Anthropic의 AI 내전이 시작됐다

Anthropic은 사전 홍보나 중대한 발표 없이 최신 대규모 언어 모델인 Claude Opus 4.7을 예상치 못하게 출시했습니다. 이 예고 없는 출시는 특히 Anthropic이 더 강력한 Mythos 모델의 대중 공개를 보류하기로 한 최근의 세간의 이목을 끄는 결정을 고려할 때, AI 커뮤니티 내에서 즉각적인 혼란과 뜨거운 추측을 불러일으켰습니다.

AI 평론가 Matthew Berman은 이러한 광범위한 당혹감을 분명히 표현했습니다. Berman은 Anthropic의 이전 메시지와 극명한 대조를 강조하며 "Opus 4.7이 방금 출시되었는데... 혼란스럽습니다"라고 말했습니다. 그는 특히 Opus 4.7이 Mythos의 금지된 힘을 향한 상당한 도약을 나타내기 때문에 모델 기능에 대한 회사의 "넘지 말아야 할 선"에 의문을 제기했습니다.

불과 몇 주 전, Anthropic은 Mythos가 사이버 보안 및 해킹과 같은 분야에서 고급 기능을 가지고 있다는 이유로 대중 공개하기에는 너무 위험하다고 선언했습니다. 예를 들어, Mythos Preview는 벤치마크에서 코딩 능력에서 25점이라는 놀라운 도약을 보여주었으며, 이는 Anthropic이 광범위한 배포에 너무 위험하다고 판단한 정교함 수준이었습니다. 이 결정은 Mythos를 강력하지만 접근할 수 없는 "신 모델"로 자리매김했습니다.

Opus 4.7의 성능 지표는 역설을 더욱 심화시켰습니다. 중요한 SWE-bench Pro 벤치마크에서 Opus 4.7은 64.3점을 기록했는데, 이는 Opus 4.6의 53.4점에서 엄청나게 도약한 수치로, Mythos Preview의 보고된 기능에 거의 절반에 달했습니다. SWE-bench Verified 점수는 87점으로 Mythos Preview의 94%에 근접했으며, Agentic Computer Use는 78%를 기록하여 Mythos의 79.6%에 약간 못 미쳤습니다.

Berman은 Anthropic이 Mythos를 보류한 것이 의도적인 마케팅 전략이었는지 추측했습니다. 회사 자체는 Mythos Preview에 비해 Opus 4.7의 사이버 기능이 감소했음을 인정하며, 훈련 중에 "이러한 기능을 차등적으로 줄이려는 노력을 실험했다"고 밝혔습니다. 이는 계산된 출시를 시사하지만, Anthropic이 이전에 안전하다고 간주했던 것의 경계를 여전히 밀어붙이는 것입니다. Mythos에 대한 자체 부과된 제한 이후, 이렇게 유능한 모델의 갑작스러운 등장은 Anthropic의 투명성과 전략적 의도에 긴 그림자를 드리웠습니다.

Opus 4.7은 특히 SWE-bench Pro 코딩 벤치마크에서 두드러지는 엄청난 성능 도약을 보여주었습니다. 점수는 Opus 4.6의 53.4에서 인상적인 64.3으로 급증했습니다. 이는 단일 지점 반복에서 10점 이상이라는 상당한 이득을 나타내며, 마이너 버전 업데이트에서는 전례 없는 도약입니다.

SWE-bench Pro는 실제 저장소에 걸쳐 복잡한 코딩 작업에서 모델의 숙련도를 측정하여 소프트웨어 엔지니어링 기능을 엄격하게 평가합니다. 엔터프라이즈 시장에서 이 지표는 매우 중요합니다. Anthropic은 강력한 코딩 성능이 중요한 비즈니스 애플리케이션과 수익으로 직접 이어진다는 것을 이해하고 이 부문을 명확히 목표로 합니다. 그들의 전략은 엔터프라이즈 고객에게 판매할 최고의 코딩 모델을 개발하고, 추가 GPU 용량을 확보하며, 궁극적으로 AI의 재귀적 자기 개선을 가능하게 하는 데 달려 있습니다.

이 놀라운 개선은 Opus 4.7을 이전 버전인 Opus 4.6과 미공개 Mythos Preview의 기능 사이의 거의 중간 지점까지 끌어올립니다. 지난주 공개된 Mythos는 코딩 능력에서 놀라운 25점 상승을 보여주었으며, 이는 사이버 보안 및 해킹에 대한 심각한 영향으로 인해 공개 출시하기에는 너무 강력하다고 판단되는 수준입니다. Opus의 '단일 점 반복'에서 이 격차가 빠르게 좁혀지는 것은 AI 전문가들 사이에서 광범위한 혼란을 야기하고 있습니다.

Anthropic이 Mythos의 기능에 근접함에도 불구하고 Opus 4.7을 출시하기로 한 결정은 회사의 내부 안전 임계값에 대한 중요한 질문을 제기합니다. 관찰자들은 이제 '덜 유능한' 모델이 그러한 고급 성능을 달성할 때 Anthropic이 공개 배포에 대한 선을 어디에 긋는지 공개적으로 궁금해합니다. 이러한 움직임은 Mythos의 오용 가능성에 대한 Anthropic의 명시된 우려를 고려할 때, 신중한 AI 출시 약속에 대한 이전의 가정에 도전합니다.

회사의 공식 설명은 Opus 4.7을 통해 '덜 유능한 모델에서 새로운 사이버 안전 장치를 먼저 테스트'하려는 계획을 언급했습니다. Anthropic은 훈련 중에 '이러한 기능을 차등적으로 줄이려는' 노력을 실험했다고 주장했으며, 특히 cybersecurity vulnerability reproduction 벤치마크에서 73.8에서 73.1로 약간 감소했다고 언급했습니다. 이러한 의도적인 성능 저하는 성공할 경우 고위험 사용을 완화하는 것을 목표로 합니다.

그러나 이러한 설명은 Mythos를 보류하면서 격차를 극적으로 좁히는 Opus 버전을 출시하는 진정한 이유에 대해 관찰자들에게 여전히 의문을 남깁니다. Opus 4.7의 빠른 발전은 Anthropic이 기존 훈련 실행에서 최대 이득을 추출하고 있으며, 이전에 공개 액세스에 안전하다고 간주했던 것의 경계를 잠재적으로 넘어서고 있음을 시사합니다. Opus 제품군의 지속적인 반복은 미래의 훨씬 더 강력한 출시의 전조가 될 수 있으며, 자체 부과된 안전 지침의 경계를 더욱 모호하게 만들 수 있습니다.

이제 Anthropic의 전략에 새로운 수수께끼가 드리워져 있습니다: 바로 Mythos 모델입니다. 10조 개의 매개변수를 가진 거대한 모델로 알려진 Mythos는 지난주에 공개 출시하기에는 너무 강력하다고 발표되었습니다. 이 '새로운 모델 제품군'은 Anthropic의 최첨단 훈련 실행을 나타내며, 원시적이고 최적화되지 않은 형태에서도 최신 Opus 반복 버전을 확실히 능가합니다.

Mythos는 SWE-bench Pro와 같은 벤치마크에서 코딩 능력에서 엄청난 25점 상승을 보여주었습니다. 소프트웨어 엔지니어링에서의 전례 없는 능력은 사이버 보안 및 해킹에서의 놀라운 숙련도로 직접 이어졌습니다. Anthropic은 이러한 능력을 중대한 위험으로 간주하여 공개 배포를 보류하기로 결정했습니다.

구체적으로, Mythos Preview는 cybersecurity vulnerability reproduction에서 83.1점을 기록하여 Opus 4.7의 73.1점보다 10% 앞섰습니다. 이러한 극명한 차이는 Anthropic의 우려를 강조했습니다. 회사는 사이버 보안 분야에서 고급 AI의 내재된 위험을 강조하는 Project Glasswing 이니셔티브를 Mythos 출시를 제한하는 정당성으로 언급했습니다.

Mythos는 출시 예정 제품이 아니라 Anthropic의 내부 capability frontier 역할을 합니다. 이는 Anthropic의 AI 모델이 달성할 수 있는 것에 대한 최고 기준을 설정하며, 인상적인 Opus 4.7조차도 미치지 못하는 벤치마크입니다. 이 미공개 '신 모델'은 Anthropic이 '덜하지만' 여전히 매우 유능한 모델의 출시를 전략적으로 포지셔닝하고 정당화할 수 있도록 합니다.

Opus 4.7은 예를 들어, 중요한 테스트 기반 역할을 합니다. Anthropic은 Opus 4.7의 사이버 역량을 차등적으로 줄이려는 노력을 실험했다고 명시적으로 밝혔으며, 금지된 고위험 사용을 차단하기 위한 안전장치와 함께 출시했습니다. Opus 4.7의 실제 배포에서 얻은 통찰력은 궁극적으로 Mythos-class models를 광범위하게 출시하려는 목표에 정보를 제공할 것입니다. 이러한 발전에 대한 자세한 내용은 Introducing Claude Opus 4.7 - Anthropic을 참조하십시오.

저명한 AI 평론가 매튜 버먼(Matthew Berman)은 Anthropic의 급부상과 전략적 역량이 정교하게 설계된 '플라이휠' 비즈니스 전략에서 비롯되었다고 주장합니다. 이 자기 강화 사이클은 비할 데 없는 코딩 모델 개발에 전적으로 집중하여 기술 발전과 시장 지배력을 동시에 이끌어냅니다. 이는 AI 개발 및 기업 시장 침투에 대한 고도로 집중된 접근 방식을 나타냅니다.

플라이휠은 Anthropic이 세계 최고의 coding model을 구축하려는 확고한 의지에서 시작됩니다. 이는 단순한 일반 지능에 관한 것이 아니라, 복잡한 개발 작업에 필수적인 고급 소프트웨어 엔지니어링 역량에 대한 집중적인 초점입니다. 우수한 코딩 에이전트를 통해 Anthropic은 대기업 고객에게 적극적으로 서비스를 판매하며, 정교한 코딩 지원은 즉각적이고 높은 가치의 영향을 위한 '최고의 기업 사용 사례'를 제시합니다.

이러한 고가치 기업 계약에서 발생하는 수익은 다음 중요한 단계인 방대한 GPU capacity 확보에 동력을 제공합니다. Anthropic은 상당한 수익을 고급 모델 훈련 및 연구에 필요한 컴퓨팅 인프라에 직접 재투자합니다. 이러한 지속적인 조달은 경쟁사를 능가하며 차세대 AI 개발에 필요한 최첨단 하드웨어 성능을 확보하도록 보장합니다.

최첨단 GPU와 이미 우수한 코딩 모델을 모두 보유함으로써 최종적이고 재귀적인 단계인 자기 개선이 가능해집니다. 기존 모델은 고급 코딩 능력을 바탕으로 자체 후속 모델을 구축하고 디버깅하며 개선하는 데 적극적으로 기여합니다. 이 recursive self-improvement 루프는 Anthropic이 전례 없는 효율성으로 모델을 반복하고 향상시켜, 전통적인 방법보다 빠르게 AI 역량의 한계를 지속적으로 확장할 수 있도록 합니다.

Claude Opus 4.7은 이 전략의 효능을 직접적으로 증명합니다. SWE-bench Pro 코딩 벤치마크에서 53.4(Opus 4.6)에서 64.3으로 엄청나게 도약한 것은 단순한 점진적 업데이트가 아니라, 이러한 집중적인 투자와 재귀적 최적화의 심오한 결과입니다. 이 강력한 플라이휠 효과는 Anthropic의 보고된 기하급수적인 매출 성장을 뒷받침하며, 치열한 AI 경쟁 환경에서 전문화되고 자가 영속적인 이점을 활용하여 경쟁사를 능가할 수 있도록 합니다.

Anthropic의 Claude Opus 4.7에 대한 최근 벤치마크 결과는 중요한 보안 지표에서 특이한 하락이라는 뚜렷한 이상 현상을 보여줍니다. Opus 4.7의 다른 성능 지표는 극적으로 급증했지만, Cybersecurity Vulnerability Reproduction 점수는 실제로 감소하여 Opus 4.6의 73.8에서 73.1로 떨어졌습니다. 이러한 직관에 반하는 회귀는 동일한 범주에서 훨씬 더 높은 83.1을 자랑하는 미공개 Mythos Preview와는 극명한 대조를 이루며, 의도적인 차이를 강조합니다.

이러한 특정 성능 저하는 설득력 있는 이론을 뒷받침합니다. Anthropic이 Opus 4.7의 사이버 보안 기능을 의도적으로 저하시켰거나, 즉 '너프'했을 수 있다는 것입니다. 저명한 AI 분석가인 Matthew Berman은 Anthropic이 모델을 대중에게 더 안전하게 제공하기 위해 의도적으로 성능을 저하시켰다고 정확히 이러한 시나리오를 제시합니다. 회사의 최근 행동과 공개 성명은 이러한 가설에 강력한 신빙성을 더합니다.

바로 지난주, Anthropic은 사이버 보안 분야에서 AI 모델의 이중적인 위험과 이점에 초점을 맞춘 전략적 이니셔티브인 Project Glasswing을 공개했습니다. 이 프로젝트의 일환으로 Anthropic은 Claude Mythos Preview의 비할 데 없는 고급 기능을 언급하며, 이 모델의 대중 공개를 제한할 의도를 명시적으로 밝혔습니다. 대신, 회사는 '덜 유능한 모델'에 먼저 새롭고 엄격한 사이버 안전 장치를 테스트하기로 약속했습니다.

Anthropic은 Opus 4.7이 바로 그 '첫 번째 모델'이라고 확인했습니다. 회사는 Opus 4.7의 사이버 기능이 'Mythos Preview만큼 발전하지 않았다'고 공개적으로 인정했습니다. 더욱 의미심장하게도, Anthropic은 '훈련 과정에서 이러한 기능을 차등적으로 줄이려는 노력을 실험했다'고 밝히며, 적극적이고 의도적인 개입을 확인했습니다.

이는 단순히 수동적인 저하가 아니라, 계산된 개입입니다. Anthropic은 Opus 4.7을 내장된 안전 장치와 함께 배포하고 있으며, 이 안전 장치는 '금지되거나 고위험 사이버 보안 사용을 나타내는 요청을 자동으로 감지하고 차단'하도록 특별히 설계되었습니다. 의도적으로 제약된 이러한 모델의 실제 배포는 향후 출시를 위한 중요한 학습 기반이 될 것입니다.

Opus 4.7의 대중과의 상호작용 및 이러한 새로운 안전 장치의 효능에서 얻은 통찰력은 Anthropic이 강력한 Mythos-class models를 더 광범위하게, 궁극적으로 출시하기 위한 전략에 직접적인 정보를 제공할 것입니다. 회사는 사이버 보안을 중요한 마지노선으로 분명히 여기며, 대중 배포에 신중하고 반복적인 접근 방식을 택하고 있습니다. 이러한 계산된 성능 저하는 즉각적인 전면적 출시보다는 안전과 통제된 기능 확장을 우선시하는 책임감 있는 AI 개발에 대한 확고한 의지를 강조합니다.

Opus 4.7의 등장은 단순한 코딩 혁명 그 이상을 알렸습니다. 이는 비전 기능의 상당한 도약을 예고했습니다. Anthropic은 이러한 실질적인 개선 사항을 특별히 강조하며, 이 모델을 멀티모달 AI 분야의 강력한 경쟁자로 자리매김했습니다. 이 향상된 시각적 이해는 단순한 이미지 인식을 넘어 복잡한 시각 데이터와의 더 풍부한 상호작용을 가능하게 합니다.

이 모델의 문서 추론(Document Reasoning)과 같은 벤치마크에서의 성능은 이러한 발전을 극적으로 강조합니다. Opus 4.7은 57.1이라는 인상적인 점수에서 80.6이라는 놀라운 점수로 급상승하여, 복잡한 시각 정보를 깊이 이해해야 하는 작업에서 경쟁자들을 훨씬 뒤처지게 했습니다. 이 엄청난 도약은 AI가 시각적 레이아웃, 그래프, 이미지 내에 포함된 텍스트 콘텐츠를 처리하고 해석하는 방식의 질적인 변화를 보여줍니다. 이는 시각적으로 밀집된 문서에서 정보를 추출하고 추론하는 정교한 능력을 입증합니다.

비전 기능의 이러한 심오한 업그레이드는 다양한 산업 분야에서 중요한 실제 응용 프로그램을 가능하게 합니다. Opus 4.7은 이제 스케치나 텍스트 설명으로부터 더 높은 품질의 사용자 인터페이스를 생성하고, 미묘한 시각적 미학을 가진 전문적인 프레젠테이션 슬라이드를 제작하며, 재무 보고서, 과학 논문 또는 건축 설계도와 같은 복잡한 시각 문서를 효율적으로 처리할 수 있습니다. 시각 데이터를 더 높은 충실도로 '보고' 해석하는 능력은 기업이 디자인, 데이터 추출 및 콘텐츠 생성 워크플로우를 자동화하는 방식을 변화시켜 상당한 효율성 향상을 가져옵니다.

강력한 vision capabilities에 대한 이러한 집중은 시각 데이터를 포함한 다양한 데이터 유형 처리가 비즈니스 인텔리전스 및 운영 효율성에 가장 중요한 Anthropic의 광범위한 엔터프라이즈 애플리케이션 전략적 강조와 일치합니다. Anthropic의 AI 개발 보안 및 강력한 모델 책임감 있는 배포 접근 방식에 대한 자세한 내용은 Project Glasswing: Securing critical software for the AI era - Anthropic에서 확인할 수 있습니다. 코딩 및 vision models의 결합된 역량은 Opus 4.7을 복잡한 실제 문제를 해결하기 위한 점점 더 다재다능한 도구로 자리매김하며, 순수한 코드 생성 이상의 유용성을 확장합니다.

OpenAI의 GDPVal benchmark는 실제 비즈니스 작업에서 AI의 실제 성능을 평가하는 중요한 척도 역할을 합니다. 이 지표는 이론적인 능력을 넘어, 가시적인 결과물, 복잡한 문제 해결, 전문적인 환경 내에서의 효율적인 실행을 요구하는 시나리오에서 모델의 유용성을 직접적으로 평가합니다. 이는 AI의 즉각적인 가치를 나타내는 중요한 지표이며, 경제 생산에 기여할 수 있는 능력을 반영합니다.

Opus 4.7은 GDPVal에서 압도적인 성능을 보여주며 인상적인 Elo score 1753점을 달성했습니다. 이는 이전 버전인 Opus 4.6의 1619점을 편안하게 뛰어넘는 수치입니다. 특히, Opus 4.7은 강력한 경쟁자인 GPT-5.4의 1674점 또한 손쉽게 제치며 이 중요한 부문에서 확실한 선두를 차지했습니다.

이 benchmark는 기업 및 전문 사용자에게 모델의 즉각적인 가치를 나타내는 가장 중요한 지표 중 하나입니다. 높은 GDPVal score는 AI가 복잡한 비즈니스 과제를 해결하고, 운영을 간소화하며, 다양한 부문에서 생산성 향상을 이끌어낼 수 있는 강력한 능력을 의미합니다. 고급 AI 솔루션 통합을 모색하는 조직에게 Opus 4.7의 GDPVal에서의 탁월한 성과는 즉각적인 배포 및 측정 가능한 투자 수익에 대한 설득력 있는 제안으로 직결됩니다.

기업 채택을 위한 강력하고 신뢰할 수 있는 모델 구축에 대한 Anthropic의 전략적 강조는 이러한 결과에서 강력한 입증을 찾습니다. 실제 비즈니스 애플리케이션을 위해 설계된 benchmark에서 경쟁사를 지속적으로 능가하는 능력은 Opus 4.7을 재무 분석에서 운영 최적화에 이르기까지 전문적인 용도를 위한 최고의 도구로 확고히 합니다. 이러한 성능은 Matthew Berman이 설명한 '플라이휠' 효과를 강화합니다. 즉, 우수한 모델이 상당한 수익을 창출하여 추가적인 최첨단 개발을 촉진하는 것입니다.

Opus 4.7은 모든 인상적인 발전에도 불구하고 사용자에게 상당한 실질적인 단점을 제시합니다: 빠르게 줄어드는 token budget. 최첨단 결과를 달성하려면 이전 반복에 비해 훨씬 더 높은 token 지출이 필요합니다. 이는 운영 비용 증가와 사용자 할당량의 빠른 소진으로 직접 이어지며, 개별 개발자부터 대규모 기업 고객에 이르기까지 모든 사람에게 영향을 미칩니다.

이러한 소비 증가의 주요 원인은 Opus 4.7의 updated tokenizer입니다. Anthropic의 내부 분석에 따르면 이 새로운 구성 요소는 입력 프롬프트를 Opus 4.6 tokenizer보다 약 1.35 times more tokens로 매핑합니다. 결과적으로, 동일한 입력 텍스트는 모델이 처리를 시작하기 전에도 원시 token 수에서 대략 35% 더 많은 비용이 듭니다.

토크나이저를 넘어, 모델 자체는 더 높은 노력 수준에서 더 광범위한 '사고'에 참여하는 것으로 보입니다. Opus 4.7은 복잡하고 장기적인 작업에서 우수한 성능을 달성하기 위해 더 많은 컴퓨팅 자원을 소비하고 더 풍부한 내부 사고 시퀀스를 생성하는 것이 입증되었습니다. 이러한 더 깊고 엄격한 처리는 각 상호 작용에 대한 더 높은 토큰 사용량에 직접적으로 기여하며, 모델의 향상된 기능을 반영합니다.

이러한 토큰 수요 증가는 Anthropic에게 중요한 시점에 발생했으며, 이는 잘 알려진 GPU 부족 상황과 맞물립니다. 회사는 최근 Claude 모델 전반에 걸쳐 사용자 할당량을 눈에 띄게 줄여 가장 강력한 AI에 대한 접근을 제한했습니다. Opus 4.7의 본질적으로 더 높은 토큰 소비는 이미 부담스러운 자원 환경을 더욱 악화시켜 사용자들이 더 어려운 선택을 하도록 강요합니다.

Anthropic은 AI 기능 발전의 필요성과 유한한 컴퓨팅 용량이라는 현실 사이에서 위태로운 줄타기를 하고 있습니다. Opus 4.7과 같이 토큰을 더 많이 소비하는 모델을 배포하는 것은 상당한 성능 향상에도 불구하고 순수한 성능에 대한 전략적 우선순위를 나타냅니다. 그러나 이 결정은 사용자에게 심각한 딜레마를 안겨줍니다. 사용자들은 이제 고급 기능을 점점 더 제한된 예산과 줄어든 가용성 대비 신중하게 저울질해야 합니다. 이는 최첨단 AI를 확장하는 데 있어 지속적인 긴장감을 강조합니다.

Claude Opus 4.7으로 업그레이드하려면 프롬프트 엔지니어링 전략을 완전히 개편해야 합니다. 지시 사항을 따르는 데 있어 새로워진 정밀성으로 인해 이전의 '느슨한' 모델을 위해 설계된 많은 레거시 워크플로우가 사실상 작동하지 않게 됩니다. 사용자들은 Opus 4.7이 전례 없는 문자 그대로의 해석으로 명령을 해석한다는 것을 알게 될 것이며, 모든 입력을 세심하게 재평가해야 합니다.

이러한 변화는 모델과 소통하는 방식에 근본적인 변화를 요구합니다. 모호한 지시를 내리거나 AI가 의도를 추론하도록 의존하던 시대는 지났습니다. Opus 4.7은 명확성과 직접성을 기대하며, 직관적으로 이해할 수 있는 것이 아니라 읽은 내용을 정확하게 실행합니다.

Anthropic 자체도 이러한 새로운 모범 사례를 강조합니다. 사용자들은 "이것을 하지 마세요"와 같은 부정적인 제약을 적극적으로 피해야 합니다. 모델이 의도치 않게 이를 지시로 해석할 수 있기 때문입니다. 마찬가지로, 강조를 위한 대문자 사용이나 다른 오래된 프롬프트 트릭은 이제 종종 최적이 아니거나 심지어 역효과를 내는 결과를 초래합니다.

대신, 긍정적이고 명확한 지시에 집중하세요. 최적의 성능을 위해 프롬프트를 재조정하고 단순화하여 모든 지시가 명확하고 직접적인 목적을 갖도록 하세요. 이러한 패러다임 전환은 AI 상호 작용의 더 넓은 진화를 강조하며, VentureBeat의 Anthropic releases Claude Opus 4.7, narrowly retaking lead for most powerful generally available LLM | VentureBeat 보고서와 같이 최신 LLM 발전을 다루는 출판물에서 강조했듯이 정밀성이 결과를 좌우합니다.

통찰력으로 유명한 Matthew Berman은 최근 Opus 4.7과 같은 모델에 이제 필수적인 미니멀리스트적이고 직접적인 접근 방식을 옹호하는 "Humanity's Last Prompt Engineering Guide"를 출판했습니다. 단순함을 받아들이세요; 그것이 새로운 정교함입니다.

Mythos에 대한 Anthropic의 전략적 모호성은 Opus 4.7의 깜짝 출시와 직접적으로 충돌합니다. Mythos가 대중에게 공개하기에는 너무 강력하다고 선언한 지 불과 몇 주 만에 그 기능에 대한 "큰 진전"이 이루어졌고, 이는 많은 사람들이 회사의 진정한 의도에 의문을 제기하게 만들었습니다.

성능 지표는 이러한 역설을 강조합니다. Opus 4.7의 SWE-bench Pro 점수는 53.4에서 64.3으로 급증하여, 아직 공개되지 않은 Mythos Preview의 성능에 거의 절반에 달했습니다. 마찬가지로, Opus 4.7은 Agentic Computer Use에서 78%에 도달하여 Mythos Preview의 79.6%에 근접했습니다.

설득력 있는 이론에 따르면 Mythos의 초기 발표는 마케팅의 묘수였습니다. Anthropic은 이를 억제할 수 없는 "신 모델"로 규정함으로써, 전례 없는, 거의 신화적인 지능의 유일한 설계자로서의 입지를 다지고, 시장 점유율을 확보하며 기술적 우위를 확립했습니다.

다른 관점에서 보면, Opus 4.7은 AI safety를 우선시하는 진정으로 신중한 단계적 출시 전략을 나타냅니다. Anthropic의 Project Glasswing 이니셔티브는 "덜 유능한 모델에서 새로운 사이버 안전 장치를 먼저 테스트할 것"이라고 명시적으로 밝혔으며, Opus 4.7을 최초의 공개 테스트베드로 지정했습니다.

이러한 접근 방식은 Opus 4.7의 사이버 보안 취약점 재현 점수에서 분명하게 드러나는데, 이 점수는 실제로 73.8에서 73.1로 감소했습니다. Anthropic은 "이러한 기능을 차등적으로 줄이기 위한 노력을 실험했다"고 확인했으며, Opus 4.7을 사용하여 고위험 사이버 보안 사용을 자동으로 감지하고 차단하는 안전 장치를 개선했습니다.

Opus 4.7의 실제 배포에서 얻은 교훈은 "Mythos-class models의 광범위한 출시라는 궁극적인 목표"에 직접적으로 반영될 것입니다. 이는 최첨단 성능과 강력한 윤리적 안전 장치 사이의 균형을 맞추기 위한 계산된 반복적 프로세스를 시사합니다.

궁극적으로, 진실은 두 가지 이야기 모두를 포함할 가능성이 높습니다. Anthropic은 commercial ambition, 기술 리더십, 책임감 있는 AI 개발이라는 복잡한 교차점을 능숙하게 헤쳐나가며, 시장 영향력과 안전 연구를 모두 극대화하기 위해 모델을 전략적으로 배포합니다.

Claude Opus 4.7은 무엇인가요?

Claude Opus 4.7은 Anthropic의 최신 대규모 언어 모델입니다. 이전 모델인 Opus 4.6에 비해 코딩, 시각적 추론, 지시 따르기에서 상당한 개선을 이루었으며, GPT-5.4와 같은 모델에 대항하는 최고의 경쟁자로 자리매김하고 있습니다.

Anthropic은 왜 Mythos 모델을 출시하지 않았나요?

Anthropic은 소문으로 알려진 10조 매개변수 모델인 Mythos Preview가 사이버 보안 및 해킹과 같은 분야에서 고급 기능을 가지고 있어 상당한 안전 및 오용 위험을 초래하므로 '대중에게 공개하기에는 너무 강력하다'고 밝혔습니다.

Opus 4.7은 GPT-5.4와 같은 경쟁 모델과 어떻게 비교되나요?

Opus 4.7은 여러 주요 벤치마크에서 우수한 성능을 보였습니다. 실제 업무 작업을 테스트하는 GDPVal 벤치마크에서 Opus 4.7은 1753 Elo를 기록하여 GPT-5.4의 1674를 크게 능가했습니다.

Opus 4.7이 코딩에서 훨씬 더 뛰어난 이유는 무엇인가요?

Opus 4.7은 SWE-bench Pro 코딩 벤치마크에서 Opus 4.6의 53.4점과 비교하여 64.3점을 기록하며 엄청난 도약을 보여주었습니다. 이는 Anthropic이 기업 고객을 위한 동급 최고의 코딩 모델을 만드는 데 전략적으로 집중하고 있음을 반영합니다.