Chatbot Arena 1위, SWE-bench 80.8%, HLE 53%, 1M 토큰 컨텍스트 — 2026년 2월 출시된 Claude Opus 4.6을 완전 해부한다. Anthropic의 역사부터 아키텍처, 벤치마크, 실무 활용까지.
2026년 2월 5일, Anthropic이 Claude Opus 4.6을 발표했다. 발표 다음 날, 이 모델은 Chatbot Arena Elo 1504로 전체 1위에 올랐다. 600만 건 이상의 사용자 투표에 기반한 순위에서 GPT-5.2, Gemini 3 Pro를 제치고 정상에 선 것이다.
하지만 Opus 4.6의 진짜 의미는 벤치마크 점수가 아니다. 이 모델은 "AI가 혼자 일하는 시대"에서 "AI 팀이 협업하는 시대"로의 전환을 상징한다. 에이전트 팀(Agent Teams) — 하나의 오케스트레이터가 여러 AI 에이전트를 병렬로 지휘하는 기능 — 이 처음 도입됐기 때문이다.
이 글은 Anthropic의 창업 이야기부터 Claude 모델의 진화, Opus 4.6의 기술적 혁신, 그리고 GPT-5.4, Gemini 3.1 Pro와의 비교까지 — 2026년 가장 주목받는 AI 모델을 완전 해부한다.
Anthropic의 시작은 반란이었다.
2021년, OpenAI의 연구 부사장 다리오 아모데이(Dario Amodei)와 안전·정책 부사장 다니엘라 아모데이(Daniela Amodei) 남매가 OpenAI를 떠났다. 함께 나온 동료는 5명 더 있었다:
7명 모두 AI 안전에 대한 OpenAI의 접근에 불만을 느끼고, 안전을 핵심 미션으로 하는 새 회사를 세운 것이다.
2026년 2월 시리즈 G 펀딩에서 3,800억에 도달했다. 직원 수도 192명(2022)에서 4,585명(2026년 2월)으로 급증했다.
Claude Code만으로도 2025년 11월 20억에 근접 — 단일 개발자 도구로는 전례 없는 수치다.
Claude 2 (2023.7): 100K 토큰 컨텍스트로 업계를 놀라게 했다. 당시 GPT-4는 8K/32K.
Claude 3 (2024.3): 3단계 모델(Haiku/Sonnet/Opus) 전략 확립. 처음으로 GPT-4를 벤치마크에서 일관되게 이겼다. 비전(이미지 입력) 지원.
Claude 3.5 Sonnet (2024.6): 결정적 순간. Opus보다 80% 저렴한 Sonnet이 Opus를 대부분 벤치마크에서 능가. "더 비싼 모델 = 더 좋은 모델"이라는 공식이 깨졌다.
Claude 3.5 Sonnet v2 (2024.10): Computer Use 공개 베타 — AI가 화면을 보고 마우스와 키보드를 조작하는 기능. 최초의 주요 AI 모델 제공.
Claude 3.7 Sonnet (2025.2): 확장 사고(Extended Thinking) 도입. 답하기 전에 "생각하는" 과정을 거침. 128K 출력 토큰(이전의 15배).
Claude Opus 4 (2025.5): SWE-bench 72.5%. 7시간+ 연속 코딩 가능. 도구 사용 중 확장 사고.
Claude Opus 4.5 (2025.11): SWE-bench 80.9%. 가격을 75에서 25로 67% 인하. Anthropic 내부 엔지니어링 채용 시험에서 모든 인간 후보를 능가.
Opus 4.6의 가장 혁명적인 기능이다. Claude Code에서 하나의 오케스트레이터 에이전트가 여러 서브 에이전트를 병렬로 지휘한다. 각 서브 에이전트는 자체 tmux 패인에서 독립적으로 작업한다.
예를 들어, "이 프로젝트의 테스트를 모두 수정해줘"라고 하면:
세 에이전트가 동시에 작업하고, 오케스트레이터가 결과를 종합한다. 순차 처리 대비 작업 시간이 극적으로 단축된다.
이전 버전에서는 확장 사고의 "예산(budget_tokens)"을 사용자가 수동으로 설정해야 했다. Opus 4.6은 적응형 사고를 도입해, 모델이 스스로 "이 질문에 얼마나 깊이 생각해야 하는가"를 판단한다.
thinking: { type: "adaptive" }
4단계 노력 수준(low/medium/high/max)으로 제어할 수도 있다. 간단한 질문에는 빠르게, 복잡한 추론에는 깊이 — 비용과 지연시간을 최적화한다.
긴 대화에서 컨텍스트가 가득 차면, 서버 측에서 대화를 요약해 효과적으로 무한 길이의 대화를 가능하게 한다. 이전에는 사용자가 직접 대화를 정리해야 했다.
Opus 4.6의 1M 컨텍스트가 특별한 이유는 실제로 사용 가능한 수준이라는 것이다.
MRCR v2 벤치마크(8개 바늘, 1M 토큰 건초더미):
Anthropic의 표현을 빌리면, "사용 가능한 컨텍스트 길이에서의 질적 도약(qualitative shift)." 1M 토큰이 숫자만 큰 것이 아니라 실제로 그 안의 정보를 활용할 수 있다는 것이 핵심이다.
| 벤치마크 | Opus 4.6 | GPT-5.4 | Gemini 3.1 Pro |
|---|---|---|---|
| Chatbot Arena Elo | 1504 (#1) | ~1490 | 1500 (#2) |
| SWE-bench Verified | 80.8% | 80.0% | 80.6% |
| HLE (도구 사용) | 53.0% | 44.3% | 37.5% |
| Terminal-Bench 2.0 | 65.4% | — | — |
| BrowseComp | 84.0% | 60% | — |
| OSWorld (컴퓨터 사용) | 72.7% | — | — |
| GPQA Diamond | 87-91% | 83.9% | 94.3% |
| MMLU-Pro | ~82% | 92.3% | 90.1% |
결론: 단일 모델이 모든 것을 지배하지 않는다. 대화와 글쓰기는 Claude, 지식 벤치마크는 GPT-5.4, 과학 추론과 가성비는 Gemini. "어떤 AI가 최고?"에 대한 답은 "무엇을 하려고?"이다.
Anthropic의 핵심 기술 차별화는 Constitutional AI(CAI)다. 2022년 12월 발표된 이 접근법은 기존 RLHF와 근본적으로 다르다.
1단계 (자기 비판): 모델이 응답을 생성한 뒤, 헌법 원칙에 비추어 스스로 비판하고, 개선된 버전을 작성한다. 이 개선된 출력으로 미세조정한다.
2단계 (RLAIF): 인간이 아닌 AI가 두 응답 중 더 나은 것을 고른다. 이 AI 생성 비교 데이터로 선호도 모델을 학습한다.
"헌법"에는 UN 인권선언, 신뢰·안전 모범 사례, DeepMind Sparrow 원칙, 비서구권 관점, 경험적으로 발견된 원칙 등이 포함된다.
| 수준 | 적합한 과제 | 비용/속도 |
|---|---|---|
| low | 단순 분류, 포맷 변환, 번역 | 가장 빠르고 저렴 |
| medium | 일반 대화, 요약, 가벼운 코딩 | 균형 |
| high (기본) | 복잡한 코딩, 분석, 글쓰기 | 표준 |
| max | 수학 증명, 복잡한 추론, 다단계 분석 | 가장 느리고 비싸지만 최고 정확도 |
용도가 무엇인가?
├── 복잡한 코딩/에이전트 → Claude Opus 4.6
├── 일반 코딩/대화 → Claude Sonnet 4.6 (비용 40% 절감)
├── 대량 처리/분류 → Claude Haiku 4.5 ($1/$5)
├── 지식 집약 작업 → GPT-5.4 (MMLU-Pro 최강)
├── 과학/수학 → Gemini 3.1 Pro (GPQA 최강)
└── 비용 최우선 → Gemini 2.5 Flash ($0.30/$2.50)
2024년 11월 출시된 MCP는 Anthropic이 만든 오픈 표준으로, LLM과 외부 도구/데이터 소스를 표준화된 방식으로 연결한다. 2025년 12월 Linux Foundation의 Agentic AI Foundation에 기증됐으며, OpenAI와 Google DeepMind도 채택했다.
2026년 2월 기준 200개 이상의 MCP 서버가 존재하며, Claude Code 사용자의 92%가 GitHub MCP 서버를 가장 먼저 활성화한다.
2024년 10월 Claude 3.5 Sonnet v2에서 공개 베타로 시작된 Computer Use가 2026년 3월 24일 macOS에서 정식 출시됐다.
AI가 화면의 스크린샷을 보고, 무엇이 있는지 이해하고, 마우스 클릭과 키보드 입력으로 컴퓨터를 조작한다. OSWorld 벤치마크에서 Opus 4.6은 72.7% — Opus 4.5의 66.3%에서 크게 향상.
Claude Dispatch(2026년 3월)는 이를 한 단계 더 나아가, iPhone에서 지시하면 Mac에서 실행하는 원격 에이전트 제어를 가능하게 했다. 출근길에 폰으로 "프레젠테이션 슬라이드를 정리해줘"라고 하면, 사무실 Mac에서 Claude가 PowerPoint를 열고 작업한다.
2026년 3월은 AI 역사상 가장 치열한 경쟁의 한 달이다.
한 달 안에 세 회사의 플래그십 모델이 모두 갱신됐다.
Opus 4.6은 가장 비싸지만, 캐싱과 배치 API를 활용하면 실효 비용을 크게 줄일 수 있다. 그리고 에이전트 작업처럼 정확도가 비용보다 중요한 사용 사례에서는 여전히 최적의 선택이다.
Claude Opus 4.6을 한 문장으로 정의하면:
"대화와 글쓰기의 품질, 코딩의 정확성, 에이전트 협업의 혁신을 하나의 모델에 담은, 2026년 가장 완성도 높은 AI."
5년 전 OpenAI에서 나온 7명이 "안전한 AI"를 만들겠다며 시작한 회사가, 이제 19B ARR, Chatbot Arena 1위의 회사가 됐다. Claude Opus 4.6은 그 여정의 최신 결과물이다.
물론 AI 경쟁에서 1위는 일시적이다. GPT-5.4와 Gemini 3.1 Pro가 각자의 강점에서 Opus 4.6을 압도하는 영역이 있다. 그리고 다음 달이면 또 새로운 모델이 나올 것이다.
하지만 Opus 4.6이 보여준 방향 — 에이전트 팀, 적응형 사고, 1M 토큰의 실질적 활용 — 은 AI가 "도구"에서 "동료"로 진화하는 과정의 중요한 이정표다. 단일 질문에 답하는 것을 넘어, 복잡한 프로젝트를 자율적으로 수행하는 AI 팀의 시대가 열리고 있다.
참고 자료: