐입니다. 17개 중 16개가 소넷이라는 사실도 그 결정이 전부 옳았다는 증거는 아닙니다. 다만 작업의 성격(글로 된 규칙 대 눈으로 보는 판단)으로 모델을 나누는 기준이, 제가 의식하기 전부터 제 자동화 안에 이미 있었다는 것은 이번에 처음 확인했습니다.

이전에 이 17개 중 실제로 이름이 불리는 건 몇 개인지 센 적이 있는데, 그때는 "정의했는가 대 불렀는가"를 봤고 이번엔 "어느 모델로 돌리는가"를 봤습니다. 두 번 다 같은 17개 파일이었는데 매번 다른 게 보였습니다.

그래서 지금 뭘 할 건가요?

당장 바꿀 계획은 없습니다. 대신 다음에 새 에이전트를 추가할 때는 이번에 정리한 질문 하나를 먼저 던져 보려고 합니다. "이 일의 통과 기준을 체크리스트로 전부 적을 수 있는가." 적을 수 있으면 소넷부터 써 보고, 적다가 "이건 보고 판단해야 한다"는 문장이 나오면 그때 오퍼스로 넘깁니다. 단가표의 숫자보다, 제가 맡길 일이 규칙인지 판단인지를 먼저 가르는 쪽이 먼저라는 걸 이번에 다시 확인했습니다.

*이 글의 소넷 5.5·오퍼스 5.5 단가와 벤치마크 점수는 2026년 9월 29일 기준 Anthropic 공식 페이지와 Artificial Analysis의 분석을 읽고 정리한 값이며, 전부 각 기관의 자체 보고이고 제가 직접 재현하지 않았습니다. 에이전트 17개의 모델 설정은 2026년 10월 23일 현재 .claude/agents/ 폴더를 직접 열어 확인한 값이고, 모델을 맞바꿔 품질을 비교한 실험은 하지 않았습니다.*

댓글

이 블로그의 인기 게시물

AI 에이전트 팀으로 1인 사업 자동화하기 (2026 실전 가이드)

MBTI 검사 그만하고 클로드한테 물어봐 — AI로 '진짜 내 성향' 진단받는 법

무료 AI 영상 툴 7개, 같은 프롬프트로 직접 돌려봤습니다 — 크레딧·워터마크·사운드 실측표