Opus 5 출시 — 벤치마크가 정말 미쳤다

01핵심 개요

02핵심 내용 구조

1) 벤치마크 전반 — Fable 5와 거의 동급, 비용은 절반

• Opus 5는 에이전틱 터미널 코딩, 지식노동, 에이전틱 검색 등 다수 항목에서 경쟁 최상위 모델("Fable 5")과 이전 모델 Opus 4.8을 모두 앞서는 결과를 보였다고 소개됩니다.
• GPT 계열 최신 모델("5.6 소울")과 비교해도 해당 카테고리들에서 앞선다는 언급이 나옵니다.
• Opus 5가 더 낮은 성능을 보인 항목은 다학제적 추론(멀티디시플리너리 리즈닝) 정도이며 그 격차도 크지 않고, 도구를 사용하는 조건에서는 오히려 역전한다고 설명됩니다. 법률·헬스 분야도 예외로 언급되지만 나머지 대부분 항목에서는 최상위 모델을 능가합니다.

2) Cursor Bench 수치 — "거의 동급, 비용은 절반"

• Cursor Bench 3.2를 최대 성능 설정(맥스 이펏)으로 테스트한 결과, Opus 5는 최상위 모델 대비 점수 차이가 0.5% 이내였다고 소개됩니다. 반면 과제당 비용은 절반 수준이라는 점이 핵심 포인트로 제시됩니다.
• 그래프상 최대 설정(맥스)에서는 경쟁 모델이 근소하게 앞서지만, 실제 사용자 대부분은 최대 설정이 아닌 '하이(high)'나 '엑스트라 하이(extra high)' 설정을 쓰는데, 이 구간에서는 Opus 5와 경쟁 모델의 결과가 사실상 동일한 수준으로 나온다고 설명됩니다.
• 다른 벤치마크인 아티피셜 애널리시스 코딩 에이전트 인덱스, 프런티어 벤치에서도 Opus 5가 경쟁 모델을 앞서는 결과가 소개됩니다.

3) 이전 모델(Opus 4.8) 대비 도약폭이 핵심

• 영상에서 강조하는 진짜 포인트는 단순히 경쟁 모델과의 비교가 아니라, 바로 직전 모델인 Opus 4.8에서 Opus 5로의 성능 도약폭이 전 영역에 걸쳐 매우 크다는 점입니다.
• 과거 다른 모델 세대 교체 때는 성능은 좋아졌지만 비용이 지나치게 비싸지는 경우가 있었다고 언급하며, Opus 5는 그런 사례와 달리 토큰 효율이 매우 높다고 평가합니다.

4) 시각적 산출물 — 3D·SVG 개선

• 예시로 Opus 5가 만든 풍동(wind tunnel) 관련 작업물과, 3D 인터랙티브 동물세포 아티팩트가 소개됩니다.
• 해당 계열 모델은 원래 이미지를 직접 생성하지 못하는 한계가 있었는데, 이번 버전은 3D 형태의 SVG·HTML 기반 그래픽 표현력이 크게 향상됐다는 점이 긍정적으로 평가됩니다.

5) 장기 자율 작업(Long-horizon Agentic Task) 능력

• Anthropic 측은 Opus 5가 작업 결과를 스스로 검증하고 목표에 도달할 때까지 반복 수정하는 능력이 훨씬 강해졌다고 설명한다고 전합니다.
• 이는 한 번의 응답으로 끝나지 않고 루프를 돌며 목표 대비 결과를 계속 점검·수정해야 하는 작업(예: 이른바 '그래프 엔지니어링' 같은 작업)에서 Opus 4.8보다 훨씬 나은 성능을 보인다는 의미로 설명됩니다.
• 구체적 사례로, 기계 부품 도면을 주고 이를 3D CAD 모델 코드로 재현하라는 과제가 제시됩니다. 모델은 도면을 직접 볼 방법이 주어지지 않았음에도 불구하고, 스스로 컴퓨터 비전 파이프라인을 작성해 원본 이미지 픽셀에서 형상 정보를 추출한 뒤 기계 부품 전체를 재구성해냈다고 소개됩니다. 이는 구체적 수행 방법이 아니라 '목표'만 주어졌을 때의 자율적 문제 해결 능력을 보여주는 사례로 제시됩니다.

6) 안전성·정렬(Alignment) 지표

• 오용 가능성을 나타내는 지표(수치가 낮을수록 안전)에서도 Opus 5가 이전 모델들보다 개선됐다고 소개됩니다.
• 오픈소스 코드에서 취약점·익스플로잇을 찾아내는 능력이 Opus 4.8 대비 크게 늘었다는 점도 언급되는데, 이는 방어(보안 점검) 목적으로 활용 가능한 능력 향상으로 소개됩니다.
• 가드레일(안전장치) 측면에서는, 사이버보안·생물학 등 민감 주제를 언급했다고 무조건 응답을 차단하는 경쟁 모델과 달리 상대적으로 덜 엄격하다고 설명됩니다. 다만 안전 분류기(classifier)는 여전히 존재하며, 경쟁 모델 대비 오작동(불필요한 차단) 확률이 85% 낮다는 수치가 제시됩니다.

7) 가격 정책

• Opus 5의 가격은 입력 100만 토큰당 5달러, 출력 100만 토큰당 25달러로 소개되며, 이는 경쟁 최상위 모델("Fable 5") 대비 절반 수준이라고 강조됩니다.
• 벤치마크에서 확인된 토큰 효율성과 결합해, 실사용 비용 부담이 상대적으로 낮아질 것으로 기대된다는 평가로 영상이 마무리됩니다.

03기술적 맥락

• 에이전틱(Agentic) 작업: 모델이 단발성 질의응답이 아니라 여러 단계를 스스로 계획하고 도구를 호출하며 목표를 달성해가는 방식의 작업을 뜻합니다. 코딩·검색·리서치 등에서 최근 AI 모델 평가의 핵심 축입니다.
• 토큰 효율(token efficiency): 같은 품질의 결과를 만들어내는 데 소모하는 토큰(=비용)이 얼마나 적은지를 뜻합니다. 성능이 좋아도 토큰을 많이 써야 한다면 실사용 비용이 커지므로, 벤치마크 점수와 별개로 중요한 지표입니다.
• 장기 자율 작업(long-horizon task): 한 번의 답변으로 끝나지 않고, 결과를 스스로 점검하고 목표에 도달할 때까지 여러 차례 반복 수정해야 하는 작업 유형입니다. 이번 영상에서는 CAD 모델 재구성 사례로 소개됩니다.

04전략적 의미

• "경쟁 최상위 모델과 비슷한 성능을 절반 비용에" 라는 포지셔닝은, 고성능 모델 사용에 따르는 비용 부담을 낮춰 실무 적용 폭을 넓히는 방향으로 해석됩니다.
• 장기 자율 작업 능력 강화는 단순 챗봇형 사용을 넘어, 반복 검증이 필요한 복잡한 엔지니어링·자동화 워크플로우로 활용 범위가 확장될 가능성을 시사합니다.
• 안전 가드레일을 상대적으로 완화하면서도 취약점 탐지 등 방어적 활용 능력을 키운 점은, 개발자·보안 실무자 대상 활용성을 함께 겨냥한 방향으로 풀이됩니다.

05활용 시나리오

• 코딩 에이전트나 자동화 워크플로우에 고성능 모델을 도입하려는 개발자가, 비용 대비 성능을 비교할 때 참고할 수 있습니다.
• 반복적으로 결과를 검증하며 목표에 도달해야 하는 장기 자동화 작업(문서 생성, 3D 모델링, 복잡한 리서치 등)에 이 모델의 적합성을 검토할 때 활용할 수 있습니다.
• 보안 담당자가 오픈소스 코드의 취약점 점검 자동화 도구로 AI 모델 도입을 검토할 때 참고 사례로 삼을 수 있습니다.
• 여러 AI 모델의 비용 대비 성능을 비교해 프로젝트에 맞는 모델을 선택하려는 실무자가 벤치마크 감을 잡는 데 참고할 수 있습니다.

06현황 및 전망

• 영상 시점 기준 Opus 5가 막 공개된 직후로, 소개된 수치는 모두 공개 벤치마크·자체 발표 자료에 근거한 것이며 영상 진행자도 "수치가 사실이라면"이라는 조건부 표현을 반복해 사용해 검증이 더 필요하다는 입장을 취합니다.
• 절반 가격에 준하는 성능이라는 포지셔닝이 실제 사용자 경험에서도 유지될지는 후속 실사용 후기·독립 벤치마크로 확인이 필요한 단계입니다.
• 진행자는 영상 말미에 실제로 모델을 사용해볼 계획을 언급하며 기대감을 드러냅니다.

07용어 사전