AI 코딩 · 2026년 7월 9일 · 약 7분
Claude Code 모델 선택 사용법, effort level로 비용과 검증 강도를 나누는 방법
Anthropic이 Claude Code의 모델 선택과 effort level 차이를 공식 설명했다. 초보 개발자도 작업 난이도, 검증 필요성, 비용을 나눠 보고 Sonnet, Opus, Fable과 effort를 고르는 기준을 정리했다.
- Claude Code 모델 선택
- Claude Code effort level
- Claude Code 사용법
- AI 코딩 비용
- Anthropic Claude
출처: Anthropic Claude Code Blog
Claude Code를 쓰다 보면 “더 좋은 모델을 골라야 하나, effort를 올려야 하나”라는 순간이 옵니다. Anthropic은 2026년 7월 7일 공식 글에서 두 설정의 역할을 나눠 설명했습니다. 모델 선택은 어떤 고정된 모델 가중치가 요청을 처리할지 고르는 일이고, effort level은 Claude가 한 턴에서 얼마나 넓게 읽고 확인하고 끝까지 밀어붙일지에 가까운 설정입니다.
개발자에게 이 차이는 비용과 품질을 동시에 좌우합니다. 간단한 이름 변경에 가장 비싼 모델을 쓰면 낭비가 생기고, 낯선 코드베이스의 미묘한 버그를 작은 모델에 맡기면 여러 번 다시 시도하게 될 수 있습니다. 반대로 모델은 충분한데 Claude가 파일을 덜 읽었거나 테스트를 건너뛰었다면, 모델을 키우기보다 effort를 조정하는 쪽이 맞을 수 있습니다.
핵심 키워드
- Claude Code 모델 선택
- Claude Code effort level
- Claude Code 사용법
- AI 코딩 비용 줄이기
- Sonnet Opus Fable 차이
모델은 능력, effort는 확인 강도에 가깝다
Anthropic 설명의 출발점은 단순합니다. Claude Code는 사용자의 요청, 시스템 지시, 도구 정의, CLAUDE.md, 대화 기록, 파일 컨텍스트를 하나의 요청으로 묶어 모델에 보냅니다. 여기서 모델을 바꾼다는 것은 다른 가중치 세트를 쓰는 일입니다. 모델이 이미 학습한 일반 지식과 추론 능력의 상한이 달라집니다.
effort level은 다른 문제입니다. Anthropic은 effort가 단순히 “더 오래 생각하기”만 뜻하지 않는다고 설명합니다. Claude가 더 많은 파일을 읽고, 도구를 더 쓰고, 검증을 더 하고, 중간에 질문하기 전까지 더 많은 단계를 진행할지에 영향을 줍니다. 그래서 “모델이 몰랐다”와 “충분히 확인하지 않았다”를 구분해야 합니다.
| 증상 | 먼저 볼 것 | 조정 후보 |
|---|---|---|
| API 이름을 그럴듯하게 지어낸다 | 문서와 예제 코드가 컨텍스트에 들어갔는지 | 컨텍스트 보강 후에도 틀리면 더 강한 모델 |
| 관련 파일을 읽지 않고 수정한다 | 요청에 파일 범위와 확인 기준이 있는지 | effort 상향 또는 검증 지시 강화 |
| 테스트를 돌리지 않고 끝낸다 | 실행 가능한 테스트 명령을 알려줬는지 | effort 상향과 완료 조건 추가 |
| 간단한 수정인데 느리고 비싸다 | 작업이 반복적이고 결과 기준이 명확한지 | 작은 모델 또는 기본 effort |
처음에는 기본 effort로 시작한다
Anthropic은 대부분의 작업에서 기본 effort를 쓰라고 안내합니다. 기본값은 많은 사람이 기대하는 품질과 사용량의 균형에 맞춰진 출발점입니다. 매 요청마다 effort를 손으로 바꾸기보다, 내 작업 성격에 맞는 기본 습관을 정해두는 편이 덜 피곤합니다.
초보자가 쓰기 쉬운 기본 기준
- 오타 수정, 이름 변경, 작은 CSS 수정은 작은 모델과 기본 effort로 시작한다.
- 여러 파일을 읽어야 하는 기능 연결은 기본 모델에 기본 또는 높은 effort를 비교한다.
- 낯선 프레임워크, 어려운 버그, 아키텍처 판단은 더 강한 모델을 먼저 고려한다.
- Claude가 대충 끝낸 느낌이면 모델보다 effort와 완료 조건을 먼저 본다.
- 비용이 걱정되면 작업을 작게 나누고, 한 번의 요청에 성공 기준을 분명히 적는다.
틀렸을 때 바로 모델부터 올리지 않는다
Claude Code 결과가 마음에 들지 않을 때 가장 먼저 할 일은 설정을 올리는 것이 아닙니다. Anthropic도 프롬프트가 모호한지, 필요한 도구가 연결됐는지, CLAUDE.md나 skills가 충분한지 먼저 보라고 설명합니다. 컨텍스트가 부실하면 큰 모델도 그럴듯한 추측을 할 수 있습니다.
| 작업 유형 | 추천 출발점 | 이유 |
|---|---|---|
| 정해진 파일의 문구 수정 | 작은 모델, 기본 effort | 답이 명확하고 확인할 범위가 좁다 |
| 테스트 실패 원인 찾기 | 중간 모델, 높은 effort | 파일 읽기와 실행 확인이 품질을 크게 바꾼다 |
| 오래된 코드의 미묘한 버그 | 강한 모델, 기본 또는 높은 effort | 도메인 추론과 넓은 확인이 함께 필요하다 |
| 대규모 리팩터링 계획 | 강한 모델, 높은 effort | 설계 판단, 영향 범위, 검증 계획을 같이 봐야 한다 |
바로 붙여 넣는 요청 템플릿
아래 템플릿은 Claude Code가 설정값만 믿고 달리지 않게 만드는 용도입니다. 대괄호 안을 실제 저장소에 맞게 바꾸면 됩니다. 핵심은 작업 범위, 확인 명령, 멈출 조건을 같이 주는 것입니다.
모델과 effort를 고르기 전 진단 프롬프트
- 작업: [고치려는 문제]를 해결한다.
- 먼저 관련 파일과 테스트 경로를 찾아서, 이 작업이 단순 수정인지 여러 파일 추론이 필요한지 판단해줘.
- 코드를 바꾸기 전에 추천 모델 수준과 effort 수준을 한 문단으로 설명해줘.
- 수정 범위는 [허용 파일/폴더]로 제한하고, 확실하지 않은 외부 API는 문서나 기존 코드에서 확인해줘.
- 완료 전 [npm test / npm run build / 지정 테스트]를 실행하고, 실패하면 원인과 다음 선택지를 알려줘.
결과가 틀렸을 때 다시 묻는 프롬프트
- 이번 결과가 틀린 이유를 두 가지로 나눠 판단해줘.
- 1. 필요한 지식이나 문서가 부족했는가?
- 2. 관련 파일 확인, 테스트, 재검토가 부족했는가?
- 각 경우에 대해 컨텍스트 보강, 모델 변경, effort 변경 중 무엇이 먼저인지 추천해줘.
- 바로 다시 수정하지 말고, 다음 시도에서 읽을 파일과 실행할 검증 명령을 먼저 적어줘.
팀에서는 설정 이름보다 검토 기준을 남긴다
개인 실험에서는 모델과 effort를 바꿔 보며 감을 잡아도 됩니다. 팀 작업에서는 “어떤 설정을 썼는가”보다 “무엇을 확인했는가”가 더 오래 남습니다. 보안, 결제, 배포, 데이터 마이그레이션처럼 위험한 영역은 높은 effort만으로 충분하지 않습니다. 변경 범위 제한, 사람 리뷰, 테스트 명령, 롤백 기준을 같이 둬야 합니다.
오늘 바로 해볼 일은 최근에 Claude Code가 틀렸던 작업 하나를 다시 보는 것입니다. 틀린 이유가 모델의 한계였는지, 컨텍스트 부족이었는지, effort 부족이었는지 세 칸으로 나눠 적어보세요. 이 구분이 생기면 “무조건 더 비싼 모델”이나 “무조건 high effort” 같은 습관을 줄일 수 있습니다.
자주 묻는 질문
Claude Code effort level을 높이면 항상 더 좋은 결과가 나오나요?
항상 그렇지는 않습니다. Anthropic은 effort가 파일 읽기, 도구 사용, 검증 폭에 영향을 준다고 설명하지만, 컨텍스트가 부족하거나 문제 자체가 모델 능력 밖이면 effort만 올려도 해결되지 않을 수 있습니다.
모델을 바꿔야 할 때와 effort를 올려야 할 때는 어떻게 구분하나요?
필요한 문서와 코드가 충분한데도 Claude가 자신 있게 틀리면 더 강한 모델을 고려합니다. 반대로 파일을 덜 읽었거나 테스트를 건너뛰었다면 effort와 완료 조건을 먼저 조정하는 편이 좋습니다.
Claude Code를 처음 쓰면 어떤 설정으로 시작하면 좋나요?
기본 effort로 시작하고 작업을 작게 나누는 편이 좋습니다. 간단한 수정은 작은 모델, 낯선 버그나 설계 판단은 더 강한 모델을 후보로 두고, 결과가 틀렸을 때 원인을 보고 조정하세요.