🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Opus 4.8은 Every 팀의 LIVE VIBE CHECK에서 코딩·글쓰기·지식 작업을 모두 끌어올린 “매일 손이 가는” 강력한 모델로 평가됐지만, 실제 선택은 reasoning level과 앱 하네스 품질에 크게 좌우된다.

📌 핵심 요점

1. Opus 4.8은 Opus 4.7에서 지적됐던 느림, 장황함, 프롬프트 해석의 뻣뻣함을 상당 부분 줄이고, 코딩·글쓰기·지식노동 전반에서 더 균형 잡힌 모델로 평가됐다.
2. 코딩에서는 extra high reasoning이 핵심 변수로 제시됐다. Every 팀의 senior engineer benchmark에서 Opus 4.8은 extra high reasoning 기준 63점을 기록했고, Opus 4.7보다 약 30점 높아졌다고 언급됐다.
3. 글쓰기에서는 AI 특유의 반복 패턴이 줄고 스타일 가이드 적응력이 좋아졌지만, 여전히 예측 가능한 초안, 지나치게 매끄러운 문장, “not X but Y”식 대비 구조 같은 AI 냄새는 검토 대상이다.
4. Opus 4.8의 가장 중요한 차이는 사용자의 요청을 무조건 따르지 않고, 필요한 경우 더 나은 방향을 제안하거나 사용자의 전제를 부드럽게 밀어내는 판단력으로 설명됐다.
5. 모델 자체의 품질은 매우 높게 평가됐지만, Claude 데스크톱 앱의 탭 구조, 속도, 비용, 브라우징·오케스트레이션 한계 때문에 실제 일상 도구로는 Codex 같은 하네스가 더 매끄럽게 느껴질 수 있다는 결론이 나왔다.

🧩 배경과 문제 정의

• Opus 4.8은 사전 테스트를 거친 모델 릴리스로, 첫인상보다 실제 사용성과 벤치마크 경험이 핵심 평가 기준이다.
• Anthropic은 Claude Code 흐름을 통해 강한 입지를 만들었지만, Opus 4.7 이후 일부 사용자가 Codex와 GPT 계열로 이동할 만큼 사용성 측면의 균열도 드러났다.
• 이번 평가의 핵심은 Opus 4.8이 코딩, 글쓰기, 지식 작업에서 다시 “매일 손이 가는 모델”이 될 만큼 충분히 강한지에 있다.
• 초기 반응에서는 단순한 성능 향상보다 사용자의 전제를 그대로 받아들이지 않고, 불필요한 동조 없이 더 나은 판단을 돕는 능력이 중요하게 부각된다.

🕒 시간순 섹션별 상세정리

1. Opus 4.8 릴리스와 사전 테스트 맥락

• Opus 4.8 릴리스 당일 라이브가 시작되고, Every 팀의 Dan Shipper, Kieran Classen, Katie Parrot이 약 일주일간 사용해 본 경험을 바탕으로 모델 평가에 들어간다 [00:02]
• Opus 4.7 때는 공개 직후 급하게 테스트를 시작해야 했지만, 이번에는 사전 접근 기간이 있어 평가 준비가 더 안정적으로 이뤄졌다 [00:53]

2. Anthropic의 흐름과 Opus 4.7 이후의 균열

• Anthropic은 Claude Code 중심의 개발 방식과 지식 노동 확산 흐름을 타며 강한 지지를 얻었지만, Opus 4.7 이후 Every 내부에서는 Claude를 모든 작업에 쓰지 않는 변화가 나타났다 [03:14]
• Dan은 Codex를 강하게 선호했고, Claude 충성도가 높던 Kieran과 Katie도 GPT 5.5와 Codex 환경을 상당히 많이 사용하기 시작했다 [03:50]

3. 코딩·글쓰기·지식 작업에서 드러난 강점

• Opus 4.8은 프로그래밍뿐 아니라 글쓰기에서도 강점이 뚜렷하며, 인간적인 문체, 적은 AI식 문장 습관, 스타일 모방 능력이 핵심 장점으로 꼽힌다 [05:08]
• 지식 작업에서는 한 번의 시도로 매우 높은 품질의 PowerPoint를 만들었고, 일반 업무 산출물에서도 단순 답변 모델을 넘어서는 활용 가능성을 보였다 [05:28]

4. Kieran의 평가: 전천후 모델과 사고 모드의 중요성

• Kieran에게 Opus 4.8은 현재 가장 좋아하는 모델이며, Opus 4.7에서 남아 있던 불만이 거의 사라져 “싫어할 점을 찾기 어렵다”는 수준까지 올라갔다 [06:38]
• GPT 5.5는 특정 영역에서 매우 뛰어나지만 불편한 점도 많은 반면, Opus 4.8은 여러 작업을 고르게 잘 수행하면서도 최상위권 결과를 내는 전천후 모델에 가깝다 [07:00]

5. 동조하지 않는 판단력과 작업 방식의 차이

• Opus 4.8은 코딩과 글쓰기 모두에서 강하고, Opus 4.7보다 덜 장황하면서도 GPT 5.5보다는 약간 더 설명적인 균형을 보인다 [08:29]
• GPT 5.5가 작업 목록을 빠르게 실행하는 쪽에 가깝다면, Opus 4.8과 Anthropic 모델은 왜 그 작업을 해야 하는지까지 다루며 더 많은 의사결정을 맡을 수 있다 [08:43]

6. Katie의 평가: LLM 침체감에서 다시 작업 몰입으로

• Katie는 Opus 4.8을 매우 좋아하지만, Codex 앱과 GPT 5.5도 함께 쓰고 있어 “paradigm shift” 대신 green 평가를 선택했다 [10:05]
• 이전에는 사용 가능한 모델들이 충분한 영감을 주지 못해 코딩과 글쓰기를 덜 하던 LLM 침체감이 있었고, Opus 4.8 접근 이후 작업 몰입이 다시 살아났다 [10:41]

7. 단일 대화 안에서 코드 검토와 작성 전환이 가능해진다

• 모델은 초안이 실제 코드와 어긋나는 지점을 포착하고, 문제를 지적한 뒤 수정 방향까지 제안하며 별도 모드 전환 없이 다시 작성 작업으로 이어간다 [12:01]
• 이전 모델에서도 가능했을 행동일 수 있지만, Opus 4.8에서는 한 채팅 안에서 검토·수정·작성 흐름을 자연스럽게 시도할 만큼 사용자의 가능성 인식이 바뀐다 [12:21]

8. Extra high reasoning에서 senior engineer benchmark 점수가 크게 오른다

• 코딩 성능의 핵심 평가는 senior engineer benchmark이며, 실제 production app 성격의 vibe-coded 코드베이스를 주고 first principles로 문제를 고치게 하는 방식이다 [14:26]
• Opus 4.8은 extra high reasoning에서 100점 만점에 63점을 기록했고, Opus 4.7보다 약 30점 높아 senior engineer급 수정 작업에서 큰 격차를 보였다 [14:54]

9. 보수적 패치 대신 장기 재작성 실행력이 살아난다

• high reasoning의 실패 양상은 전체 재작성을 너무 큰 작업으로 판단하고, 몇 주가 걸릴 일이라며 표면적인 패치로 문제를 덮는 쪽에 가까웠다 [15:25]
• extra high reasoning의 Opus 4.8은 재작성을 피하지 않고 실제로 수행하는 쪽으로 움직이며, GPT 5.5와는 1점 차로 거의 맞붙는 수준까지 올라간다 [15:43]

10. Opus 4.8은 코딩·쓰기·agentic 성향 사이의 균형을 더 잘 맞춘다

• 보통 대형 모델 업데이트는 코딩이 좋아지면 글쓰기가 약해지거나, agentic 성향이 강해지면 요청하지 않은 일을 하다가 다시 과도하게 조심스러워지는 식의 trade-off를 만든다 [16:44]
• Opus 4.8은 여러 축에서 동시에 좋아진 사용감을 만들며, 코딩 능력 향상이 다른 능력의 후퇴로 곧장 이어지지 않는 균형점에 가까워진다 [17:17]

11. LFG bench에서는 extra high가 장기 autonomous 작업의 sweet spot이 된다

• LFG bench는 한 번의 프롬프트로 약 40분 동안 compound engineering flow를 실행하고, 결과물을 여러 기준으로 채점하는 장기 작업 벤치마크다 [18:48]
• high와 extra high가 주된 비교 대상이며, max reasoning은 높은 비용 대비 추가 이득이 크지 않아 실용적인 sweet spot은 extra high에 가깝다 [19:20]

12. 맥락별 안전 판단과 짧은 계획이 Opus 4.8의 차이를 만든다

• breath work 앱 예시에서 Wim Hof처럼 강도가 높은 호흡법에는 시작 전 안전 안내와 확인 절차가 붙고, coherence처럼 비교적 일반적인 방식은 바로 시작되어 기능별 위험 맥락이 반영된다 [20:40]
• 이 차이는 단순한 서비스 레벨 구현이 아니라 특정 기능의 맥락을 읽고, PM이 추가했을 법한 안전 장치를 한 번의 작업 안에 넣는 수준의 판단으로 보인다 [21:21]

13. UI 디자인에서 Opus 4.8의 균형감이 부각된다

• Opus 4.8은 사용자의 요청을 따르면서도 프레임을 살짝 재검토하는 메타 레이어를 갖고 있으며, 강하게 반박하지 않으면서 다른 방법의 가능성을 부드럽게 열어둔다 [24:01]
• UI 디자인 평가에서는 Gemini가 선호 모델로 남아 있지만, Opus 4.7의 과하게 fiddly한 느낌은 Opus 4.8에서 줄었고 결과물은 Gemini와 같거나 더 나은 수준까지 올라온다 [24:34]

14. 러버덕 스토어 사례에서 실사용 가능한 디자인에 가까워진다

• 러버덕 스토어 예시는 직접 오리를 디자인하는 복잡한 UI이며, 광택이나 안경 같은 옵션을 다루는 과정에서 완벽하지는 않아도 전체 화면의 완성도가 높다 [25:43]
• 결과물은 실제 웹사이트처럼 보이고 명백한 AI 산출물처럼 느껴지는 신호가 크지 않으며, 오리 이미지의 3D감 같은 어려운 부분만 한계로 남는다 [26:01]

15. 코딩 평가를 마무리하며 오케스트레이션 역량이 핵심으로 남는다

• Opus 4.8은 여러 작업을 조율하는 오케스트레이션에서도 강점을 보이며, 현재 모델 활용에서는 개별 생성 능력만큼 작업 흐름을 관리하는 능력이 중요해진다 [27:53]
• 모델이 모든 작업을 직접 잘 수행하는 것과 별개로, 일을 나누고 흐름을 통제하는 orchestrator 모델의 필요성이 커지고 있으며 Opus 4.8은 그 역할에도 잘 맞는다 [28:01]

16. 글쓰기 평가에서는 실제 편집 업무용 벤치마크가 새로 만들어진다

• 코딩 평가 이후 글쓰기 섹션으로 넘어가며, Opus 4.8은 이번 리뷰 초안 작성 과정에서 실제 글쓰기 파트너로 사용된다 [30:19]
• 첫 초안을 만들 때 평가 대상 모델을 직접 투입하는 방식이 유지되고, Opus 4.8은 리뷰 작성 자체에 참여해 실사용 기준으로 평가된다 [31:23]

17. 점수와 선호가 엇갈리며 Opus 4.8의 강점과 한계가 함께 드러난다

• Opus 4.8 high는 전체 글쓰기 과제에서 79.66점으로 가장 높은 점수를 기록하며, GPT-5.5의 73점을 앞선다 [32:37]
• Sonnet 모델이 2위에 오르면서 Sonnet의 글쓰기 성능을 과소평가했을 가능성이 드러나고, 특정 모델과 effort level에 익숙해지는 사용 습관도 평가에 영향을 준다 [32:51]

18. Opus 4.8의 글쓰기 초안은 깨끗하지만 AI 냄새 검토가 필요하다

• Opus 4.8의 인트로는 “30명 규모 회사에서 지난 2년간 가능한 한 열심히 자동화했다”는 원문 오프너에 가까워 무난하지만, GPT-5.5의 첫 문장만큼 독특하지는 않다 [34:13]
• 긴 초안에서는 Opus 4.8이 안정적으로 사용할 만한 내용을 만들지만, 사용자가 일부를 다듬고 거칠게 조정해 자기 문체로 바꾸는 과정이 필요하다 [34:43]

19. 글쓰기 반복 패턴 감소와 남은 대비 구조

• Opus 4.8은 8개 과제에서 “tell”을 13개 남겨 Opus 4.7의 25개보다 크게 줄었고, Opus 계열 내부에서도 개선 폭이 뚜렷하다 [36:01]
• GPT-5.5는 같은 기준에서 “tell” 21개를 보였으며, 중요성을 강조하는 표현이나 “not X but Y”식 대비 구조를 반복적으로 선호한다 [36:11]

20. 스타일 가이드 기반 문체 적응력

• AI 글쓰기에서 스타일 가이드는 기본 규칙과 선호를 모델에 제공하는 방식으로 작동하며, 채팅 프로젝트 파일이나 로컬 폴더 파일을 통해 문맥으로 붙일 수 있다 [36:47]
• 모델이 스타일 가이드에 접근하면 문체를 꽤 정확히 따라가며, 이번 실행에서는 Tastemaker 앱의 MCP를 통해 스타일을 직접 가져왔다 [37:20]

21. GPT-5.5 대비 깊이와 계획 품질

• GPT-5.5는 명확하고 직선적이지만, 실제 글쓰기나 계획 작성에서는 깊이와 풍부함이 부족해 결과물이 다소 얇게 느껴질 수 있다 [38:37]
• Opus 4.8은 여러 층위의 풍부함을 갖추면서도 과하게 장식적이거나 산만해지지 않아 글쓰기 작업에서 실용성이 높다 [39:03]

22. 원샷 데크 생성에서 드러난 지식노동 역량

• Opus 4.8은 Compound Engineering을 주제로 원샷 데크를 만들며, “every unit of work makes the next one easier”라는 부제와 문제·해결·루프 구조를 자연스럽게 구성한다 [39:47]
• 데크는 오래된 코드베이스가 기능 추가마다 복잡해지고, 10년 뒤에는 팀이 시스템 위에 구축하기보다 시스템과 싸우게 된다는 문제를 이야기 구조로 풀어낸다 [40:32]

23. 벤치마크 운영 방식과 정리 필요성

• 해당 데크 벤치마크는 컨설팅 실무 쪽 기술 리더가 만든 테스트이며, 별도 스크립트와 하네스에서 실행된 결과물이다 [42:48]
• 여러 벤치마크에 대한 상세한 writeup이 곧 필요해졌고, 테스트가 많아질수록 결과와 체계를 정리해야 하는 부담도 커졌다 [43:07]

24. Every의 평가 맥락과 Opus 4.8 최종 인상

• Every는 AI 최전선에서 업무의 미래를 다루는 구독 매체로 자신들을 위치시키며, 코딩·글쓰기·지식노동 과제를 포함한 Opus 4.8 심층 vibe check를 공개했다 [43:35]
• After Automation 보고서는 내부에서 에이전트를 쓰는 방식과, 자동화가 확대되는데도 오히려 더 많은 인간 채용이 생기는 역설을 핵심 문제로 다룬다 [44:18]

25. 신형 모델 FOMO와 실사용 기준 조정

• 강력한 모델이 나올 때마다 기존 생태계에 결제한 사용자는 최신 모델을 놓치는 느낌을 받지만, 새 모델 테스트 자체를 즐기는 사람과 단순히 일을 끝내려는 사람의 기준은 다르다 [48:32]
• Opus 4.8은 사용해볼 가치가 큰 모델이지만, GPT 5.5도 충분히 강력해서 도구를 계속 바꿔야 한다는 압박까지는 필요하지 않다 [49:03]

26. 디자인 벤치마크 기준과 Opus 4.6·Gemini 비교

• 디자인 평가는 LFG 벤치의 매우 짧은 프롬프트에서 출발하며, 모델이 웹사이트 리디자인 과제를 얼마나 스스로 해석하고 완성도 있게 처리하는지가 핵심이다 [50:48]
• Opus 4.6 결과물은 색상 선택, 오른쪽 요소 배치, 과한 애니메이션과 드롭섀도 때문에 AI가 만든 듯한 인상이 강하고 시각적 이상점이 눈에 띈다 [51:12]

27. GPT 5.5와 Opus 4.7의 디자인·카피 한계

• GPT 5.5 결과물은 구조는 있지만 화면을 채워 넣은 느낌이 강하고, 위치와 균형이 어색해 전체적으로 바쁘고 세밀한 조율이 부족하다 [52:29]
• GPT 5.5의 카피는 “shared documents” 같은 비즈니스 문구에 가까워 제품을 써보고 싶게 만드는 상상력이나 흥미가 약하다 [52:56]

28. Opus 4.8의 균형 잡힌 디자인 우위

• Opus 4.8의 “Every word has an author. Now you can prove it.” 문구는 제품명 proof와 직접 연결되어, 단순한 회계식 표현보다 더 자연스럽고 강한 카피가 된다 [54:14]
• Opus 4.8 디자인은 GPT 5.5처럼 과하게 크거나 소리치는 느낌이 덜하고, 더 미니멀하며 균형이 잡혀 AI 특유의 과잉 장식이 가장 적다 [54:25]

29. 라이브 데모 전환과 Cozy Island 벤치마크 설정

• 다음 비교는 실시간으로 무언가를 만들거나 글을 쓰는 방식으로 넘어가며, 실제 인터뷰 질문이나 추가 벤치마크를 넣어 Opus 4.8의 반응을 보려는 흐름이 생긴다 [56:06]
• Cozy Island 벤치마크는 3JS로 아늑한 섬을 만들라는 짧은 프롬프트만 사용해, 모델의 공간 추론과 시각 구성 능력을 함께 드러낸다 [57:11]

30. Cozy Island에서 드러난 모델별 3D 구성 차이

• GPT 5.5 결과물은 섬, 새, 집, 연기 애니메이션을 만들지만 새가 옆으로 날고, 왼쪽 UI에 “cozy island floating ecosystem” 같은 프롬프트성 문구가 들어가 누수 문제가 생긴다 [57:32]
• Gemini 결과물은 균열이 있는 섬과 더 강한 스타일화를 보여주며, 연기와 다양한 나무가 들어가지만 새가 옆으로 나는 결함은 여전히 남는다 [58:32]

31. Cozy Island 비교에서 드러난 모델별 시각 품질 차이

• Gemini 결과는 새의 형태가 어색하지만 전체적으로 흥미로운 구성을 만들고, 이전 결과는 지면 처리와 일부 디테일에 문제가 있으나 꽃과 집 구조에서는 개선점이 보인다 [1:00:19]
• GPT-4.7은 등대, 바위, 작은 덤불처럼 디테일이 늘어나고 새의 진행 방향도 바로잡히지만, 새가 날기보다 공중에서 카누처럼 움직이는 이상한 동작이 남는다 [1:00:56]

32. 장난감 과제가 실제 모델 성능을 드러내는 이유

• Cozy Island 같은 작업은 실용적 목적이 없어 보여도 코딩, 디자인, 재미있는 표현 선택, 아이디어 구현이 동시에 필요해 모델의 종합 능력을 압축적으로 드러낸다 [1:02:08]
• 결과물을 나란히 놓으면 단일 벤치마크 숫자로는 보이지 않는 체감 품질 차이가 나타나고, 전체 화면의 분위기와 완성도가 더 좋아진다 [1:02:47]

33. Anthropic의 시장 분위기와 OpenAI의 추격 구도

• Anthropic은 뉴욕타임스 푸시 알림 기준으로 OpenAI를 넘어 세계에서 가장 가치 있는 AI 스타트업이 됐고, 모델 공개와 대규모 펀딩 뉴스가 같은 날 겹치며 시장 존재감이 커진다 [1:04:16]
• Claude가 이긴다는 서사는 Claude Code가 만든 강한 분위기와 투자자 기대에 크게 기대고 있으며, 투자 커뮤니티는 실제 제품 변화보다 뒤늦게 반응하는 경향이 있다 [1:05:05]

34. Codex harness가 Claude 데스크톱 앱보다 강한 지점

• Claude 데스크톱 앱은 채팅, 코드, co-work 탭이 서로 겹치는 용도를 나누면서 느리고 혼란스러운 구조가 되고, 사용자는 어떤 탭에서 작업해야 하는지 판단해야 한다 [1:06:19]
• Codex는 Anthropic의 복잡한 흐름을 본 뒤 핵심 목적만 남긴 구조로 만들어졌고, 모델 성능만큼 harness 품질이 실제 생산성의 절반을 차지한다 [1:06:43]

35. Claude 앱의 마찰과 제품 기준 상승

• Opus 4.8 모델 성능이 뛰어나도 Claude 앱 경험이 그 수준을 따라가지 못하면, 일상 기본 도구는 Codex에 머물 수밖에 없고 Anthropic 앱에는 재설계 압력이 생긴다 [1:08:18]
• Claude 데스크톱 앱은 나쁘다기보다 평범한 수준이지만, Codex를 경험한 뒤에는 속도·탭 구조·버그 같은 사용 마찰이 더 선명하게 드러난다 [1:08:36]

36. 속도와 비용이 Opus 4.8의 실사용성을 제한하는 변수

• Cursor, Codex와 비교하면 Claude Code에는 여전히 아쉬운 지점이 있고, 특히 fast mode를 써도 비용 부담이 크며 GPT-5.5가 2~3배 빠르다 [1:10:00]
• 속도는 모델 선택의 핵심 변수이고, effort level을 조정하면 빠른 응답과 깊은 처리 사이의 차이를 실시간으로 체감할 수 있다 [1:10:38]

37. 웹앱 프로젝트에서 데스크톱 파일 기반 작업으로 이동

• 웹앱의 프로젝트 기능은 스타일가이드와 과거 작업 예시를 붙일 수 있게 해 AI 작업의 큰 unlock이 되었고, 글쓰기 품질을 유지하는 기반으로 작동했다 [1:12:03]
• 코딩과 오케스트레이션이 더 본격화되면서 필요한 자료가 데스크톱 파일 안에 있어야 했고, Google Docs의 내용도 Markdown 파일로 옮겨지며 로컬 중심 워크플로로 전환됐다 [1:12:21]

38. AI guard rails와 편집 피드백 기반 스킬 구축

• AI guard rails는 AI 글쓰기에서 작성자와 모델의 나쁜 습관을 함께 막기 위한 스킬 묶음이며, 초안이 편집 기준을 통과하도록 밀어주는 장치다 [1:13:39]
• 편집팀 피드백에는 AI처럼 보이는 표현과 개인적 문체 습관이 함께 담겨 있었고, 그 목록이 Opus 4.7에 전달되며 guard rails 점검 스킬의 출발점이 됐다 [1:13:58]

39. Repo 탐색, compound writing, 다중 모델 초안 흐름

• Opus 4.8은 로컬 스킬을 정확히 찾아 읽고 compound writing 스킬까지 발견하면서, 글쓰기용 repo를 실제 작업 컨텍스트로 활용한다 [1:15:42]
• compound writing은 Kieran의 repo를 fork해 글쓰기용으로 바꾸려는 시도이며, 여러 모델의 결과를 안정적으로 compound하는 과정은 아직 진행 중이다 [1:16:00]

40. Draft excerpt와 AI 티가 만드는 글쓰기 품질 문제

• draft는 공유 문서와 일대일 미팅 전의 조용한 직업적 당혹감에서 출발하고, 편집자가 남긴 짧고 정교한 메모는 초안의 핵심 문제를 겨냥한다 [1:18:06]
• 문제의 문장은 지나치게 대칭적이고, 전환은 너무 매끄럽고, 문단은 마찰 없이 흐르면서 저자 본인보다 유능한 비서가 흉내 낸 글처럼 보인다 [1:18:26]

41. 모델의 중간 판단을 읽는 즐거움과 라이브 마무리

• Opus 4.8의 매력은 최종 답변만이 아니라, 무엇을 말하고 어떻게 말하며 왜 그렇게 말할지를 탐색하는 중간 과정에서도 나온다 [1:19:08]
• 모델의 작업 흔적은 사용자의 사고를 여러 방향으로 확장시키고, 모델이 과하게 걱정하는 지점은 사용자가 다시 조정하며 원하는 방향으로 이끌 수 있다 [1:19:28]

🧾 결론

• Opus 4.8은 단순한 소수점 업그레이드라기보다, Every 팀 기준으로는 코딩·쓰기·지식 작업의 체감 품질을 동시에 개선한 강한 릴리스로 평가된다.
• 특히 extra high reasoning에서는 장기 코딩 작업, 재작성, 맥락별 안전 판단, 복합적인 제품 구현에서 이전 모델보다 훨씬 적극적이고 유능한 모습을 보였다고 정리할 수 있다.
• 다만 성능은 모델명 하나로 결정되지 않는다. high, extra high, max 같은 reasoning level 선택이 결과를 크게 바꾸며, 비용과 속도까지 함께 고려해야 한다.
• 글쓰기에서는 깨끗하고 편집하기 쉬운 초안을 제공하지만, 최종 저자성까지 보장하지는 않는다. 사용자는 AI가 만든 유창함을 그대로 받아들이기보다 문체, 마찰, 판단의 밀도를 다시 점검해야 한다.
• 최종적으로 Opus 4.8은 “무조건 모두가 갈아타야 하는 모델”이라기보다, 깊은 코딩·고품질 글쓰기·복합 지식 작업을 자주 하는 사용자에게 강하게 테스트해볼 만한 모델로 정리된다.

📈 투자·시사 포인트

• Anthropic은 Claude Code와 Opus 4.8을 통해 고급 개발자·지식노동자 시장에서 강한 브랜드를 만들고 있지만, 모델 성능만으로 승부가 끝나지는 않는다. 하네스, 앱 경험, 속도, 비용이 실제 생산성의 큰 비중을 차지한다.
• OpenAI의 Codex는 방송 내 평가에서 더 빠르고 매끄러운 지식노동 운영체제처럼 묘사됐다. 이는 향후 AI 경쟁이 “가장 똑똑한 모델”에서 “가장 잘 조율된 작업 환경”으로 이동할 수 있음을 시사한다.
• Opus 4.8이 코딩, 글쓰기, 디자인, 데크 생성까지 넓은 범위에서 좋은 결과를 보였다는 점은 AI 모델이 단일 업무 자동화를 넘어 복합 지식노동 도구로 진화하고 있음을 보여준다.
• 기업 입장에서는 모델 벤치마크 점수보다 내부 워크플로와의 적합성이 더 중요해진다. 같은 모델이라도 로컬 파일 접근, 스타일 가이드, 스킬, 브라우저, 멀티스레드 작업 구조가 붙을 때 체감 가치가 달라진다.
• 방송에서는 Anthropic의 시장 가치와 투자자 관심이 커졌다는 언급이 있었지만, 이는 transcript 내 발언 기준이다. 실제 기업 가치, 펀딩 규모, 시장 순위는 별도 공식 자료로 검증한 뒤 투자 판단에 반영해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• Every 팀이 언급한 senior engineer benchmark, LFG bench, 글쓰기 벤치마크 점수는 영상 내 평가 결과로 제시된 것이며, 외부에서 재현 가능한 공개 데이터·평가 스크립트·채점 기준까지 확인되지는 않았다.
• Opus 4.8이 GPT 5.5를 특정 코딩 벤치마크에서 앞섰다는 주장은 영상 속 비교 맥락에 기반하므로, 동일한 harness, reasoning level, 비용 조건, 실행 시간 조건에서의 독립 검증이 필요하다.
• “extra high reasoning”이 실사용 sweet spot이라는 평가는 Every 팀의 작업 환경과 과제 유형에 강하게 의존할 수 있어, 일반 개발자·글쓰기 팀·비기술 사용자에게 그대로 적용될지는 확인이 필요하다.
• 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

• Opus 4.8을 평가할 때 모델명만 비교하지 말고 high, extra high, max reasoning 등 effort level별 결과·시간·비용을 함께 기록한다.
• 코딩 작업에서는 단순 버그 수정, 장기 리팩터링, UI 구현, agentic orchestration 과제를 나눠서 각각 Opus 4.8과 GPT 5.5를 비교한다.
• 글쓰기 작업에서는 초안 작성, 문장 보완, 스타일가이드 적용, AI tell 제거, 플랫폼별 홍보문 작성처럼 실제 편집 업무 단위로 테스트한다.
• 모델 평가 시 최종 결과물뿐 아니라 중간 계획, 사용자 전제에 대한 반박 여부, 완료/미완료 상태를 얼마나 정직하게 유지하는지도 관찰한다.

❓ 열린 질문

• Opus 4.8의 강점은 모델 자체의 개선 때문인가, 아니면 Every 팀이 사용한 특정 프롬프트·스킬·로컬 파일 기반 워크플로와 결합될 때 특히 크게 나타나는가?
• 코딩에서 extra high reasoning이 높은 점수를 내는 만큼, 일상적인 짧은 개발 작업에서도 비용과 시간을 감수할 만한 체감 차이를 만드는가?
• Opus 4.8이 사용자에게 동조하지 않고 더 나은 판단을 제안하는 능력은 어떤 상황에서 유용하고, 어떤 상황에서는 과도한 개입이나 지연으로 느껴질 수 있는가?