앤트로픽, Claude Haiku 5.5 출시: 1M 컨텍스트·어댑티브 씽킹과 계층형 요금제 도입

앤트로픽(Anthropic)이 2026년 10월 7일(현지 시각), 최신 경량 고효율 언어 모델인 Claude Haiku 5.5를 공식 출시했습니다. 전작인 Claude 4.5 Haiku 이후 1년 만에 선보이는 이번 모델은 컨텍스트 용량 대폭 확장, 추론 제어 메커니즘 통합, 새로운 계층형(Tiered) 가격 정책을 결합했습니다.

이미지 출처: Artificial Analysis (@ArtificialAnlys)

인공지능 벤치마크 및 분석 기관인 아티피셜 아날리시스(Artificial Analysis)의 종합 평가 지표에서 Claude Haiku 5.5는 이전 세대 대비 큰 폭의 성능 도약을 기록하며, 프론티어급 에이전트 지식 작업과 터미널 제어 영역에서 기존 경량 모델의 한계를 크게 넘어선 것으로 나타났습니다.

어댑티브 씽킹과 1M 컨텍스트 윈도우 확장

Claude Haiku 5.5의 가장 두드러진 아키텍처 변화는 Haiku 라인업 최초로 '노력 수준 설정(Effort settings)'과 '어댑티브 씽킹(Adaptive thinking)' 기능이 도입된 점입니다.

단순 텍스트 생성에 머물던 기존 경량 모델과 달리, 작업 복잡도에 따라 모델이 스스로 사고 깊이를 조절하거나 사용자가 지정한 노력 수준에 맞춰 추론 과정을 거치도록 설계되었습니다.

• 100만(1M) 토큰 컨텍스트: 기존 Claude 4.5 Haiku의 200k 토큰 제한에서 5배 확장된 1M 토큰 윈도우를 지원합니다.
• 멀티모달 입력: 대규모 텍스트뿐만 아니라 고해상도 이미지 입력까지 단일 컨텍스트 내에서 함께 처리합니다.
• 추론 조절성: 상위 모델인 Sonnet 및 Opus 제품군에 적용되던 사고 메커니즘을 동일하게 활용할 수 있어, 다단계 추론이 필요한 복합 작업 대응력이 향상되었습니다.

벤치마크 지표: Intelligence Index 43점과 에이전트 성능

Artificial Analysis가 공개한 벤치마크 데이터에 따르면, Claude Haiku 5.5는 Intelligence Index에서 종합 43점을 기록했습니다. 이는 전작 Haiku 대비 26점 상승한 수치이며, 최대 노력(max effort) 기준 GLM-5.3 Flash(42점), Gemini 3.8 Flash(41점), GPT-6 Luna(38점) 등 동급 주요 경량·고속 모델들을 모두 상회하는 결과입니다.

• AA-Briefcase 지식 작업 평가: 프론티어 지식 업무를 평가하는 비공개 벤치마크 AA-Briefcase에서 1578 Elo를 달성하며 GPT-6 Astra(max) 및 Claude Fable 5.1(high)의 신뢰 구간에 근접했습니다.
• Terminal-Bench 4.0 터미널 제어: 터미널 환경 조작 성능을 측정하는 벤치마크에서 기존 Haiku 4.5의 0% 대비 33%로 대폭 상승했습니다.
• 작업당 토큰 소모 특성: 최대 노력(max) 설정 기준 작업당 약 162k의 출력 토큰을 소모하여, Opus 5.5(max)보다 많고 GPT-6 Luna(max, 약 50k) 대비 약 3배 많은 토큰을 생성하는 것으로 관측되었습니다.

계층형 요금 체계 도입과 실무 적용 시 유의점

이번 출시와 함께 앤트로픽은 프롬프트 길이에 따라 과금율이 달라지는 '계층형(Tiered) 가격제'를 도입했습니다.

기본 구간인 100k 토큰 이하 프롬프트에서는 1M 입력 토큰당 $0.10, 1M 출력 토큰당 $0.50으로 책정되어 전작 대비 약 10분의 1 수준이자 GPT-6 Luna와 동일한 단가를 형성합니다. 그러나 프롬프트 길이가 100k 토큰을 초과하면 5배 인상된 $0.50(입력)/$2.50(출력) 요율이 적용됩니다.

실무 파이프라인 운용 시 다음 사항에 대한 고려가 필요합니다:

1. 장문 프롬프트 비용 급증: 100k 토큰 초과 구간 진입 시 입력, 출력 및 프롬프트 캐싱 단가가 모두 5배로 상승하므로, 대용량 문서 주입 시 청킹 전략과 컨텍스트 예산 관리가 요구됩니다.
2. 세이프티 과잉 거부(Over-refusal) 이슈: 사전 평가 중 안전 필터의 과잉 거부 현상으로 인해 AutomationBench-AA 점수가 35%로 일시 저평가되었으며, 앤트로픽의 필터 수정 조치 후 재평가가 예정되어 있습니다.
3. 토큰 소모량 기반 비용 산출: adaptive thinking 활성화 시 출력 토큰 양이 급증하므로, 단순 호출 단가 외에 실제 태스크당 총비용(Cost per Task)을 사전 검증해야 합니다.

출처

• Artificial Analysis 공식 X (@ArtificialAnlys): Claude Haiku 5.5 Release & Benchmark Analysis
• Artificial Analysis 모델 상세 분석: Claude Haiku 5.5 Comparison & Specs