클로드 코드 — 모델과 작업량, 언제 뭘 바꿔야 할까

클로드를 쓰다 보면 한 번쯤 하게 되는 고민 — 지금 이 작업엔 어떤 모델을 골라야 하지? 설정의 ’작업량’은 대체 언제 바꾸는 거지? 클로드 코드 팀이 공식 블로그에서 직접 밝힌 내용을 바탕으로, 모델과 작업량을 고르는 기준을 정리한 가이드입니다.

📺 영상 채널: Aiden의 친절한 AI (https://www.youtube.com/@Aiden_channel)

이 가이드로 아는 것

클로드가 답변을 만드는 원리 — 토큰, 가중치, 그리고 ‘인쇄된 책’
모델 설정이 실제로 바꾸는 것과 바꾸지 않는 것
작업량 설정이 조절하는 ’일하는 태도’의 정체
낮음 vs 높음 실제 비교 — 시간 6배, 토큰 7배의 차이가 뭘 사왔는지
클로드가 틀렸을 때의 진단 순서 3단계 ⭐

시작 전에 — 흔한 두 가지 가정

클로드 코드에는 “답변을 더 좋게” 만들어주는 것처럼 보이는 설정이 두 가지 있습니다. 모델과 작업량. 보통 이렇게 생각하기 쉽습니다.

Fable 5 같은 큰 모델을 쓰면 Sonnet보다 더 똑똑한 답이 나온다
작업량을 높일수록 클로드가 답하기 전에 더 오래 생각한다

이 중 일부는 맞고, 일부는 오해입니다. 어떤 게 맞고 어떤 게 오해인지 판단하려면, 먼저 클로드가 답을 만드는 원리부터 알아야 합니다.

배경 ① — 클로드는 글자를 읽지 못한다 (토큰)

클로드는 우리가 쓴 글자를 읽지 못합니다. 숫자만 계산할 수 있습니다. 그래서 메시지는 모델에 도착하기 전에 변환 과정을 거칩니다.

문장을 작은 조각으로 자릅니다 — 이 조각이 토큰입니다. “클로드에게 질문했습니다”는 통째로 전달되지 않고 ‘클로드’, ‘에게’, ‘질문’, ‘했’, ’습니다’처럼 잘립니다. 단어 단위도 글자 단위도 아니고, 자주 함께 등장하는 덩어리끼리 묶입니다. (’습니다’는 워낙 세트로 자주 나오니까 한 조각)
조각마다 번호표가 붙습니다 — ’클로드’는 3412번, ’에게’는 517번 하는 식으로. 결국 클로드가 받는 건 글이 아니라 번호들의 목록입니다.

그 숫자 목록을 받아 모델이 하는 일은 — “이 다음에 올 조각이 뭘까?“를 맞히는 것. 카카오톡 자동완성과 본질적으로 같습니다. 사전에 있는 조각 전부(수만 개)에 “다음에 올 가능성 몇 %” 점수를 매기고, 가장 높은 걸 골라 문장 끝에 붙이고, 또 맞히고 — 이걸 수백 번 반복한 결과가 우리가 받는 답변입니다.

💡 클로드의 답변이 한 번에 딱 나오지 않고 주르륵 흘러나오는 것 — 한 조각씩 만들어지는 과정을 실시간으로 보고 있는 겁니다. 요금이 토큰 단위로 매겨지는 이유도 이것. 조각 하나하나가 전부 클로드가 일한 양이니까요.

배경 ② — 가중치는 ’인쇄된 책’이다

’다음 조각을 맞히는 실력’은 어디서 나올까요? 그 실력의 정체가 가중치 — 수십억 개의 숫자 덩어리입니다.

우리가 “밥은 먹고 다니” 다음에 ’냐’가 온다는 걸 아는 건, 살면서 그 말을 수없이 들어 머리에 새겨져 있기 때문이죠. 가중치가 바로 그겁니다. 모델이 학습하며 본 것들이 새겨져 있는 곳 — 모델의 기억이자 언어 감각 전체.

그런데 이 숫자 덩어리에는 중요한 특징이 하나 있습니다. 학습이 끝나는 순간, 인쇄된 책처럼 굳습니다.

우리가 클로드와 대화할 때는 이미 인쇄가 끝난 책을 받아보는 것
아무리 좋은 프롬프트를 써도, 최신 자료를 넣어줘도 — 책 내용은 안 바뀝니다

💡 “자료를 넣어주면 잘 참고해서 답하던데?” — 맞습니다. 그런데 그건 책에 내용이 추가된 게 아니라, 책 사이에 포스트잇을 끼워준 것입니다. 이번 답변을 만들 때는 참고하지만, 대화가 끝나면 포스트잇은 사라지고 책은 그대로. 그래서 다음 대화에서 “지난번에 알려줬잖아”라고 해도 알아듣지 못하고, 책이 인쇄된 시점 이후의 내용(최신 라이브러리 등)은 매번 포스트잇으로 줘야 합니다.

ℹ️ 할루시네이션도 여기서 나옵니다. 거짓말이 아니라, ’다음 조각 맞히기’가 책에 없는 내용을 그럴듯한 패턴으로 메워버린 현상입니다.

판정 ① — 모델: 누구를 고용할 것인가

모델을 바꾼다 = 다른 책을 꺼내 든다. 더 두껍고, 더 많은 경험이 인쇄된 책으로요. 기술적으로는 가중치 덩어리가 통째로 교체되는 것.

→ 첫 번째 가정 “큰 모델을 쓰면 더 똑똑한 답이 나온다”는 맞는 말입니다.

모델 설정이 정하는 건 두 가지입니다 — 어떤 책이 답하게 할 것인가, 그리고 그 책의 답변은 토큰당 얼마인가. 말하자면 시급이 정해진 직원을 고용하는 것과 같습니다. Opus는 시급이 비싼 전문가, Sonnet은 시급이 저렴한 실력자.

그런데 모델 설정이 정하지 않는 게 하나 있습니다. 그 직원이 몇 시간 일할지.

판정 ② — 작업량: 얼마나 꼼꼼하게 일하게 할 것인가

똑같은 질문을 던져도 클로드가 받아들이는 방식은 그때그때 다릅니다. 어떤 때는 “관련 파일 세 개는 읽어봐야겠는데? 답 내고 검증도 해야겠다” 하고 일을 크게 벌이고(사용량 증가), 어떤 때는 “지금 아는 것만으로 바로 답해도 되겠다” 싶으면 바로 답으로 갑니다(사용량 감소). 질문은 같은데 청구서가 달라지는 것 — 시급은 정해져 있는데 몇 시간 일할지는 정해지지 않았던 겁니다. 이걸 정하는 설정이 작업량입니다.

정확히 말하면 작업량이 조절하는 건 시간만이 아니라 일하는 태도 전체입니다.

작업량이 조절하는 것	낮음 쪽	높음 쪽
파일을 몇 개나 읽을지	질문과 직접 관련된 파일만	연결된 주변 파일까지 다 열어봄
얼마나 검증할지	답을 내고 끝	테스트를 돌리고 “진짜 맞나?” 한 번 더 확인
혼자 얼마나 처리할지	중간중간 “이렇게 할까요?” 확인받으러 옴	끝까지 알아서 해놓고 완성본을 들고 옴

⭐ 한 줄로 줄이면 — 작업량을 높이면 클로드는 스스로 확실해질 때까지 읽고 확인하고 나서야 돌아오고, 낮추면 더 일찍 “이 정도면 됐다”고 판단하고 돌아옵니다. “이 정도면 됐다”의 기준선이 어디 있느냐 — 그게 작업량입니다.

→ 두 번째 가정 “작업량을 높이면 더 오래 생각한다”는 절반만 맞는 얘기입니다. 생각 시간이 늘어나는 건 맞지만 그건 일부일 뿐, 실제로는 파일을 읽고, 검증하고, 혼자 처리하는 범위까지 태도 전체가 달라집니다.

핵심 두 문장

모델은, 누구를 고용할 것인가. 작업량은, 그 사람을 얼마나 꼼꼼하게 일하게 할 것인가.

모델은 실력과 시급을, 작업량은 일하는 태도를 정합니다. 완전히 별개의 설정이라, 비싼 전문가에게 5분만 시킬 수도, 합리적인 가격의 실력자에게 하루 종일 시킬 수도 있습니다.

시연 — 같은 모델, 작업량만 낮음 vs 높음

영상에서는 2026년 코딩 도구 비교 기사 20편이 든 폴더를 지정하고, 모델은 Opus로 고정한 채 작업량만 바꿔 같은 요청을 두 번 돌렸습니다.

이 기사들에 나온 수치나 주장 중에서,
영상에 인용해도 안전한 것과 위험한 것을 구분해줘.

구분	작업량 낮음	작업량 높음
기사 읽기	20편 전부 읽음	20편 전부 읽음
검증 범위	폴더 안에서 기사끼리 대조 — “출처가 없다”, “서로 충돌한다”, “제조사 자체 발표다” 판정	폴더 밖으로 나감 — 검증용 에이전트를 따로 투입, 웹을 직접 검색해 원 출처와 대조, 원래 맥락과 다르게 인용된 수치까지 추적
부가 산출물	—	검증 결과를 나중에 쓸 수 있는 참고 문서로 정리
소요	약 5분 · 약 31만 토큰	약 30분 · 약 220만 토큰

시간은 6배, 토큰은 7배 차이. 주목할 점은 공통점입니다 — 낮음도 기사 20편을 전부 읽었습니다. 이 질문은 전부 읽어야 답할 수 있는 질문이니까, 필요한 일은 낮음도 건너뛰지 않습니다.

높음이 무조건 정답은 아니다

낮음의 답도 실무에서 바로 쓸 수 있는 수준이었습니다. 그럼 토큰을 7배 쓴 높음은 낭비였을까요? — 결과물이 어디에 쓰이느냐에 따라 다릅니다.

혼자 참고하는 메모라면 → 낮음이면 충분
그 숫자가 임원 보고서에 들어가고, 회의실에서 “이 숫자 출처가 어디죠?“에 답해야 한다면 → 7배의 토큰이 하나도 아깝지 않음

“높음으로 두면 간단한 일도 매번 30분씩 벌이는 거 아냐?”

그렇지 않습니다. 필요한 일은 낮음도 건너뛰지 않는다를 뒤집으면 — 필요 없는 일은 높음도 벌이지 않습니다.

앤트로픽은 모델을 학습시킬 때 ’과잉 사고’를 일부러 억제한다고 밝히고 있습니다. 돈 낭비라서가 아니라, 쓸데없이 오래 고민할수록 결과물이 오히려 나빠지기 때문. (간단한 답장을 길게 고민하면 더 이상한 문장이 나오는 것처럼요)
높음이 일을 벌였다가도 중간에 적절한 답이 나오면 계획을 접습니다. 원인 후보 세 개를 세워놓고 첫 번째에서 답을 찾으면 나머지는 건너뜁니다. 클로드 코드에서 작업 목록이 실행 중에 지워지거나 바뀌는 것 — 버그가 아니라 이 현상입니다.

⭐ 작업량을 높인다는 건 “필요하면 더 해도 돼”라는 허락이지, “무조건 더 해”라는 명령이 아닙니다.

진단 순서 — 클로드가 틀렸을 때 ⭐

클로드가 이상한 답을 내놓으면 본능적으로 설정으로 손이 갑니다. 모델을 올려볼까, 작업량을 높여볼까. 앤트로픽은 그 손을 멈추라고 합니다. 설정보다 먼저 볼 건 내가 클로드에게 건네준 것들입니다.

1단계 — 내가 제대로 줬나?

점검	질문
요청	“적당히 정리해줘”처럼 모호하게 시켜놓고 결과를 탓하고 있진 않은가?
자료	클로드가 봐야 할 파일은 연결도 안 해놓고 알아서 찾아내길 바라고 있진 않은가?
환경	필요한 도구나 권한 없이 시키고 있진 않은가?

💡 클로드는 우리가 건네준 포스트잇으로 일합니다. 포스트잇을 부실하게 줘놓고 사람을 바꾸거나(모델) 더 꼼꼼히 일하라고(작업량) 해봐야 없는 자료가 생기지는 않습니다. 문제가 설정이 아니라 그 앞 단계에 있는 경우가 많습니다.

2단계 — 다 읽고도 틀렸으면 → 모델

“몰라서 틀렸다” — 자료를 다 읽고 열심히 했는데도 틀렸다면 실력 문제, 책에 없는 겁니다. 이럴 땐 모델을 바꿉니다.

모델을 올려야 하는 신호는 딱 하나 — 클로드가 자신 있게, 계속 틀릴 때. 머뭇거리지도 않고 확신에 찬 오답을 반복한다면, 그 문제를 풀 실력이 애초에 그 책에 인쇄돼 있지 않은 것. 포스트잇을 아무리 붙여도 안 되는 상황입니다.
모델을 내려야 할 때는 신호가 없습니다. 어려운 작업 때문에 큰 모델로 올렸다가, 고비를 넘긴 뒤에도 설정을 그대로 두는 패턴이 흔합니다. 시키는 일이 전부 단순한 정리·수정인데 제일 비싼 모델이 계속 돌아가는 것 — 시급 비싼 전문가에게 복사 업무를 시키는 셈입니다. 작업이 일상적일 때는 더 작은 모델로 내려주세요.

⭐ 실전 팁: 지시가 구체적일수록 작은 모델로 충분하고, 모호할수록 큰 모델이 필요합니다. “이 파일의 이 부분을 이렇게 바꿔줘”는 작은 모델이 빠르고 정확하게 해내고, “우리 자료 어딘가에 문제가 있는 것 같은데 찾아봐줘”는 큰 모델이 필요합니다. 뒤집으면 — 요청을 구체적으로 쓰는 노력 자체가 모델 등급을 낮춰주는, 돈을 아껴주는 기술입니다.

3단계 — 건너뛰고 틀렸으면 → 작업량

“대충 해서 틀렸다” — 파일 하나를 건너뛰었거나 확인 없이 답했다면, 실력이 아니라 꼼꼼함 문제. 이럴 땐 작업량을 올립니다.

판단은 어렵지 않습니다. 클로드 코드는 자기가 뭘 했는지 화면에 다 보여주기 때문 — 어떤 파일을 읽었는지, 뭘 실행했는지 전부요. 진단은 감이 아니라 관찰로 하는 겁니다.

💡 다만 건너뛰는 일은 주로 작업량을 기본값보다 낮춰놨을 때 생깁니다. 더 올리기 전에, 일단 기본값으로 돌아오는 것부터 하세요.

기본값의 재발견

’기본 설정’이라고 하면 제조사가 대충 중간에 놓은 값이라 생각하기 쉽고, 그래서 설정을 만져야 제대로 쓰는 기분이 들죠. 앤트로픽의 설명은 다릅니다.

기본값은 “대부분의 사람이 이 작업에 이 정도면 쓰겠다” 싶은 지점에 맞춰 조율해놓은 균형점 — 품질과 비용의 균형을 미리 계산해 잡아둔 값입니다.
세부 조절은 클로드가 작업마다 알아서 합니다. 필요하면 하고, 필요 없으면 안 하고.

그래서 공식 가이드의 결론은 — “대부분의 작업에는 기본값을 쓰세요.”

그럼 작업량은 언제 바꾸나?

작업마다 바꾸는 게 아니라, 내 일의 성격에 맞춰 한 번 정해두는 겁니다.

나는 어떤 사람인가	설정
틀리면 안 되는 자료를 만드는 사람	높게 잡아두기
아이디어를 빠르게 쳐내는 게 중요한 사람	낮게 잡아두기
둘 다 아니라면	기본값 그대로 두고 잊기

정리

질문	답
모델이란?	누구를 고용할 것인가 — 실력과 시급이 다른 직원(책)을 고르는 것
작업량이란?	그 사람을 얼마나 꼼꼼하게 일하게 할 것인가 — 어디까지 확인하고 보고할지
기본 방향은?	단순한 작업엔 작은 모델, 복잡하고 모호한 작업엔 큰 모델. 작업량은 대부분 기본값
틀렸을 때는?	① 내가 자료를 제대로 줬는지 확인 → ② 다 읽고도 틀렸으면 모델 ↑ → ③ 건너뛰고 틀렸으면 작업량 ↑

참고 링크

클로드 코드 팀 공식 블로그 (영상의 원문 자료): https://claude.com/blog/claude-model-and-effort-level-in-claude-code

Aiden의 친절한 AI