Copy These 5 Claude Mods, Never Hit a Token Limit Again

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Claude 모드로 입력량·추론 강도·보조 에이전트·캐시·대화 길이·스크린샷을 관리하면 토큰 낭비와 한도 도달 부담을 줄일 수 있다.

📌 핵심 요점

1. Input Router는 약 2,000토큰을 넘는 파일·커넥터 결과를 Haiku가 먼저 읽고 필요한 내용만 주 모델에 전달한다. 발표자의 문서 분석 사례에서는 비용이 3.81달러에서 0.94달러로 줄었다.
2. Effort Optimizer는 Sonnet이 요청과 직전 답변을 검토해 적절한 추론 강도를 제안한다. 단순 작업에는 낮은 강도를, 복잡하거나 중요한 작업에는 높은 강도를 권하며 사용자가 변경을 승인한다.
3. Sub-agent Model Selector는 보조 에이전트의 작업 난도에 따라 Haiku·Sonnet·Opus를 배정한다. 소개된 리서치 사례의 비용은 6.58달러에서 3.82달러로 약 42% 감소했다.
4. Cash Clock은 캐시 만료까지 남은 시간을 보여주고 Keep Warm으로 캐시 유지를 돕는다. Handoff는 긴 대화의 작업 맥락을 인계문으로 정리해 새 대화로 옮긴다.
5. Efficient Browser Use는 브라우저 스크린샷의 크기를 줄인다. 발표자의 48장 스크린샷 사례에서는 이미지 토큰이 약 58,000개에서 14,000개로 감소했으며, /savings로 모드별 절감량을 확인할 수 있다고 설명한다.

🧩 배경과 문제 정의

발표자는 강력한 Claude 모델을 사용해도 토큰 소비의 상당 부분은 예방할 수 있다고 주장한다. 문제로 지목하는 것은 큰 파일과 커넥터 결과의 전체 입력, 단순 작업에 과도한 추론 강도 적용, 비싼 모델로 실행되는 보조 에이전트, 길어진 대화의 반복 처리, 브라우저 스크린샷 누적이다.

영상에서 모드는 Claude Code의 화면이나 동작을 바꾸는 플러그인으로 설명된다. 프롬프트 전송·파일 읽기·응답 완료 등의 신호를 받아 동작을 변경하거나 차단하고, 저렴한 다른 모델에 일부 작업을 넘기는 방식이다. 발표자는 배포 파일을 Claude에 전달해 설치하도록 요청할 수 있으며 Mac과 Windows에서 작동한다고 안내한다.

🕒 시간순 섹션별 상세정리

1. 토큰 낭비를 줄이는 모드의 기본 원리

• 발표자는 강력한 모델이 토큰을 빠르게 소비하지만, 모드 6개로 세션당 최대 90%를 절감할 수 있다고 예고한다. 이는 제목의 모드 5개와 개수가 다르다. [00:27]
• 모드는 데스크톱과 터미널의 Claude Code 화면·동작을 바꾸는 플러그인이며, 자연어로 제작을 요청할 수 있다고 보여준다. [01:00]
• 파일 읽기나 프롬프트 전송 같은 이벤트를 감지해 작업을 변경하고 Haiku·Sonnet 등으로 넘기는 구조다. 배포 ZIP 파일을 전달해 설치하도록 요청하는 방법도 보여준다. [01:44]

2. Input Router로 파일과 커넥터 입력 줄이기

• 발표자는 읽은 자료가 대화에 남아 이후 메시지에서도 반복 처리되는 점을 문제로 든다. 약 2,000토큰을 넘는 자료는 Haiku가 먼저 읽고, 관련 메모와 원본 경로를 주 모델에 전달하도록 한다. [03:15]
• Q&A 기록 5개 분석에서는 주 대화에 들어간 자료가 약 74,000토큰에서 5,900토큰으로, 작업 비용은 3.81달러에서 0.94달러로 줄었다고 제시한다. [03:50]
• Circle 커넥터의 약 65,000토큰 결과는 불필요한 필드 제거와 Haiku 처리를 거쳐 981토큰으로 줄었다고 한다. 세부 정보 누락 가능성을 인정하며 중요한 작업에서는 모드를 끄거나 Sonnet으로 바꾸라고 권한다. [04:45]

3. Effort Optimizer로 작업에 맞는 추론 강도 선택하기

• 높은 추론 강도는 더 오래 판단하고 재검토하게 하므로, 단순 작업이나 사용자와 자주 상의해야 하는 작업에서는 불필요한 소비가 될 수 있다고 보여준다. 비슷한 재설계 결과에 low는 1분, max는 28분이 걸렸다는 사례를 인용한다. [05:35]
• Sonnet이 사용자 요청과 Claude의 직전 답변을 읽고 추론 강도 변경을 제안하며, 사용자가 승인할 수 있다. 대화 도중에도 제안이 가능하다고 보여준다. [06:02]
• 화면의 선택 표시가 갱신되지 않아도 실제 강도는 바뀔 수 있고, 복잡한 작업에는 높은 강도를 제안하기도 한다고 한다. 이어 강좌·상담·자료 라이브러리 홍보가 나온다. [06:49]

4. 보조 에이전트별 모델 배정으로 리서치 비용 줄이기

• 보조 에이전트는 독립된 컨텍스트로 병렬 작업을 수행하지만, 기본적으로 주 대화와 같은 모델을 쓰기 때문에 단순 읽기·요약까지 비싼 모델이 맡을 수 있다고 보여준다. [07:59]
• Sub-agent Model Selector는 쉬운 작업을 Haiku, 일반 작업을 Sonnet, 복잡하거나 위험한 작업을 Opus에 배정한다. Input Router와 함께 쓰면 보조 에이전트가 읽는 자료도 정리된다고 한다. [08:31]
• 리서치 비교에서는 모든 보조 에이전트가 Opus를 쓸 때 6.58달러였던 비용이 Sonnet 2개와 Haiku 1개를 사용하면서 3.82달러로 줄었고, 결과는 거의 같았다고 제시한다. [08:52]

5. Cash Clock으로 캐시 만료와 재개 비용 관리하기

• 발표자는 이전 대화의 캐시가 유지되면 반복 입력 비용이 낮아진다고 보여준다. 구독에서는 1시간, API에서는 5분 유지된다는 수치와 Opus 5.5의 캐시 가격 배수를 제시하지만 별도 검증 자료는 제공되지 않는다. [09:34]
• Cash Clock은 답변 후 캐시 만료까지의 카운트다운을 표시해, 사용자가 대화를 나중에 재개할 때의 상태를 파악하도록 돕는다. [09:48]
• Keep Warm을 누르면 만료 직전 작은 숨은 메시지를 보내 캐시를 유지한다고 한다. 매번 몇 센트가 들지만 긴 대화를 캐시 없이 다시 처리하는 것보다 저렴하다는 설명이다. [10:08]

6. Handoff로 긴 대화의 맥락을 새 대화에 넘기기

• 대화가 길수록 반복 입력 비용이 커지고 답변 품질도 나빠질 수 있다고 주장한다. 자동 압축은 컨텍스트가 거의 찼을 때 작동하므로, 더 일찍 /compact를 쓰거나 자동 압축 기준을 설정하는 방법을 보여준다. [11:02]
• 압축 요약도 누적되고 중요한 세부 사항이 빠질 수 있다며 새 대화로 옮기는 방식을 제안한다. Handoff는 250,000토큰에 도달하면 이동을 제안하고, /handoff로 직접 실행할 수도 있다고 보여준다. [11:34]
• 모드가 대화·파일·스킬·링크를 다시 읽어 상세 인계문을 만들고, 사용자는 이를 담은 새 대화를 시작한다. 발표자는 이 방식이 기존 대화보다 저렴하면서 작업 맥락을 이어준다고 주장한다. [11:56]

7. 스크린샷 축소와 절감량 확인, 영상 마무리

• Efficient Browser Use는 브라우저 스크린샷 크기를 절반으로 줄인다. 1280×720 이미지의 약 1,200토큰이 300토큰으로 감소하는 예를 들며, 별도 AI 호출 없이 코드로 처리한다고 보여준다. [12:48]
• 웹사이트 검토에서 스크린샷 48장의 토큰은 약 58,000개에서 14,000개로, 이미지 처리 비용은 0.68달러에서 0.17달러로 감소했다고 제시한다. 사이드 패널에서 이미지별 절감량도 확인할 수 있다고 한다. [13:10]
• /savings로 모드별 절감량을 볼 수 있으며 본인은 하루 약 120만 토큰을 절감했다고 드러낸다. 무료 배포 자료와 유료 교육을 다시 안내하고, 다른 Claude 모드 9개를 소개하는 영상을 추천하며 마무리한다. [13:51]

🧾 결론

• 영상의 핵심은 비싼 주 모델에 모든 읽기·판단을 맡기지 않고 작업에 맞게 입력량과 모델을 배분하는 것이다.
• 문서 읽기, 보조 에이전트, 긴 대화, 브라우저 작업처럼 사용 패턴마다 토큰 낭비의 원인이 달라 적용할 모드도 달라진다.
• 제시된 절감 수치는 발표자의 개별 사례다. 제목의 ‘다시는 토큰 한도에 걸리지 않는다’는 표현을 모든 작업에 대한 보장으로 받아들일 근거는 없다.

📈 투자·시사 포인트

• AI 업무의 비용 효율을 평가할 때 주 모델의 성능뿐 아니라 입력 정리, 보조 모델 배정, 대화 관리까지 함께 살펴볼 필요가 있다.
• 문서·커넥터를 많이 사용하는 업무에서는 불필요한 데이터를 먼저 제거하는 방식이 큰 비용 차이를 만들 수 있다는 사례를 제시한다.
• 운영 판단에서는 토큰 감소율과 실제 비용 감소율을 구분해야 한다. 저렴한 모델로 작업을 옮기는 효과와 주 대화에 들어가는 입력을 줄이는 효과가 함께 작용하기 때문이다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제목은 모드 5개를 말하지만 도입부와 본문은 핵심 절감 모드 6개를 소개한다. Switchboard와 /savings도 추가로 언급된다.
• 최대 90% 절감, 품질 유지, 하루 120만 토큰 절감은 발표자의 주장과 사례이며, 제공된 자료에는 독립적인 재현 결과가 없다.
• Opus 5.5라는 모델명, 구독·API의 캐시 유지 시간, 캐시 가격 배수, 250,000토큰 인계 기준은 영상의 설명이다. 제공된 원문만으로 공식 사양이나 적용 범위를 확인할 수 없다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 같은 문서 분석·리서치 작업을 모드 사용 전후로 실행하고, 실제 비용·토큰·결과의 누락 여부를 함께 비교한다.
• 정확도가 중요한 문서에서는 Input Router를 끄거나, 영상에서 제안한 대로 요약 모델을 Sonnet으로 바꿔 결과를 점검한다.
• Effort Optimizer의 변경 제안을 검토하고, 화면의 모델 선택 표시가 실제 추론 강도 변경을 반영하지 않을 수 있다는 설명을 확인한다.
• 긴 대화에서는 캐시 유지 비용과 새 대화 인계 효과를 비교하고, /handoff로 만든 인계문에 필요한 결정·파일·링크가 담겼는지 확인한다.

❓ 열린 질문

• 파일 요약과 저렴한 보조 모델을 함께 적용했을 때, 어떤 작업에서 중요한 정보 누락이 늘어나는가?
• Keep Warm을 유지하는 편이 유리한 대화 길이와 복귀 간격은 어느 정도인가?
• 여러 모드를 함께 사용할 때 추가 모델 호출과 인계문 생성 비용까지 포함한 순절감률은 얼마인가?