각 코딩 작업에 맞는 Claude 모델 등급을 고르는 방법

사람들이 AI 코딩 어시스턴트로 빌드를 시작할 때, 흔히 사용 가능한 가장 강력한 모델을 골라 모든 것에 씁니다. 안전하게 느껴집니다 — 가장 똑똑한 모델을 늘 쓰지 않을 이유가 있나요? 하지만 가장 똑똑한 모델은 가장 느리고 가장 비싸기도 하며, 많은 일상 작업에는 과합니다. 모델 등급을 작업에 맞추는 법을 배우는 것은 당신이 기를 수 있는 가장 지렛대 효과가 큰 습관 중 하나입니다. 돈을 아끼고, 답을 더 빨리 돌려주며 — 직관에 반하게도 — 때로는 더 나은 결과를 냅니다. 빨리 끝내는 빠른 모델이 더 많이 반복할 수 있게 해주기 때문입니다.

이 가이드는 Anthropic의 Claude 라인업을 예시로 쓰지만, 원리는 모델 패밀리를 출시하는 모든 제공자에 적용됩니다.

가벼운 것부터 무거운 것까지, 등급들

2026년 중반 기준, Claude에는 네 등급이 있으며 각각 능력과 가격에서 대략 한 단계씩 올라갑니다(공식 가격):

• Haiku 4.5 — 입력/출력 토큰 100만당 $1 / $5. 빠르고 저렴합니다. 단순하고 잘 정의된 작업에 훌륭합니다.
• Sonnet 4.6 — $3 / $15. 일꾼. 코딩과 대부분의 프로덕션 작업에 강합니다.
• Opus 4.8 — $5 / $25. 복잡하고 여러 단계인 문제를 위한 더 무거운 추론.
• Fable 5 — $10 / $50. 가장 어려운 문제를 위해 2026년 6월 9일 출시된 새로운 Mythos급 플래그십.

모든 등급에서 출력 토큰이 입력 토큰의 다섯 배이고, Sonnet에서 Fable로의 도약이 3배 이상의 가격 인상이라는 점에 주목하세요. 그 간극이 바로 등급 선택이 중요한 이유입니다.

Anthropic 자체의 경험칙

Anthropic의 가격 문서는 상쾌하리만치 직설적인 권장을 줍니다: "단순한 작업에는 Haiku, 대부분의 프로덕션 워크로드에는 Sonnet, 가장 복잡한 추론에는 Opus를 선택하라." Fable 5는 그 사다리를 프런티어급 문제를 위해 한 칸 더 높이 연장합니다.

코딩 작업으로 번역하면:

• Haiku에 손을 뻗으세요 — 작업이 기계적일 때: 변수 이름 바꾸기, 정규식 작성, JSON 포맷팅, 보일러플레이트 테스트 생성, diff 요약, 또는 "이 함수가 뭐 하지?" 같은 빠른 답변.
• 기본은 Sonnet으로 — 실제 코딩의 대부분: 기능 구현, 일반 버그 수정, 컴포넌트 작성, 풀 리퀘스트 검토. 이것이 당신의 본거지여야 합니다.
• Opus로 올라가세요 — 작업이 많은 컨텍스트에 걸쳐 진정한 추론을 필요로 할 때: 명백한 원인이 없는 모호한 버그, 변경들이 상호작용하는 다중 파일 리팩토링, 또는 아키텍처 설계 결정.
• Fable 5는 아껴두세요 — Opus를 좌절시키는 드문 문제를 위해: 광범위한 마이그레이션, 미묘한 동시성 버그, 또는 단일 세션에서 매우 큰 코드베이스에 걸친 작업.

실제 예시

웹 앱에 새 "CSV로 내보내기" 기능을 추가한다고 합시다. 등급을 의식한 워크플로는 이렇게 보일 수 있습니다:

1. Opus로 계획하기. "여기 내 코드베이스 구조입니다. 내보내기 로직이 어디에 있어야 하고, 어떤 엣지 케이스를 처리해야 하나요?" 이것은 추론이 무겁고 방향을 정합니다 — 더 나은 모델의 값어치를 합니다.
2. Sonnet으로 구현하기. "내보내기 함수를 작성하고 버튼에 연결하세요." 일꾼이 잘 처리하는 표준 코딩입니다.
3. Haiku로 테스트하고 정리하기. "이 함수의 단위 테스트를 생성하세요" 그리고 "이 파일을 다시 포맷하세요." 저렴하고, 빠르고, 기계적입니다.

비싼 모델은 실제로 필요한 작업의 10%만 건드립니다. Claude Code에서는 /model sonnet이나 /model haiku로 세션 중간에 전환하고, Cursor에서는 모델 드롭다운에서 고릅니다. 기능 전체가 Opus나 Fable이 모든 단계를 했을 경우의 일부 비용으로 끝나며 — 저렴한 단계들이 거의 즉시 돌아오기 때문에 더 빨리 끝납니다.

등급을 낮추지 않고 비용 줄이기

등급 선택이 가장 큰 지렛대지만, 두 가지 내장 기능이 그 위에 쌓입니다:

• 프롬프트 캐싱. 같은 큰 컨텍스트(큰 시스템 프롬프트, 계속 참조하는 파일)를 반복해 보낸다면, 그것을 캐싱하면 이후 읽기가 입력 가격의 10%만 듭니다. 매 턴마다 컨텍스트를 다시 보내는 에이전트 루프에서는 이것이 엄청납니다.
• 배치 처리. 긴급하지 않고 대량인 작업 — 200개 파일에 대한 테스트 생성, 문서 폴더 번역 — 은 Batch API가 입력과 출력 모두에서 50% 할인으로 비동기 실행합니다.

둘 다 모델의 품질을 바꾸지 않습니다. 같은 작업에 대해 당신이 내는 비용만 바꿉니다.

핵심 정리

조심스럽다고 가장 큰 모델을 기본으로 쓰지 마세요. Sonnet을 기본으로, 작업이 사소할 때 Haiku로 내려가고, 문제가 진정으로 더 깊은 추론을 요구할 때만 Opus나 Fable로 올라가세요. 덜 쓰고, 덜 기다리며 — 더 많이 반복할 여유가 있으므로 — 종종 더 나은 코드를 내보낼 것입니다. 목표는 가장 똑똑한 모델을 쓰는 것이 아니라, 눈앞의 일에 올바른 모델을 쓰는 것입니다.