#052 | 0.8%포인트 안에 숨죽이던 AI들이 갑자기 고개를 들었다 — 클로드 오퍼스 4.7이 바꾼 것
2026. 4. 17.
이 글은 "대기업 임부장의 AI 이야기" 블로그 연재 시리즈입니다. AI를 업무와 일상에 접목하는 50대 유통플랫폼단장의 실전 이야기를 담습니다.
"단장님, 검증까지 다 해놨습니다"
솔직히 말하겠습니다.
저는 2주 전까지만 해도 클로드에게 일을 시키면 20분에 한 번씩 화면을 들여다봤습니다. 바이브 코딩이라는 게 그럴싸해도, 막상 써보면 AI가 중간에 길을 잃고 "이거 맞나요?" 하고 묻는 일이 꽤 잦았거든요. 보고서 하나 시켜놓고 딴짓하면 어김없이 "여기서 멈췄습니다" 알림이 와 있는 식이었습니다.
그런데 어제 오후, 퇴근 전에 평소처럼 "이 엑셀 분석하고 3페이지 보고서 초안 만들어줘"를 시켜두고 외근을 다녀왔습니다. 2시간 뒤 돌아와서 화면을 보니 — "검증까지 마쳤습니다. 세 가지 케이스에서 의심되는 지점이 있어 재확인했고, 결과는 아래와 같습니다."
저한테 묻지도 않고, 멈추지도 않고, 스스로 자기 작업을 검증한 뒤에 결과를 내놨습니다. 지난 1년간 써온 AI 중에서 처음 있는 경험입니다.
그제서야 알았습니다. 그날 오전에 조용히 출시된 클로드 오퍼스 4.7 때문이라는 걸. 오늘은 그 이야기를 해보겠습니다.
먼저, 2026년 4월 AI 판도 30초 정리
사실 지난 1년 동안 우리는 "AI는 다 거기서 거기"라는 말을 많이 들었습니다. 실제로 그랬습니다.
GPT-5.4 (OpenAI), Gemini 3.1 Pro (Google), Opus 4.6 (Anthropic). 이 셋은 대표적인 코딩 벤치마크 SWE-bench에서 불과 0.8%포인트 안쪽에 몰려 있었습니다. 누가 더 좋은지 체감이 안 되는 수준. 업계에서는 이걸 "평준화(convergence)" 또는 "데드락(deadlock)"이라고 불렀죠.
그런데 2026년 4월 16일, 이 교착 상태가 깨졌습니다. Anthropic이 클로드 오퍼스 4.7을 조용히 내놓으면서요. 그냥 블로그 한 줄과 함께 올라왔습니다. 그리고 실무자들이 써보고 난 뒤, 개발자 커뮤니티가 시끄러워졌습니다.
숫자 세 개로 요약됩니다. SWE-bench Verified 80.8% → 87.6%(한 세대 건너뛴 도약). CursorBench 58% → 70%(개발자 일상 벤치마크). 시각 정확도 54.5% → 98.5%(이건 오타가 아닙니다).
평준화 시대가 끝났습니다.
미토스(Mythos)의 그림자 — 안전하게 길들여진 야수
여기서 재미있는 뒷이야기 하나.
사실 Anthropic이 가장 자랑하고 싶어 하는 모델은 4.7이 아닙니다. 클로드 미토스(Mythos) Preview라는 게 따로 있습니다. 성능만 놓고 보면 4.7보다 훨씬 강력합니다. SWE-bench Pro에서 4.7이 64.3%를 받을 때, Mythos는 77.8%를 받았으니까요.
그런데 이 Mythos는 일반에 풀지 않습니다. 왜냐하면 너무 강력해서, 특히 사이버 보안·취약점 공격 같은 고위험 영역에서 오용될 위험이 있기 때문입니다. Anthropic은 Project Glasswing이라는 프로그램으로 Mythos를 제한된 소수 조직에만 공개해서 쓰게 하고 있습니다.
그 대신, Mythos의 추론 능력은 이식받되 위험 영역은 '길들여진' 형태로 나온 게 바로 오퍼스 4.7입니다.
그러니까 우리가 지금 쓰는 오퍼스 4.7은 "사나운 야수를 안전하게 길들여 상용화한 모델"이라고 이해하시면 됩니다. Mythos의 성능에서 위험 부분만 덜어낸 파생형이자, 진짜 야수에게 다가가기 전 실무자들이 먼저 경험해볼 수 있는 가장 강력한 공식 모델입니다.
숫자로 보는 도약 — 0.8%포인트에서 10.9%포인트로
| 벤치마크 | Opus 4.6 | Opus 4.7 | GPT-5.4 | Gemini 3.1 Pro |
|---|---|---|---|---|
| SWE-bench Verified | 80.8% | 87.6% | — | 80.6% |
| SWE-bench Pro | 53.4% | 64.3% | 57.7% | 54.2% |
| CursorBench | 58% | 70% | — | — |
| GPQA Diamond (대학원 추론) | 91.3% | 94.2% | 94.4% | 94.3% |
대학원 수준 추론(GPQA)은 이미 모든 모델이 94% 언저리로 포화 상태입니다. 여기서 갈리지 않습니다.
승부는 "실제 개발 작업을 끝까지 해낼 수 있는가"로 옮겨갔고, 이 지점에서 4.7이 확연히 앞서 나갔습니다. 특히 SWE-bench Pro에서 10.9%포인트 점프는 작년 한 해를 통틀어 가장 큰 세대 간 격차입니다.
Before / After — 2시간 자율 주행의 의미
Before · Opus 4.6 (감독 가능한 작업): 20~30분마다 중간 개입. "이렇게 할까요?" 중간 질문 빈번. 길을 잃으면 사람이 개입. 결과도 재검증 필요.
After · Opus 4.7 (자율적 에이전트): 2시간 연속 작업 중단 없음. 결과 보고 전 스스로 검증 테스트. "3가지 의심, 2개 통과, 1개 수정" 리포트. 지켜볼 필요 없이 믿고 맡길 수 있음.
Anthropic이 공식 발표에서 쓴 표현: "사용자들이 그동안 가까이서 감독해야 했던 가장 어려운 코딩 작업을 이제는 오퍼스 4.7에게 자신 있게 위임할 수 있다."
실무에서는 이 차이가 "생산성 3배" 같은 이야기가 아니라, AI에게 맡길 수 있는 일의 종류 자체가 달라진다는 질적 변화로 옵니다.
시각 지능 3배 — 이건 오타가 아닙니다
시각 정확도가 54.5%에서 98.5%로. 무려 44포인트 점프입니다.
무엇이 바뀌었냐면, 이미지 해상도 지원이 기존 대비 3.3배로 뛰었습니다. 최대 2,576픽셀(약 3.75메가픽셀)까지 원본 그대로 처리합니다. 이건 API 설정이 아니라 모델 자체의 변화입니다.
실무에서 쓸 수 있는 활용 시나리오 3가지: 서브픽셀 UI QA(Figma 디자인과 코드를 비교해 1px 차이까지 감지), 다이어그램·차트 분석(빼곡한 차트/구조도를 코드·엑셀로 역변환), 화이트보드 요약(손글씨 회의실 낙서를 마크다운 정리본으로).
📌 제가 직접 해본 것: 어제 해본 실험은 10년치 매출 구조도 한 장을 엑셀 데이터로 정확히 옮기는 것이었습니다. 지난 버전(4.6)에서는 절반쯤 헛소리였는데요. 회의실 화이트보드에 갈겨 쓴 제 악필도 읽어냅니다. 이건 정말입니다.
X-High의 등장과 가성비 역전
4.7의 또 다른 핵심은 추론 깊이를 사용자가 조절할 수 있게 된 것입니다. 기존엔 Low / Medium / High / Max 4단계였는데, 이번엔 High와 Max 사이에 X-High가 새로 들어왔습니다.
클로드 코드(Claude Code)의 기본값이 X-High로 상향되었습니다. "가만히 두면 알아서 깊게 생각해라"가 기본 옵션이 된 겁니다.
여기서 놀라운 가성비 역전이 나옵니다. 오퍼스 4.7의 'High' 레벨은, 4.6의 'Max' 레벨보다 토큰을 훨씬 덜 쓰면서도 성능은 더 뛰어납니다. 지난달까지 비용이 부담돼서 4.6 Max를 아끼던 분이라면, 이제 4.7 High로 같은 일을 더 싸게, 더 잘 끝낼 수 있습니다. 단, 함정도 있습니다.
/ultra_review — 시니어 개발자의 보조 시선, 무료로
4.7이 데리고 온 또 하나의 신기능. 슬래시 명령어 하나로 실행되는 멀티 에이전트 코드 리뷰 시스템입니다.
클로드 코드 터미널에서 /ultra_review 한 줄이면, 여러 에이전트(보안 담당, 로직 담당, 성능 담당, 스타일 담당)가 동시에 달려들어 같은 코드를 각자의 관점에서 리뷰합니다. "시니어 개발자 4명이 동시에 PR을 본 것 같은 리포트"를 내놓습니다.
소요 시간 5~10분, 비용 무료(Pro·Max 유저 대상). 사람 리뷰를 대체하는 건 아니고, 놓친 논리·설계 버그를 한 번 더 걸러주는 용도입니다.
실무 추천: 머지(Merge) 전 체크포인트로 쓰세요. PR 올리기 직전 한 번만 돌려봐도, 단일 에이전트 리뷰가 늘 놓치던 교차 파일 로직 버그를 꽤 잡아냅니다.
숨겨진 함정 — 월말 청구서 폭탄을 조심하세요
여기서부터는 "임부장의 솔직 후기" 모드입니다. 좋은 소식만 전하면 불공평하니까요.
함정 1. 토크나이저 변경으로 소리 없이 늘어난 토큰 수 — API 가격은 그대로입니다(입력 $5/M, 출력 $25/M, 4.6과 동일). 그런데 4.7은 토크나이저가 바뀌었습니다. 같은 한글 텍스트를 넣어도 1.0배~1.35배 더 많은 토큰으로 인식됩니다. 특히 한국어·코드·긴 문서일수록 증가폭이 큽니다.
함정 2. X-High 기본값 = 깊은 추론 = 더 많은 토큰 — 동일한 API 가격 + 최대 1.35배 입력 토큰 증가(토크나이저 변경) + X-High 기본값(깊은 추론) = 초고속 예산 소진.
⚠ 주의 — 4.6 시절처럼 방치하면, 월말 청구서가 1.5~2배로 찍힐 수 있습니다. 실무자가 반드시 인지해야 할 부분입니다.
대응책: Task Budgets 설정(공개 베타) — 에이전트 작업 단위로 토큰 예산 상한선을 설정할 수 있습니다. 클로드가 설정된 예산 범위 안에서 스스로 리소스 분배 우선순위를 조절합니다. 오토 모드(Auto Mode)를 켤 때는 반드시 5만~10만 토큰 단위의 Task Budget을 전제 조건으로 세팅하세요.
프롬프트 리튜닝 — "대충 말해도" 시대는 끝났습니다
Anthropic이 공식 문서에 이렇게 적어놨습니다. "오퍼스 4.7은 지시사항을 이전 모델보다 더 문자 그대로(literally) 해석합니다."
지금까지는 모호하게 써도 AI가 "아, 이거 이렇게 해달라는 거구나" 하고 넘겨짚어서 처리해줬습니다. 4.7은 그러지 않습니다. 쓰여 있는 그대로 실행합니다.
이게 왜 중요하냐면, 기존에 잘 작동하던 프롬프트가 갑자기 이상하게 작동할 수 있습니다.
✅ 액션 아이템 — 중요한 프롬프트는 한 번 4.7 환경에서 테스트해보고, 모호한 부분을 명확하게 다듬어야 합니다. Anthropic이 이를 위한 마이그레이션 가이드를 공식으로 제공하고 있습니다.
우리 팀, 월요일에 도입해야 할까?
시각 이해가 잦은 팀·고난이도 코딩이 필요한 팀은 즉시 도입(오늘 당장 전환). 장시간 에이전트 운영·비용 변동성이 큰 팀은 단계적 도입(2주 A/B 테스트). 단순 자동화·가벼운 텍스트 요약 팀은 대기·보류(4.6·Sonnet 유지).
KT M&S처럼 유통/마케팅 기획을 하는 팀이라면 중간인 "단계적 도입"에 해당합니다. 2주 A/B 테스트 후 월말 청구서를 기준으로 판단하면 됩니다.
오늘 밤 해야 할 3가지 액션 아이템
1. 클로드 코드의 Effort 레벨을 확인·조정하세요. 기본값이 X-High로 올라갔습니다. 단순 작업이라면 High로 낮춰 토큰을 아끼세요.
2. Task Budget 캡을 설정하세요. 오토 모드를 쓰는 분이라면 월말 청구서 폭탄을 막는 유일한 장치입니다.
3. 이번 주 머지 전, /ultra_review를 한 번 돌려보세요. Pro·Max 유저에게는 추가 비용 없이 제공됩니다.
마무리 — AI 평준화 시대의 종말
지난 1년, 우리는 "어떤 AI를 쓰든 다 비슷하다"는 말 속에서 살았습니다. 저도 그렇게 생각했습니다. 모델 고르기가 색깔 고르기 같았거든요.
그런데 어제 오후, 외근 다녀와서 본 한 줄이 그 시대의 종언을 알렸습니다. "검증까지 마쳤습니다."
AI가 저에게 묻지 않고, 저를 기다리지 않고, 스스로 판단해서 움직이는 시대가 왔습니다. 반가움 반, 긴장 반입니다. 이제 우리가 AI를 얼마나 잘 부리느냐가 아니라, 얼마나 잘 맡기느냐가 경쟁력이 되는 시대입니다.
50대 문과 출신 단장의 AI 실전기는 오늘도 한 걸음 더 나아갔습니다.
이번 주말, 터미널에서 딱 한 줄만 쳐보세요. claude update
평준화의 종말은 이 한 줄에서 시작됩니다.