Claude Platform
Claude Platform에서 최첨단 에이전트를 구축하세요
최첨단 모델, 하네스, 컨텍스트 관리, 인프라가 함께 작동하도록 설계되었습니다.
일괄 처리로 50% 절약하세요. 더 알아보기 (opens in new tab)
Fable 5.1
장기 실행 에이전트를 위한 차세대 인텔리전스
- 며칠 동안 진행되는 자율 프로젝트
- 최첨단 연구를 위한 전문가 수준의 작업
- 프롬프트 캐싱
- 읽기
- $0.25 / MTok
- 쓰기
- $12.50 / MTok
- 입력
- $10 / MTok
- 출력
- $50 / MTok
Opus 5.5
에이전틱 코딩(agentic coding) 및 엔터프라이즈 작업을 위한 일일 드라이버
- 장기간의 코딩 및 대규모 마이그레이션
- 엔터프라이즈 도구와 데이터 전반에 걸친 다단계 에이전트
- 프롬프트 캐싱
- 읽기
- $0.20 / MTok
- 쓰기
- $5 / MTok
- 입력
- $4 / MTok
- 출력
- $20 / MTok
Sonnet 5.5
코딩 및 에이전트를 위한 고성능 모델
- 일상적인 코딩 및 개발자 루프
- 대규모 고객 대면 에이전트 및 다중 도구 워크플로우
- 프롬프트 캐싱
- 읽기
- $0.10 / MTok
- 쓰기
- $2.50 / MTok
- 입력
- $2 / MTok
- 출력
- $10 / MTok
Haiku 5.5
가장 빠르고 비용 효율적인 모델
- 지연 시간에 민감한 실시간 제품 경험
- 대규모 다중 모델 시스템 내의 하위 에이전트
- 프롬프트 캐싱
- 100K개 이하 토큰의 프롬프트
- 읽기
- $0.01 / MTok
- 쓰기
- $0.125 / MTok
100K개 초과 토큰의 프롬프트- 읽기
- $0.05 / MTok
- 쓰기
- $0.625 / MTok
- 입력
- 100K개 이하 토큰의 프롬프트
- $0.10 / MTok
- 100K개 초과 토큰의 프롬프트
- $0.50 / MTok
- 출력
- 100K개 이하 토큰의 프롬프트
- $0.50 / MTok
- 100K개 초과 토큰의 프롬프트
- $2.50 / MTok
미국에서 실행해야 하는 워크로드의 경우, 입력 및 출력 토큰 기준 1.1배의 요금으로 미국 전용 추론을 사용할 수 있습니다. 더 알아보기.
Opus 5.5의 고속 모드를 사용하면 표준 요금의 2배로 최대 2.5배 더 빠른 속도로 이용할 수 있습니다. 더 알아보기.
프롬프트 캐싱 가격은 5분 TTL을 기준으로 적용됩니다. 확장된 프롬프트 캐싱에 대해 알아보세요.
Messages API를 통해 Claude의 최첨단 모델에 액세스하고, 완전한 제어와 맞춤형 설정을 통해 구축할 수 있습니다.
코드 실행
API 호출에서 Python 코드를 실행하고, 시각화를 생성하며, 데이터를 분석할 수 있습니다.
구조화된 출력
Claude의 응답이 여러분의 JSON 스키마에 부합하도록 설정할 수 있습니다.
도구 사용
Claude가 수백 가지 외부 도구 및 API와 상호작용하도록 설정하면 더 폭넓은 작업을 수행할 수 있습니다.
컴퓨터 사용
Claude가 브라우저나 데스크톱을 보고 조작하여 API가 없는 애플리케이션의 작업을 자동화할 수 있습니다.
인용
소스 문서를 기반으로 응답을 제공합니다.
파일
대화 간에 문서를 업로드하고 참조할 수 있습니다.
컨텍스트 창
최대 100만 개의 컨텍스트 토큰으로 더 포괄적이고 데이터 집약적인 사용 사례를 실행하세요.
압축
토큰 한도에 근접하면 오래된 컨텍스트를 자동으로 요약합니다.
컨텍스트 편집
도구 호출과 결과를 자동으로 지웁니다.
웹 검색 및 가져오기
웹의 최신 데이터를 Claude로 가져오세요.
장기 실행되는 에이전트를 대규모로 구축하고 배포하세요.
설계 기반 보안
자격 증명은 샌드박스 외부에 유지되고, 암호화 기능이 내장되어 있으며, 상태는 자동으로 유지됩니다.
엔드투엔드 관찰 가능
세션 추적은 모든 에이전트가 수행한 작업과 작업 이유를 기록하며, 내장 분석을 통해 에이전트 성능을 개선합니다.
Claude를 위해 설계되었습니다
기본 하네스는 Claude에 최적화되어 있습니다. 모델이 개선됨에 따라 귀하의 에이전트도 함께 개선됩니다.
Claude의 기능을 확장하고 맞춤화하세요.
모델 컨텍스트 프로토콜(MCP)
AI 통합을 위한 개방형 표준을 통해 Claude를 도구와 데이터에 연결하세요.
Skills
사전 구축된 Skills나 맞춤형 Skills를 통해 Claude에게 전문 지식, 절차, 모범 사례를 가르쳐 보세요.
메모리 스토어
에이전트는 세션 간에도 기억하며, 메모리 파일을 사용자의 인프라에 유지합니다.





Claude Marketplace
기존 Anthropic 약정으로 파트너가 제공하는 Claude 기반 솔루션 비용을 결제해 보세요.
사용자 데이터에 대한 제어 기능과 보호 장치.
엔터프라이즈 프론티어 세이프가드
자격을 갖춘 고객에게 Zero Data Retention(ZDR)의 프라이버시 보호와 오용을 탐지하기 위한 최첨단 안전 장치를 제공합니다.
상주
클라우드 공급업체에서 데이터가 저장되는 위치와 요청이 처리되는 위치를 선택하세요. 아시아 태평양, 캐나다, 유럽, 미국에 리전이 제공됩니다.
데이터는 사용자의 소유로 유지됩니다
기본적으로 Anthropic은 상업적 배포의 고객 데이터를 Claude 학습에 사용하지 않습니다.
일괄 처리
대량의 요청을 비동기 방식으로 처리하여 비용을 절감하세요.
프롬프트 캐싱
Claude에 배경 지식과 예시를 제공하면, 긴 프롬프트를 처리할 때 비용을 최대 약 97%, 지연 시간을 약 60% 줄일 수 있습니다.
노력
Claude가 작업에 얼마나 열심히 임할지 선택하세요.
어드바이저 전략(베타)
더 빠르고 경제적인 모델은 더 지능적인 모델을 호출하여 계획이나 작업을 평가함으로써 성능을 개선합니다.
분석 기능과 제어 기능이 내장된 명령 센터.
요청을 작성하세요
모든 고객 지원 티켓을 가장 관련성 높은 카테고리로 분류해 줘. 선택 가능한 카테고리 목록은 다음과 같아: {{CATEGORY_LIST}} 지원 티켓의 내용은 다음과 같아: {{TICKET_CONTENT}}
너는 고객 지원 티켓을 분류하는 데 특화된 AI 어시스턴트야. 너의 임무는 제공된 티켓 내용을 분석한 뒤, 사전 정의된 목록 중 가장 적절한 카테고리에 티켓을 할당하는 거야. 또한 분류 결정에 대한 근거를 제시해야 해.
먼저, 사용 가능한 카테고리를 확인해:
<category_list>
{{CATEGORY_LIST}}
</category_list>
이제 분류해야 하는 지원 티켓의 내용은 다음과 같아:
<ticket_content>
{{TICKET_CONTENT}}
</ticket_content>
다음 단계에 따라 작업을 완료해.
– 티켓 내용을 주의 깊게 읽고 분석해.
– 티켓 내용이 선택 가능한 각 카테고리와 어떻게 관련되는지 검토해.
– 티켓에 가장 적합한 카테고리를 선택해.
– 추론 프로세스에 대해 자세히 설명해.
응답은 다음 구조로 작성해: <classification_analysis>
이 섹션에서는 판단 과정을 단계별로 설명해.
– 티켓 내용에서 가장 관련성이 높은 부분을 인용해.
– 각 카테고리를 나열하고, 티켓 내용과 어떻게 관련이 있는지 설명해.
– 각 카테고리에 대해 티켓을 해당 카테고리로 분류할 근거와 분류하지 않을 근거를 제시해.
– 가능성이 가장 높은 카테고리 3개를 순위대로 나열해.
</classification_analysis>
<classification>
<category>선택한 카테고리를 여기에 입력해</category>
<reasoning>이 카테고리를 선택한 이유를 간략하게 요약해</reasoning>
</classification>
분석은 철저히 하고, 설명은 명확하게 작성해. 너의 목표는 충분한 근거를 바탕으로 정확한 분류를 제시하는 거야.
빌드
프로토타입 프롬프트를 만들고, Skills와 파일을 업로드한 뒤, 에이전트를 구성하세요.
배포
볼트와 메모리가 포함된 호스팅된 환경에서 에이전트를 실행하세요.
모니터링
사용량, 비용, 캐싱, 속도 제한을 모델과 API 키별로 추적하세요.
관리
워크스페이스별로 API 키, 멤버, 토큰 한도, 보안을 제어하세요.
“개발자들은 실제 소프트웨어 작업을 맡아 끝까지 완료할 수 있는 에이전트를 원합니다. GitHub Copilot CLI와 VS Code에서 테스트한 결과, Claude Opus 5.5는 측정한 모델 중 가장 적은 토큰과 단계를 사용한 모델 중 하나였습니다. VS Code에서는 Claude Opus 5의 절반도 안 되는 단계로 더 많은 터미널 작업을 해결했죠. 이제 개별 작업의 효율성을 높이는 데 그치지 않고, 개발자들이 더 큰 규모의 프로젝트를 실현할 수 있도록 지원하고 있습니다.”
“Lovable 개발자에게 Opus 5.5는 새롭게 개발하든, 이미 운영 중인 앱을 수정하든 동일한 품질을 유지하면서 더 빠르게 개발할 수 있다는 의미입니다. 필요한 맥락을 한 번에 파악하고, 수정 횟수는 줄이면서 수정 완성도는 높이고, 반복적인 재시도에 시간을 낭비하지 않습니다. 그 결과 작업 단계 수는 1/3에서 절반까지 줄어들고, 토큰 사용량도 크게 감소했죠.”
“Claude Opus 5.5를 사용한 내부 평가 전반에서 토큰 효율성이 확실히 향상된 것을 확인했습니다. 동일한 작업을 더 적은 비용으로 더 빠르게 완료할 수 있었기 때문이죠.”
“금융 기업에는 지속적으로 정확한 결과물이 필요합니다. 최저 연산 강도 설정에서 Claude Opus 5.5는 BigFinance Bench에서 고연산 강도의 Opus 5를 능가하며 출력 토큰을 약 60% 줄였습니다. 답변은 짧아지고 체계가 개선되었으며, 슬라이드는 산업 표준에 더욱 부합해 더욱 밀집되어 있습니다.”
“Claude Opus 5.5는 중간 수준의 연산 강도에서 기본적으로 선택할 첫 번째 모델입니다. 테스트에서 고연산 강도의 Opus 5와 동일한 성능을 보이면서도 출력 토큰을 20~25% 줄였습니다. 길고 복잡한 조사 결과에도 항상 명확하고 실행 가능한 답변이 나왔습니다. 이를 통해 고객은 더 적은 비용으로 더 많은 작업을 완료할 수 있습니다.”
“고객들은 방대한 양의 콘텐츠에 Box AI를 사용하고 있기 때문에 속도와 비용이 최우선으로 고려됩니다. 평가에서 Claude Opus 5.5는 Opus 5 대비 토큰의 1/3을 사용했으며, 정확성을 유지하면서도 답변의 장황함을 40% 줄였습니다. 금융 서비스나 공공 부문과 같은 분야에서 콘텐츠 전반에 걸쳐 에이전트를 운영하는 팀에게 이 점이 매우 중요할 것으로 기대합니다.”

“Epic의 초기 테스트에서 Claude Sonnet 5.5는 시스템 설계 감사와 데이터 흐름 검토에서도 견고한 성능을 유지하며, 상위 모델에서 기대할 수 있는 수준의 품질 기준을 충족했습니다. 새로운 모델은 게임 플레이 시스템 아키텍처를 위한 수만 줄의 코드를 관리하고, 응답을 신속하게 유지하며, 여러 시간이 소요되는 작업을 처리하며, 규범적인 프롬프트를 줄이면서 결과를 전달했습니다.”
“프롬프트에 아무런 변경도 없이, Claude Sonnet 5.5는 거의 모든 오프라인 Slackbot 평가에서 Sonnet 5보다 뛰어난 성능을 발휘했으며, 단계도 줄었고, 출력 토큰도 약 14% 줄였습니다. 누군가 Slackbot에 작업을 맡길 때, 가장 중요한 것은 품질과 속도입니다. Sonnet 5.5를 통해 Slackbot은 사용자에게 더 나은 결과를 더 빠르게 제공할 수 있습니다.”
“저희는 Claude Sonnet 5.5에 응답과 에스컬레이션 요청을 포함한 수백 개의 실제 지원 사용 사례를 입력했습니다. 현재 프로덕션에서 사용하는 Claude 모델보다 잘못된 결정을 줄였고, 티켓을 더 빠르게 해결했습니다. 티켓 처리 시간이 20% 빨라졌으며, 고객이 기다리지 않고도 필요한 도움을 받을 수 있었습니다.”
“Claude Fable 5.1은 인시던트 조사 평가에서 선두 모델로, 실제 프로덕션 인시던트를 활용하여 저희 에이전트인 Bits Investigation이 근본 원인 분석을 얼마나 효과적으로 수행할 수 있는지 평가합니다. 엔지니어가 파악한 근본 원인에 대해 에이전트의 결과물을 평가합니다. 이번 평가에서 Opus 5보다 강력한 추론 능력을 입증했으며, 테스트한 가장 복잡한 프로덕션 인시던트를 성공적으로 진단했습니다.”
“Claude Fable 5.1이 출시되면 바로 Devin에서 Opus 5가 처리하던 트래픽을 Claude Fable 5.1로 전환할 예정입니다. 내부 테스트에서 Fable 5와 동등하거나 약간 더 뛰어난 성능을 보이면서도 작업당 비용은 더 낮았습니다. 새로운 캐시 읽기 요금 덕분에, 이제 코드 리뷰를 시작으로 그동안 Opus에서 처리했던 작업에도 Fable급 모델을 경제적으로 활용할 수 있게 되었습니다.”
“저희는 다른 3개의 최첨단 모델이 이미 검토를 마치고 문제가 없다고 판단한 Rakuten Medical의 임상 연구 프로젝트를 Claude Fable 5.1에 다시 검토하도록 요청했습니다. 그 결과 다른 모델들이 놓쳤던 부분을 발견하고, 추가 검증이 필요하다고 강조하더군요. 이후 완전히 새로운 가설을 제안하면서, 저희가 더 이상 가치가 없다고 판단했던 데이터 세트를 반나절 만에 새로운 연구 방향으로 전환했습니다. Claude와 같은 최첨단 모델 덕분에 이처럼 새로운 연구 가능성을 탐색할 수 있게 된 것은 이번이 처음입니다.”
“Claude Fable 5.1의 가장 큰 강점은 글쓰기입니다. 작성한 글이 더 이해하기 쉽고, 의미도 더 명확하게 전달하며, 저희의 글쓰기 지침도 더 잘 따릅니다. Fable 5와 비교한 블라인드 테스트에서도 Claude Fable 5.1의 글쓰기와 결과물이 더 만족스러웠습니다. 또한 Canva Code에서는 직접 생성한 레벨에 맞춰 실제 음악의 박자에 따라 플레이할 수 있는 리듬 게임까지 만들었습니다. 이것은 저희가 테스트한 다른 어떤 모델도 구현하지 못한 결과였습니다.”
“저희 리서치 제품군의 Claude Fable 5.1은 새로운 최고의 점수를 기록했습니다. 한 작업에서 다른 모델이나 인간 연구자에게서 보았던 것과는 완전히 다른 축의 새로운 솔루션을 제시했으며, 이전의 정체 상태를 훨씬 뛰어넘는 결과를 달성했습니다. 창의적인 문제 해결 능력이 더 뛰어나며, 어려운 문제를 해결하는 데 필요한 번뜩이는 통찰력을 제공합니다.”
"Claude를 선택하겠다는 결정은 전적으로 데이터 중심의 결정이었죠. 여러 모델 제공업체를 대상으로 테스트를 진행했는데, Claude는 사례 해결률과 고객 만족도 점수 측면에서 언제나 최고의 결과를 보여주었습니다."
“Anthropic과의 파트너십은 탁월했습니다. Anthropic의 지침과 지원은 엔지니어링 팀이 모델을 최대한 활용하는 데 도움이 되었습니다."라고 설명했습니다.”