앤스로픽(Anthropic)이 최신 모델 업데이트를 발표하며 ‘아티피셜 어낼리시스(Artificial Analysis)’ 지능 지수에서 즉각 1위를 차지했다. 이번 파운데이션 모델은 다양한 분야에서 탁월한 성능을 보여주는데, 특히 연구 수준의 물리학 문제 해결과 스스로 판단하고 행동하는 에이전틱 AI 기능에서 압도적인 역량을 발휘한다. 기본 성능의 향상과 더불어, 개발자가 복잡한 추론 과정을 더욱 직관적으로 제어할 수 있도록 돕는 ‘적응형 사고’ 모드가 새롭게 도입되었다.

이 적응형 시스템은 기존의 고정된 토큰 할당 방식 대신 ‘최저(low)’에서 ‘최대(max)’에 이르는 ‘노력(effort)’ 설정을 도입했다. 이에 따라 모델은 특정 질문에 필요한 인지 처리량을 스스로 동적으로 결정할 수 있게 되었다. 실제로 ‘최대 노력’ 설정으로 테스트한 결과, 과학적 추론 능력이 비약적으로 상승했으나 출력 토큰 소모량은 이전 모델보다 약 2배 가까이 늘어났다. 이러한 결과는 더 높은 수준의 지능을 구현하기 위해 더 많은 연산 자원과 처리 시간이 필요함을 시사한다.

추론 능력 외에도 기술적 사양 역시 대폭 강화되었으며, 특히 컨텍스트 윈도우가 최대 100만 토큰까지 확장된 점이 눈에 띈다. 이러한 방대한 메모리 용량 덕분에 사용자는 전체 코드 베이스나 방대한 법률 문서를 단 한 번에 처리할 수 있다. 또한 최대 출력 제한이 128,000 토큰으로 두 배 늘어나 장문 콘텐츠 생성이나 대규모 코딩 프로젝트에 최적화된 성능을 갖췄다. 다만 토큰 소모량이 증가했음에도 불구하고, 시작 가격은 이전 버전과 동일하게 유지되어 경제성을 확보했다.

앤스로픽(Anthropic)이 최신 모델 업데이트를 발표하며 ‘아티피셜 어낼리시스(Artificial Analysis)’ 지능 지수에서 즉각 1위를 차지했다. 이번 파운데이션 모델은 다양한 분야에서 탁월한 성능을 보여주는데, 특히 연구 수준의 물리학 문제 해결과 스스로 판단하고 행동하는 에이전틱 AI 기능에서 압도적인 역량을 발휘한다. 기본 성능의 향상과 더불어, 개발자가 복잡한 추론 과정을 더욱 직관적으로 제어할 수 있도록 돕는 ‘적응형 사고’ 모드가 새롭게 도입되었다.

이 적응형 시스템은 기존의 고정된 토큰 할당 방식 대신 ‘최저(low)’에서 ‘최대(max)’에 이르는 ‘노력(effort)’ 설정을 도입했다. 이에 따라 모델은 특정 질문에 필요한 인지 처리량을 스스로 동적으로 결정할 수 있게 되었다. 실제로 ‘최대 노력’ 설정으로 테스트한 결과, 과학적 추론 능력이 비약적으로 상승했으나 출력 토큰 소모량은 이전 모델보다 약 2배 가까이 늘어났다. 이러한 결과는 더 높은 수준의 지능을 구현하기 위해 더 많은 연산 자원과 처리 시간이 필요함을 시사한다.

추론 능력 외에도 기술적 사양 역시 대폭 강화되었으며, 특히 컨텍스트 윈도우가 최대 100만 토큰까지 확장된 점이 눈에 띈다. 이러한 방대한 메모리 용량 덕분에 사용자는 전체 코드 베이스나 방대한 법률 문서를 단 한 번에 처리할 수 있다. 또한 최대 출력 제한이 128,000 토큰으로 두 배 늘어나 장문 콘텐츠 생성이나 대규모 코딩 프로젝트에 최적화된 성능을 갖췄다. 다만 토큰 소모량이 증가했음에도 불구하고, 시작 가격은 이전 버전과 동일하게 유지되어 경제성을 확보했다.