Claude Code의 Opus 5와 자율 AI

인터뷰어는 Opus 5가 출시 당시 "따끈따끈하다"고 언급했습니다. 성능 지표는 Arc AGI 3에서 30% 향상된 수치를 보여주며, 이전 버전의 모델에 비해 상당한 도약을 나타냅니다.

Opus 5는 다른 모델과 차별화되는 자율적인 장기 작업 실행 기능을 보여줍니다. 이는 특히 "놀랍다"고 묘사되는 자동 모드와 결합될 때 며칠, 몇 주, 심지어 몇 달 동안 실행될 수 있습니다. 이 기능은 슬래시 목표 명령어와 같은 기존의 스캐폴딩이 필요 없도록 하는데, 모델이 작업의 필요성을 자동으로 이해하고 독립적으로 관리하기 때문입니다.

Claude Code는 시스템 프롬프트의 80%를 제거했습니다. 이는 제품이 지속적으로 진화하고 있기 때문에 많은 사용자가 인지하지 못할 수도 있는 변화입니다. Opus 5와 같은 새로운 모델은 수동 수정이 필요 없을 정도로 지능적이어서, 이전에 사용되던 많은 프롬프트가 불필요하게 되었습니다. 각 모델 출시마다 프롬프트의 필요성을 재평가해야 하며, 사용자가 시스템 프롬프트 없이 모델을 테스트할 수 있도록 '단순 모드'가 제공됩니다.

그런 다음 팀은 각 개별 라인이 모델 성능에 미치는 영향을 이해하기 위해 프롬프트를 한 줄씩 되돌려 놓습니다. 이 개발 철학은 효율성을 유지하기 위해 잦은 삭제를 통합하고, 코드와 프롬프트 모두를 모델의 기능과 직접 연결된 진화하는 엔티티로 취급합니다. 이 반복적인 과정은 필요한 구성 요소만 남도록 하여 AI의 작업을 간소화하고 본질적인 지능을 극대화합니다.

Sonnet 3.5는 인공물로 구축된 최초의 훌륭한 코딩 모델 중 하나로 묘사되는 중요한 돌파구였습니다. 초기 모델들은 주로 단순한 자동 완성 기능을 제공했으며, 점차 채팅 기반 도구로 진화했습니다. 처음에는 이러한 제품들이 전체 함수나 전체 파일을 독립적으로 작성하는 능력이 부족했지만, 후속 발전은 이러한 한계를 해결하는 것을 목표로 했습니다.

기본 모델은 이미 복잡한 작업을 수행할 수 있었지만, 외부 제약이 잠재력을 최대한 발휘하는 것을 막고 있었습니다. 이러한 제한을 제거하고 전체 터미널 액세스를 활용함으로써, Claude Code는 모델이 전체 파일과 기능을 독립적으로 작성할 수 있도록 설계되었습니다.

미래 창업가들의 기회는 모델의 '제약 해제'에 있습니다. 이는 인위적인 제약 없이 실제 작업을 처리할 수 있도록 모델을 활성화하는 것을 의미합니다. 모델에 전체 터미널 액세스를 제공하는 것이 제품 혁신을 달성하는 핵심 단계로 간주됩니다. AI 모델의 능력이 현재 구현 수준을 훨씬 뛰어넘는 상당한 '제품 오버행'이 존재하며, 이는 혁신적인 애플리케이션을 위한 엄청난 잠재력이 아직 활용되지 않고 있음을 시사합니다.

사용자는 작업을 설명하고, 가이드라인을 설정한 다음, 모델이 '작업을 수행'하도록 잠시 맡겨두었다가 짧은 시간 후에 돌아와야 합니다. 이 접근 방식은 모델이 구현 세부 사항을 자율적으로 처리하도록 장려합니다.

이 복잡한 작업에는 Claude Code 내에서 동적 워크플로를 사용하여 다양한 에이전트를 관리하는 것이 포함되었습니다. 이 모델은 Bun의 코드베이스를 Zig에서 Rust로 마이그레이션했으며, 이는 일반적으로 인간 엔지니어가 완료하는 데 1년 이상 걸리는 과정입니다.

보리스는 제품 문제에 대한 실험적 접근 방식을 옹호하며, 과거 실패에 관계없이 최신 모델에 어려운 작업을 부여하는 것이 중요하다고 제안합니다. 그는 잠재력을 발현하기 위해 탐색과 창의적인 놀이의 사고방식을 유지하는 것을 강조합니다. '제품 오버행' 개념은 현재 AI 애플리케이션과 그들의 완전한 기능 사이의 격차를 강조하는 문제 해결을 위한 개념적 프레임워크 역할을 합니다.

Anthropic은 모델이 이 기능을 위한 특정 훈련 없이 OpenCV를 사용하여 그림을 그릴 수 있다는 것을 예상치 못하게 발견했습니다. 사용자는 Opus에게 OpenCV를 사용하여 이미지를 그리도록 요청할 수 있으며, 모델은 꽤 잘 수행합니다. 초상화와 풍경을 그리는 이 능력은 '요청 공백'에서 비롯되었으며, 다양하고 창의적인 실험 부족으로 인해 많은 모델 기능이 아직 발견되지 않고 있음을 강조합니다.

보리스는 현재의 기술은 특정 프롬프트보다는 클로드에게 어려운 작업을 할당하는 방법을 알아내는 것에 가깝다고 말합니다. 직책은 '프롬프트 엔지니어'에서 '콘텍스트 엔지니어'로 바뀌었으며, 도전적인 목표를 설정하고 자체 검증 방법을 제공하는 능력을 강조합니다. 프롬프트 엔지니어링 '물결'은 일시적인 추세로 간주되며, 지속적인 가치는 복잡한 작업 관리에 있습니다.

Claude에게 할당된 작업은 Mac 가상 머신에서 Electron 앱을 실행하고, 스크린샷을 찍은 다음, Swift 버전과 픽셀 단위로 비교하는 것이었습니다. Claude는 이 복잡한 작업을 위해 Mac VM과 GitHub 러너에 대한 액세스 권한을 부여받았습니다. 이 과정은 모델이 15일 동안 자체 수정하고 작업을 개선하는 능력을 보여줍니다.

모델은 스크린샷과 함께 진행 상황을 보고하기 위해 자율적으로 Slack 채널을 만들었으며, 이는 과도한 미세 관리나 '속임수' 없이 작업할 수 있는 능력을 보여줍니다. 핵심 원칙은 모델에 작업을 부여하고, 출력물을 검증할 방법을 제공한 다음, 막히지 않고 자율적으로 진행하도록 하는 것입니다.

AI 모델에 대한 진정한 숙련도를 개발하려면 인플루언서들이 흔히 홍보하는 '이상한 한 가지 비법'을 찾는 것을 거부하고 경험적 접근 방식을 취해야 합니다. 사용자는 모델에게 도전적인 작업을 부여하고, 사람이 작업에 접근하는 방식과 유사하게 작업을 검증하는 데 필요한 도구를 제공해야 합니다. 모델이 어려움을 겪는 부분을 관찰하고 이러한 마찰 지점을 체계적으로 해결하여 지속적인 학습과 개선을 촉진하는 데 초점을 맞춰야 합니다.

많은 사람들이 기존 코딩 습관에서 비롯된 행동으로 프롬프트를 과도하게 생각하고 과도하게 명세화하는 경향이 있습니다. 이러한 과도한 설계는 이제 동료처럼 취급될 만큼 지능적인 AI 모델과 상호작용할 때 실패 모드가 될 수 있습니다. 현재 AI의 지능 수준은 고수준 목표를 제공하고 모델이 구현을 결정하도록 허용하는 것이 상세하고 단계적인 지침을 처방하는 것보다 더 효과적임을 의미합니다.

동적 워크플로는 테스트 시간 컴퓨팅을 조정하는 새로운 방법으로, 에이전트를 위한 '대수학' 역할을 효과적으로 수행합니다. 이 접근 방식은 병렬 및 순차 실행을 모두 활용하여 어려운 작업을 처리하기 위한 테스트 시간 컴퓨팅 양을 늘립니다. 테스트 시간 컴퓨팅은 이러한 복잡한 문제를 해결하기 위해 생성된 토큰의 양으로 재정의되어, 기존 신경망 확장 제약을 우회하는 새로운 방법을 제공합니다. 이 패러다임 전환은 보다 효율적이고 강력한 AI 문제 해결을 가능하게 합니다.

'추상화 경찰'이라고 불리는 한 예는 완료된 실험 플래그를 자동으로 식별하고 삭제합니다. 이 루틴은 또한 대규모 코드베이스에서 여러 번 나타나는 중복 코드 패턴을 정확히 찾아내 효율성과 일관성을 보장합니다. 이러한 에이전트는 코드 품질을 독립적으로 관리하고 불필요한 요소를 제거함으로써 개발을 간소화하여 전반적인 시스템 성능과 유지보수성을 향상시킵니다.