클로드 오푸스 4.7, 하이브리드 추론 기능과 100만 토큰 컨텍스트 윈도우로 출시

Claude Opus 4.7 출시 세부 정보
Anthropic은 1백만 컨텍스트 윈도우를 갖춘 "코딩과 AI 에이전트의 한계를 넓히는 하이브리드 추론 모델"로 설명되는 Claude Opus 4.7을 출시했습니다. 이 모델은 2026년 4월 16일에 발표되었습니다.
주요 기능 및 능력
- 성능 향상: 코딩, 비전, 복잡한 다단계 작업 전반에 걸쳐 더 강력한 성능
- 적응적 사고: 작업 복잡도에 따라 사고를 자동 조정하여 어려운 문제에는 더 많은 시간을, 간단한 문제에는 빠르게 응답
- 프로덕션 준비 코딩: 최소한의 감독으로 프로덕션 준비 코드 제공, 신중한 계획, 지속적인 노력으로 더 오래 실행, 대규모 코드베이스에서 안정적으로 운영
- 자체 수정: 계획 단계에서 자신의 실수를 발견
- 에이전트 워크플로우: 프로덕션 에이전트 워크플로우 구동, 복잡한 다중 도구 작업을 일관된 신뢰성으로 조율, 세션 간 학습을 위해 메모리 사용
- 기업 워크플로우: 세션 간 컨텍스트를 유지하여 복잡한 멀티데이 프로젝트를 전문적인 완성도로 종단 간 관리
가용성 및 가격
- 가용성: Claude Pro, Max, Team, Enterprise 사용자에게 제공. 또한 Claude Platform 기본 제공, Amazon Bedrock, Google Cloud의 Vertex AI, Microsoft Foundry에서도 사용 가능
- 가격: 입력 토큰 100만 개당 5달러, 출력 토큰 100만 개당 25달러부터 시작
- 비용 절감: 프롬프트 캐싱으로 최대 90%, 배치 처리로 50% 비용 절감
- 미국 전용 추론: 입력 및 출력 토큰에 대해 1.1배 가격으로 제공
- API 접근: Claude API를 통해
claude-opus-4-7사용
사용 사례
- 고급 코딩: 시니어 엔지니어가 가장 어려운 코딩 작업을 자신 있게 위임 가능
- AI 에이전트: 복잡한 다중 도구 작업을 일관된 신뢰성으로 조율
- 기업 워크플로우: 스프레드시트, 슬라이드, 문서에서 강력한 성능
- 장기 실행 작업: 자동화, CI/CD, 장기 실행 작업을 포함한 실제 비동기 워크플로우 처리
모델 특성
출처에 따르면, Claude Opus 4.7은 "문제에 대해 더 깊이 생각하고 사용자에게 단순히 동의하기보다 더 주관적인 관점을 제공합니다." 이 모델은 "어려운 작업에서 더 철저하고 일관적"이며 "전문 지식 작업 전반에 걸쳐 더 나은 결과"를 제공하는 것으로 설명됩니다.
📖 Read the full source: HN AI Agents
👀 See Also

클로드의 음성 인식 한계와 사용자들의 Spokenly 및 Parakeet TDT를 활용한 해결 방법
사용자가 Claude의 내장 마이크 음성 인식이 ChatGPT에 비해 부정확하다고 보고하며, 이로 인해 절약되는 노력보다 더 많은 작업이 발생한다고 말합니다. 그들은 Mac에서 Spokenly와 NVIDIA의 Parakeet TDT 모델을 사용하여 성능을 개선하는 임시 해결책을 구현했습니다.

미군, 트럼프 금지에도 불구하고 이란 공격에 클로드 AI 사용
도널드 트럼프가 공격 시작 몇 시간 전에 연방 기관들에 클로드 사용 중지를 명령했음에도 불구하고, 미군이 이란에 대한 공격 정보를 얻기 위해 Anthropic의 AI 모델 클로드를 사용한 것으로 알려졌습니다. 토요일 시작된 미-이스라엘 합동 이란 대규모 폭격 작전 중 클로드 사용은 월스트리트저널과 액시오스가 보도했습니다.

액체 AI, 에이전트 루프를 위한 LFM2.5-350M 모델 출시
Liquid AI가 신뢰할 수 있는 데이터 추출과 도구 사용을 위해 훈련된 350M 파라미터 모델인 LFM2.5-350M을 출시했습니다. 양자화 시 500MB 미만의 크기로, 대부분의 벤치마크에서 Qwen3.5-0.8B와 같은 더 큰 모델을 능가하면서도 더 빠르고 메모리 효율적입니다.

AlphaEvolve: 딥마인드의 제미니 기반 에이전트, 유전체학, 전력망, TPC 회로 전반에서 알고리즘 최적화
Google DeepMind의 Gemini 기반 코딩 에이전트 AlphaEvolve가 DeepConsensus 변이 탐지 오류를 30% 줄이고, AC 최적 전력 흐름 GNN의 실행 가능성을 14%에서 88%로 높였으며, 양자 회로 오류를 10배 감소시켰습니다.