CCAR-P 개념 카드

■ 출발 모델 고르기

starting model : efficiency-first vs capability-first · 역할로 판단 · 문항 모델명 기준2.1 본편

표시가 없는 문장은 공식 문서에서 확인한 내용이에요. 다른 표시는 읽는 법

왜 배우나 — 시험이 요구하는 것

시험 목표 2.1 모델 고르기 · D2 모델·프롬프트 13%
Select appropriate Claude models based on trade-offs

이 개념으로 푸는 판단 (할 수 있어야 하는 것)

  • 2.1① 정확도가 비용보다 중요한 복잡 추론 작업, 어느 모델로 시작하나? — 출발 모델 고르기 (효율 우선 = Haiku 4.5 에서 올림 / 능력 우선 = Opus 5.5 에서 낮춤)
  • 2.1③ 보기에 모델 이름·단가가 섞여 나온다 — 숫자로 고르나, 역할로 고르나? — 가격·모델명이 든 보기 읽기 (역할로 판단 · 문항에 모델명이 있으면 그 모델 기준)

한눈에

모델 고르기는 어디서 출발해 어느 쪽으로 움직일지 정하는 일이다. 출발법은 두 가지다.

  • 효율 우선 : Haiku 4.5 로 시작한다. 특정 능력 격차가 있을 때만 올린다.
  • 능력 우선 : Opus 5.5 로 시작한다. 그다음 effort 를 낮추거나 모델을 내린다.

모르면 대부분 Opus 5.5 로 시작한다 (2026-09-28 조회)

어느 쪽이든 판정은 eval 로 한다. 좋은 평가 세트가 가장 중요한 단계다

비유 인스턴스 사이징과 같다. 배치 워커는 작은 타입으로 시작해 부하 테스트를 보고 키운다. 핵심 DB 는 넉넉히 잡은 뒤 지표를 보며 줄인다

모델 네 개가 비용·능력 순으로 Haiku 4.5, Sonnet 5, Opus 5.5, Fable 5.1. 효율 우선은 Haiku 4.5 에서 시작해 격차가 있을 때만 올리고, 능력 우선은 Opus 5.5 에서 시작해 effort 를 낮추거나 내린다. 모르면 대부분 Opus 5.5 로 시작하고 판정은 eval.
그림으로 보기 (AI 생성 · Codex · 누르면 크게)

ELI5

이사할 때 트럭 크기를 고르는 거예요.

  • 짐이 가볍고 자주 옮기면 작은 트럭부터 빌려 봐요.
  • 깨지기 쉬운 귀한 짐이면 큰 트럭부터 빌리고, 남으면 줄여요.
  • 잘 모르겠으면 중간보다 조금 큰 트럭이 무난해요.
  • 트럭 비용은 "하루 요금"이 아니라 "몇 번 왕복했나"로 따져요.

개념 설명

영상 — 어느 모델에서 출발할까? (약 42초 · 소리 없음 · 자막). 평가 결과 칸(✓·✗)은 그림용 가정 · 단가는 입력 백만 토큰당(2026-09-28 조회) 작은 화면에서는 전체화면(⛶)으로 보세요.

원리

출발법이 둘인 이유

  • 효율 우선 : 빠르고 싼 모델(Haiku 4.5)로 시작하면 반복이 빠르고 개발비가 싸다. 흔한 일은 그 모델로 충분한 경우가 많다. 모자란 능력이 보일 때만 올린다.
  • 능력 우선 : 가장 강한 출발점(Opus 5.5)으로 먼저 "되는지"를 확인한다. 그다음 effort 를 낮추거나 모델을 내리며 효율을 찾는다. 정확도가 비용보다 중요한 일이면 이쪽이다.
  • 둘 다 판정은 eval 로 한다. 좋은 평가 세트가 가장 중요한 단계다.

왜 기본이 Opus 5.5 인가 (2026-09-28 조회)

  • 공식 문장은 "대부분의 워크로드는 Opus 5.5 로 시작한다" 다.
  • Anthropic 내부 측정(코딩 벤치마크 일부)에서 Opus 5.5 기본(medium)이 Fable 5.1 기본과 같은 점수를 냈다. 비용은 해결당 약 5분의 1 이었다 ($0.22 vs $1.19).
  • 그래서 최상위(Fable 5.1)는 "Opus 5.5 를 xhigh·max 로 돌려도 모자랄 때"로 밀려난다.

비용은 토큰당이 아니라 과제당

  • 강한 모델은 턴·검색·되짚기가 적어서 토큰당 더 비싼 단가를 상쇄하기도 한다.
  • 반대로 긴 연구 루프에서는 강한 모델이 더 많이 일해서 과제당 더 비싸다. 순위는 워크로드마다 뒤집힌다. 그래서 자기 트래픽으로 재야 한다.
  • 비교는 가장 어려운 10% 로 한다. 쉬운 과제에서는 다 비슷해 보이고 싼 모델이 이겨 보인다. 그러나 청구서는 싼 모델이 실패한 과제가 정한다. 실패한 과제에는 토큰 비용, 재시도, 실패가 뒤에 부르는 비용이 든다.
  • 새 토크나이저(Claude 4.7 이후)는 같은 글에 약 30% 더 많은 토큰을 쓴다. 그래서 토큰당 비교는 새 모델을 구조적으로 비싸 보이게 한다.

Haiku 4.5 가 맞는 곳

  • 출력을 검사할 수 있는 대량 작업에 맞다. 긴 에이전트 루프에는 맞지 않는다.
  • 측정 예 : 대학원 수준 문항에서 Opus 5.5 의 약 5분의 1 비용에 정확도 63% 였다 (Opus 5.5 = 92%). 긴 코딩에서는 훨씬 뒤처졌다.

규칙과 판단

무엇이 먼저인지로 출발 모델을 고른다 : 정확도·복잡 추론이면 능력 우선 Opus 5.5(모자라면 effort 먼저, xhigh·max 도 모자라면 Fable 5.1), 지연·비용·대량 단순이면 효율 우선 Haiku 4.5, 딱히 없으면 Opus 5.5. 비교는 완료된 과제당 비용으로.
그림으로 보기 (AI 생성 · Codex · 누르면 크게)

갈림길

① 출발 모델 [2.1①]

무엇이 먼저인가?정확도인가, 지연·비용인가
정확도 · 복잡 추론 · 자율성 높은 에이전트

능력 우선

Opus 5.5 로 시작한다. 그다음 effort 를 낮추거나 모델을 내린다

지연 · 비용 · 대량 단순 · 시제품

효율 우선

Haiku 4.5 로 시작한다. 특정 능력 격차가 있을 때만 올린다

딱히 없다

Opus 5.5

모르면 대부분 Opus 5.5 로 시작한다

① 위로 갈 때 [2.1①] [2.1②]

Opus 5.5 가 모자랄 때 effort 를 어디까지 올려 봤나?eval 기준
effort 를 아직 안 올려 봤다

effort 먼저

모델을 올리기 전에 effort 부터 본다. 자세한 것은 ◆ effort 조정 vs 모델 교체 에 있다

xhigh·max 도 모자란다

Fable 5.1

Fable 5.1 은 Opus 5.5 를 xhigh·max 로 돌려도 모자랄 때 쓴다

②③ 보기 읽기 [2.1③]

문항에 모델명이 있나?
있다

그 모델 기준

그 모델의 기능과 제약으로 푼다. 예를 들어 Haiku 4.5 는 effort 를 지원하지 않고, extended thinking 을 쓰고, 창이 200K 다

없다
보기가 단가 계산을 근거로 하나?
예

과제당 비용

토큰당이 아니라 완료된 과제당 비용으로 비교한다

아니오

역할로

숫자 말고 역할로 구분한다. 빠르고 싼 모델인가, 능력 높은 모델인가로 본다 업계 일반 시험 요령

나머지 규칙

  1. 바꿀지 판단 : 아래 순서로 판단한다 [2.1①]

    • 사용 사례 전용 벤치마크를 만든다
    • 실제 프롬프트와 데이터로 테스트한다
    • 정확도, 품질, 엣지 케이스를 비교한다
    • 성능과 비용을 저울질한다

    비교는 쉬운 과제가 아니라 가장 어려운 10% 로 한다. 실패한 과제도 토큰 비용이 든다

    형식이 계속 깨질 때 프롬프트 탓인지 모델 탓인지는 ◆ prompt failure vs model mismatch 에 있다

규칙 원문 ①②③ (갈림길로 그린 규칙)

  1. 출발법은 두 가지다 (2026-09-28 조회) [2.1①]

    출발시작 모델맞는 일그다음
    효율 우선Haiku 4.5초기 시제품 · 지연(latency) 요구가 엄격 · 비용 민감 · 대량의 단순 작업철저히 테스트하고 평가한다. 특정 능력 격차가 있을 때만 올린다
    능력 우선Opus 5.5복잡한 추론 · 과학·수학 · 미묘한 이해 · 정확도가 비용보다 중요 · 고급 코딩·자율성 높은 에이전트이 모델에 맞게 프롬프트를 최적화하고 평가한다. 그다음 effort 를 낮추거나 모델을 내린다. xhigh·max 에서도 모자라면 Fable 5.1 로 간다

    기본은 이렇다. 모르면 대부분 Opus 5.5 로 시작한다. 모델을 올리기 전에는 effort 부터 본다. 자세한 것은 ◆ effort 조정 vs 모델 교체 에 있다

  2. 역할표다. 역할 칸은 공식 한 줄 설명 그대로다 (2026-09-28 조회) [2.1③]

    모델역할지연입력/출력 (백만 토큰당)기본 effortthinking창
    Fable 5.1까다로운 추론 · 장기 에이전트 작업느리다$10 / $50highadaptive (항상 켜져 있다)1M
    Opus 5.5장시간 에이전트 코딩 · 지식 작업중간$4 / $20mediumadaptive (항상 켜져 있다)1M
    Sonnet 5속도와 지능의 최적 조합빠르다$2 / $10highadaptive1M
    Haiku 4.5가장 빠름, 최상위급에 가까운 지능가장 빠르다$1 / $5미지원extended200K

    비용과 능력이 낮은 순서는 Haiku 4.5, Sonnet 5, Opus 5.5, Fable 5.1 이다

    단가 비율은 1:2:4:10 이다 계산

    시험 뒤 변경 Opus 5 는 2026-07-24, Fable 5.1 은 2026-09-01, Opus 5.5 는 2026-09-22 에 출시됐다. Sonnet 5 $2/$10 정가는 2026-08-10 에 확정됐다. 가이드(2026-07는 이 이름들을 모를 수 있다. 그래서 시험은 역할로 물을 가능성이 있다 (추론))

    캐시·배치·토크나이저까지 넣은 건당 비용은 ■ per-request cost 에 있다. 속도 lever(조절 수단)는 ■ 지연 줄이기 lever 에 있다

  3. 보기에 모델명과 단가가 섞여 나오면 숫자 말고 역할로 구분한다. 빠르고 싼 모델인가, 능력 높은 모델인가로 본다 업계 일반 시험 요령 [2.1③]

    문항이 모델을 적으면 그 모델의 기능과 제약으로 푼다. 예를 들어 Haiku 4.5 는 effort 를 지원하지 않고, extended thinking 을 쓰고, 창이 200K 다

    thinking(사고) 제어 차이는 ■ 모델별 thinking 제어 에 있다

    단가를 계산해야 하면 토큰당이 아니라 완료된 과제당 비용으로 비교한다. 강한 모델은 턴·검색·되짚기가 적어 토큰당 더 비싼 단가를 상쇄하기도 한다

    예를 들어 Fable 5.1 low 는 88.6% 에 해결당 $0.54 다. Sonnet 5 기본은 77.4% 에 $0.84 다. 앞의 모델이 토큰당 5배 비싼데 해결당 35% 싸다 (Anthropic 내부 측정, 방향성). 순위는 워크로드마다 뒤집힌다

더 깊이 : 판단 규칙 · 상황 변수 (설명)

판단 규칙

조건답등급근거
복잡 추론(reasoning) · 과학·수학 · 미묘한 이해 · 정확도가 비용보다 중요 · 고급 코딩·자율성 높은 에이전트능력 우선이다. Opus 5.5 로 시작하고, effort 를 낮추거나 모델을 내린다choosing-a-model en-2026-09-28 "For complex tasks where intelligence and advanced capabilities are paramount, you may want to start capability-first"
초기 시제품 · 지연(latency) 요구 엄격 · 비용 민감 · 대량의 단순 작업효율 우선이다. Haiku 4.5 로 시작하고, 특정 능력 격차가 있을 때만 올린다같은 글 "Upgrade only if necessary for specific capability gaps."
뚜렷한 기준이 없다Opus 5.5 로 시작한다같은 글 "Most workloads start with Claude Opus 5.5." · models overview en-2026-09-28-full
Opus 5.5 를 xhigh·max 로 돌려도 까다로운 추론·장기 에이전트 작업에서 모자란다Fable 5.1 로 간다choosing-a-model
출력을 검사할 수 있는 대량 작업이다Haiku 4.5 가 맞다. 긴 에이전트 루프에는 맞지 않는다optimizing-cost-intelligence "It fits high-volume work with checkable outputs, not long agentic loops."
모델 둘을 비교한다완료된 과제당 비용으로, 가장 어려운 10% 로 비교한다optimizing
모델을 바꿀지 정한다사용 사례 벤치마크, 실제 프롬프트·데이터, 정확도·품질·엣지 케이스 순서로 본다. 끝으로 성능과 비용을 저울질한다choosing-a-model
문항이 특정 모델을 적었다그 모델의 기능과 제약으로 푼다업계 일반 (시험 요령) — 기능 값 자체는 확인models overview full

상황 변수

변수값답 쪽근거
정확도 vs 비용정확도가 비용보다 중요하다능력 우선 (Opus 5.5)판단 규칙 1
지연 요구실시간이고 엄격하다Haiku 4.5 (가장 빠르다)choosing-a-model · overview full
지연 요구엄격한데 품질 여유가 없다. 돈은 있다fast mode 를 쓴다 (Opus 5.5·5·4.8, 출력 속도 최대 2.5배, 웃돈). 자세한 것은 ■ 지연 줄이기 lever 에 있다choosing-a-model
한 요청 입력 크기20만 토큰을 넘는다Haiku 4.5 는 빠진다 (창 200K, 나머지는 1M)overview full
작업 길이수 시간짜리 에이전트 세션 · 다단계 심층 리서치Fable 5.1 을 고려한다choosing-a-model
작업 길이수 시간 자율 코딩 · 대규모 리팩터링 · 컴퓨터 사용Opus 5.5choosing-a-model
작업 성격일상 코딩 · 데이터 분석 · 콘텐츠 · 에이전트 도구 사용Sonnet 5choosing-a-model
출력 검증테스트·검증기가 있다싼 모델과 낮은 effort 쪽이 설 자리가 있다 (실패만 재실행은 ◆ effort 조정 vs 모델 교체 에 있다)optimizing
개발 단계초기 시제품효율 우선choosing-a-model
입력이 쪽수·글자로만 주어진다새 토크나이저 모델이다같은 글이 약 30% 더 많은 토큰이 된다pricing en-2026-09-28

연습 문제

계약서들 사이의 조항 충돌을 찾는 앱을 새로 만든다. 여러 조항을 엮어 따지는 복잡한 추론(reasoning)복잡 추론이고, 놓친 충돌 한 건이 비용보다 훨씬 비싸다정확도 먼저. 팀 일부는 "평가를 통과하는 가장 싼 Haiku 4.5 부터 시작해 실패할 때만 올리자"고 한다. 어느 모델에서 출발할까?

시험 대비

함정

  • "평가를 통과하는 가장 싼 모델(Haiku)부터만 시작한다" 는 함정이다. 출발법은 둘이다. 정확도가 먼저이거나 복잡 추론이면 Opus 5.5 부터 시작한다
  • "안전하게 무조건 최상위(Fable 5.1)" 는 함정이다. Fable 5.1 은 Opus 5.5 를 xhigh·max 로 돌려도 모자랄 때 쓴다
  • "과제와 상관없이 제일 작은 모델로" 는 함정이다. 품질 위험이 있다 (샘플 2 B)
  • 토큰 단가로 암산해 "싼 모델이 싸다" 고 보는 것은 함정이다. 완료된 과제당 비용으로 비교한다
  • "Sonnet $3/$15" 는 함정이다. 이것은 Sonnet 4.6·4.5 가격이다. Sonnet 5 는 $2/$10 이다 (2026-09-28 조회). Opus 4.8 과 Fable 5 는 옛 모델(legacy)이다
  • Haiku 4.5 문항에서 "effort 를 낮춘다" 보기는 함정이다. Haiku 4.5 는 effort 를 지원하지 않는다
  • Haiku 4.5 에 1M 토큰을 넣는 것은 함정이다. 창이 200K 다

신호

"Most workloads start with Claude Opus 5.5."

"For complex tasks where intelligence and advanced capabilities are paramount, you may want to start capability-first"

"Upgrade only if necessary for specific capability gaps."

"If your evals at xhigh or max effort still fall short on demanding reasoning or long-horizon agentic work, move to Claude Fable 5.1"

"having a good evaluation set is the most important step in the process."

"so compare models on cost per completed task"

"The fastest model with near-frontier intelligence" (Haiku 4.5)

"downsizing blindly (B) risks quality" (가이드 샘플 2)

비용에 민감하면 보통 싼 모델부터지만, 긴 에이전트 루프엔 Haiku 4.5 가 안 맞고, 자주 실패하면 해결당 더 비싸며, 캐시 읽기가 대부분이면 단가 차이가 줄어든다.
그림으로 보기 (AI 생성 · Codex · 누르면 크게) — 자세한 조건은 아래 '더 깊이'에 있어요
더 깊이 : 뒤집히는 때 · 오답 재료 (설명)

뒤집히는 때

1. 토큰당 싼 모델이 해결당 비쌀 때

  • 조건 : 싼 모델이 과제당 토큰을 더 쓰고 더 자주 실패한다.
  • 식 : 해결당 비용 = (토큰당 가격 × 시도당 토큰) ÷ 성공률 이다. 실패하면 같은 값으로 다시 시도한다고 본다.
  • 예 : Sonnet 5 단가를 1, Opus 5.5 를 2 로 둔다(입력·출력 모두 2배, 2026-09-28 조회). Sonnet 5 가 시도당 토큰 1.5배에 성공률 60% 이고, Opus 5.5 가 1배에 90% 라고 하자. 그러면 Sonnet 5 = 1 × 1.5 ÷ 0.6 = 2.5 이고, Opus 5.5 = 2 × 1 ÷ 0.9 ≈ 2.2 다. 토큰당 절반 단가인 Sonnet 5 가 해결당 약 13% 더 비싸다.
  • 손익 : Sonnet 5 의 (시도당 토큰 ÷ 성공률) 이 Opus 5.5 의 2배를 넘으면 뒤집힌다.
  • 전제 : 입력·출력 비율이 같다고 본다. 캐시는 무시한다. 실패가 뒤에 부르는 비용은 뺀다. 숫자는 가정이다.
  • 공식 측정 예(확인) : Fable 5.1 low 가 Sonnet 5 기본보다 토큰당 5배 비싼데 해결당 35% 쌌다 (optimizing). 단 긴 연구 루프에서는 반대로 Fable 5.1 이 과제당 약 4배였다 (같은 줄).
  • 등급 : 계산 (측정 예는 확인)

2. 캐시 읽기가 대부분인 루프에선 단가 비율이 줄어듦

  • 조건 : 에이전트 루프처럼 입력 대부분이 캐시 읽기다.
  • 사실 : 캐시 읽기 단가는 Opus 5.5 = $4 × 0.05 = $0.20, Sonnet 5 = $2 × 0.1 = $0.20 로 같다 (2026-09-28 조회).
  • 계산 : 한 턴은 캐시 읽기 12만 + 새 입력 3천 + 출력 1천 5백이다. Sonnet 5 = 0.12 × $0.20 + 0.003 × $2 + 0.0015 × $10 = $0.024 + $0.006 + $0.015 = $0.045 다. Opus 5.5 = $0.024 + $0.012 + $0.030 = $0.066 이다. 표 단가는 2배인데 이 턴은 약 1.47배다.
  • 전제 : 새 입력의 캐시 쓰기 할증(1.25배)은 뺀다. 두 모델의 턴 수가 같다고 본다. 턴 수가 줄면 차이가 더 좁혀진다.
  • 등급 : 계산 (단가·배수는 확인)
  • 근거 : pricing en-2026-09-28
  • 시험 뒤 변경 Opus 5.5 읽기 0.05배는 2026-09-22 출시 값이다. 시험은 0.1배로 물을 가능성이 있다.

3. 효율 우선인데 긴 에이전트 루프

  • 조건 : 비용에 민감해 Haiku 4.5 로 시작하려 한다. 그런데 일이 긴 에이전트 루프다.
  • 판단 : 공식은 Haiku 4.5 를 "출력을 검사할 수 있는 대량 작업"용으로 두고, 긴 에이전트 루프에는 맞지 않는다고 쓴다. 이 경우 "효율 우선"이라는 말만 보고 Haiku 를 고르면 틀린다.
  • 근거 : optimizing

4. 가이드 시점의 이름

  • 조건 : 가이드는 2026-07 판이다. Opus 5.5(2026-09-22)와 Fable 5.1(2026-09-01)은 그 뒤에 출시됐다.
  • 판단 : 시험 보기가 옛 이름(예 Opus 4.8·Fable 5)을 쓸 수 있다. 그래서 이름이 아니라 역할과 출발법으로 푼다. 역할은 가장 빠르고 싼 모델, 균형 모델, 강한 모델, 최상위 모델로 나눈다.
  • 등급 : 미해결 (가이드 시점의 choosing-a-model 판을 못 봤다)
  • 근거 : 릴리스 노트

오답 재료

오답왜 끌리나왜 틀리나등급근거
"평가를 통과하는 가장 싼 모델(Haiku)부터 시작해 실패할 때만 올린다" (어떤 일이든)공식 효율 우선 길과 문장이 같다출발법은 둘이다. 정확도가 비용보다 중요한 복잡 추론이면 Opus 5.5 부터 시작한다choosing-a-model
"안전하게 최상위 Fable 5.1 로"가장 정확할 것 같다Opus 5.5 를 xhigh·max 로 돌려도 모자랄 때만 쓴다. 코딩 측정에서는 Opus 5.5 기본이 같은 점수를 약 5분의 1 비용에 냈다choosing-a-model · optimizing
"과제와 상관없이 제일 작은 모델로"비용이 바로 줄어 보인다품질 위험이 있다 (공식 샘플 2 B)가이드 샘플 2 해설 "downsizing blindly (B) risks quality"
"Sonnet $3/$15 라 비용 40%" 처럼 단가로 암산숫자라 정확해 보인다$3/$15 는 Sonnet 4.6·4.5 가격이다(Sonnet 5 = $2/$10). 그리고 비교는 과제당으로 한다pricing en-2026-09-28 · optimizing
"Opus 4.8 이 최상위 Opus · Fable 5 가 최고 등급"영상이 그렇게 말했다(목록 인용)둘 다 옛 모델(legacy)이다. 현행은 Opus 5.5 와 Fable 5.1 이다overview full
"등급 단가 비율 1:3:5:10"영상 비율이다(목록 인용)현행 입력 단가 $1·$2·$4·$10 은 1:2:4:10 이다계산overview full
"Haiku 4.5 에 1M 토큰 문서를 통째로"현행 모델 대부분이 1M 이다Haiku 4.5 창은 200K 다overview full
"모델을 바꾸는 보기는 늘 오답"CCA-F 에서는 모델 교체가 오답 보기였다CCAR-P 는 모델 선택 자체가 목표 2.1 이다. eval 로 확인하면 맞는 답일 수 있다업계 일반가이드 목표 2.1 · CCA-F 가이드 문제 35·52

참고

더 깊이 : CCA-F · 출처 · 상태 · 미해결 (참고)

CCA-F

겹침. CCA-F 는 모델 교체를 주로 **오답 보기**로 냈다(Skill 에 model: haiku · 복잡한 케이스를 Haiku 에서 Sonnet 으로 라우팅, CCA-F 가이드 문제 35·52). 여기서는 출발 모델, 역할, 문항에 적힌 모델명을 **설계 판단**으로 묻는다

출처

상태

  • 업계 일반 1줄(③ "역할로 구분" 시험 요령)
  • 계산 1곳(단가 비율)
  • 시험 뒤 변경 1곳(② 라인업·단가)

미해결

  1. 목록 2.1③ 은 "시험 가이드 v1.0 에는 모델 이름·가격이 한 줄도 없다" 고 했다. 받아 둔 가이드 원문은 6~7쪽(ccarp/raw/official/sample-questions-p6-7.txt)뿐이라 전체는 확인하지 못했다. 그 두 쪽(목표 7 · 준비 · 샘플 3문항)에는 모델 이름과 가격이 없다(확인). 준비 항목에 "model selection" 연습은 있다.
  2. 가이드(2026-07) 시점의 공식 출발 권고가 무엇이었는지 모른다. 그래서 시험 키가 "Opus 5.5" 가 아닌 옛 이름일 수 있다 (뒤집히는 때 4).
  3. Haiku 4.5 최소 지원 기한은 2026-10-15 다 (overview full). 효율 우선의 공식 예시 모델이 곧 바뀔 수 있다.
  4. "문항에 모델명이 있으면 그 모델 기준" 은 공식 문장이 아니라 시험 요령이다(업계 일반).
  5. 과제당 비용 수치는 Anthropic 내부 벤치마크이고 방향성이지 보장이 아니다 (optimizing "directional, not guarantees").
  6. 목록 영어 신호 3개("Most workloads start…" · "For complex tasks…" · "Upgrade only if necessary…")는 원문에서 모두 찾았다. 못 찾은 인용은 없다.