Anthropic, Claude Sonnet 5.5 캐시 가격 인하… OpenAI와 동일한 0.10달러

Anthropic이 Claude Sonnet 5.5의 캐시 가격을 50% 인하해 캐시 읽기 비용을 100만 토큰당 0.20달러에서 0.10달러로 낮췄다. 회사는 애플리케이션이 긴 지침과 컨텍스트를 반복적으로 재사용하는 에이전트형 작업에서 이번 변경으로 Sonnet 5.5의 비용이 대부분 약 20% 낮아진다고 밝혔다.

이 단서는 중요하다. Anthropic은 모델의 일반 입력 또는 출력 요금을 낮추지 않았다. 에이전트가 동일한 시스템 프롬프트, 도구 정의, 리포지터리 컨텍스트 또는 참조 자료를 반복해서 전송할 때 중요해지는 한 가지 구성 요소만 변경했다.

이번 조치로 Sonnet 5.5의 캐시 읽기 요금은 OpenAI의 GPT-6.1 Sol과 동일한 수준이 됐다. 두 모델은 이제 일반 입력, 캐시 입력, 출력 가격을 모두 동일하게 제시한다. 이에 따라 경쟁의 초점은 표면적인 토큰 요금에서 벗어나, 어떤 모델이 더 적은 요청과 생성 토큰, 재작업으로 신뢰할 수 있는 작업을 완료하는가라는 더 어려운 질문으로 옮겨간다.

Claude Sonnet 5.5 캐시 가격, 절반으로 인하

즉각적인 변화의 범위는 좁지만, 장기 실행 에이전트 워크플로에서 가장 큰 반복 비용 중 하나를 겨냥한다.

Anthropic은 Claude Haiku 5.5 출시와 함께 2026년 10월 7일 이번 인하를 발표했다. 회사의 모델 발표에 따르면 Sonnet 5.5 캐시 읽기 비용은 그날부터 100만 토큰당 0.20달러가 아닌 0.10달러가 됐다.

캐시 읽기는 애플리케이션이 이전에 저장된 프롬프트 콘텐츠를 재사용할 때 발생한다. 해당 콘텐츠를 일반 입력 요금으로 다시 처리하는 대신, 제공업체는 일치하는 접두사를 가져와 더 낮은 캐시 읽기 요금을 청구한다.

이 기능은 요청에 크고 안정적인 접두사가 포함될 때 가장 중요하다. 코딩 에이전트는 리포지터리 지침, 도구 설명, 코딩 표준, 선택한 소스 파일을 반복해서 전송할 수 있다. 리서치 시스템은 많은 질문에 걸쳐 긴 정책 매뉴얼이나 문서 모음을 재사용할 수 있다.

고객 지원 에이전트도 같은 패턴을 따를 수 있다. 이들은 매 대화 턴마다 안정적인 시스템 프롬프트, 제품 카탈로그, 에스컬레이션 규칙, 도구 스키마를 포함하는 경우가 많다. 바뀌는 것은 고객의 최신 메시지와 에이전트의 최신 작업 상태뿐이다.

Sonnet 5.5의 현재 가격 기준으로 Anthropic은 일반 입력을 100만 토큰당 2달러, 출력을 100만 토큰당 10달러로 제시한다. 캐시 적중 비용은 이제 일반 입력 요금의 5%로, 기존 10%에서 낮아졌다.

캐시 쓰기는 재사용 가능한 콘텐츠를 먼저 저장해야 하므로 일반 입력보다 여전히 비싸다. Anthropic은 5분 캐시 쓰기를 100만 토큰당 2.50달러, 1시간 쓰기를 4달러로 제시한다. 낮아진 읽기 가격은 애플리케이션이 저장된 접두사를 충분히 많이 재사용할 때만 이점이 생긴다.

100개 요청에 걸쳐 10만 개의 안정적인 토큰을 전송하는 단순화된 워크로드를 생각해 보자. 캐싱이 없다면 이 반복 토큰은 일반 입력 토큰 1,000만 개에 해당한다. 효과적인 캐시를 사용하면 첫 번째 요청이 접두사를 쓰고, 이후 요청은 대부분을 캐시 읽기 요금으로 가져온다.

새 요금은 이 예시에서 읽기 부분의 비용을 절반으로 줄인다. 새 입력, 캐시 생성, 모델 출력, 외부 도구, 재시도 또는 실패한 작업의 비용을 줄이는 것은 아니다.

따라서 Anthropic이 추정한 20% 절감은 회사가 말하는 “대부분의 에이전트형 작업”을 설명한다. 모든 Sonnet 5.5 요청에 적용되는 보편적 할인이 아니다. 짧은 프롬프트, 낮은 캐시 적중률 또는 출력 비중이 큰 워크로드에서는 변화 폭이 더 작다.

이번 인하는 Sonnet 5.5가 9월 28일 출시된 뒤 이어졌다. Anthropic은 최초의 Sonnet 5.5 출시 발표에서 캐시 읽기 비용을 0.20달러로 책정하고, 이 모델이 일반적으로 Sonnet 5보다 더 적은 토큰을 필요로 한다고 밝혔다.

이 출시 주장은 이미 단순한 토큰 수준이 아니라 작업 수준의 효율성을 강조했다. Anthropic은 Sonnet 5.5가 이전 모델보다 작업당 비용을 최대 30% 낮출 수 있으며, 출력을 30% 이상 더 빠르게 생성한다고 밝혔다.

캐시 조정은 2주도 지나지 않아 또 다른 효율성 수단을 추가한다. 또한 개별 챗봇 응답보다 지속적으로 작동하는 에이전트가 중요한 단위가 되고 있다는 Anthropic의 메시지를 강화한다.

장기 실행 에이전트에서 캐시 적중의 가치가 더 큰 이유

에이전트는 동일한 컨텍스트를 반복적으로 소비하므로, 캐시 경제성은 일반 입력 가격의 소폭 변화보다 더 중요할 수 있다.

일반적인 챗봇 요청에는 짧은 지침과 사용자 메시지 하나가 포함될 수 있다. 반면 에이전트형 애플리케이션은 대개 각 모델 호출에 훨씬 더 많은 구성 요소를 담는다.

이 구성 요소에는 운영 정책, 수십 개의 도구 정의, 작업 이력, 검색된 레코드, 소프트웨어 문서, 이전 단계에서 수립한 계획 등이 포함될 수 있다. 에이전트가 검색하고, 파일을 편집하고, 서비스를 호출하고, 결과를 검증하는 동안 많은 구성 요소는 변하지 않는다.

프롬프트 캐싱은 해당 요청에서 재사용 가능한 접두사를 저장한다. 이후 호출은 모든 토큰을 새 입력으로 청구하는 대신 일치하는 콘텐츠를 할인된 요금으로 가져올 수 있다.

캐싱이 모델이 정보를 영구적으로 기억한다는 뜻은 아니다. 이는 정의된 캐시 수명 내에서 일치하는 프롬프트 콘텐츠를 위한 과금 및 처리 메커니즘이다. 접두사가 변경되거나 만료되거나 제공업체의 캐싱 규칙을 충족하지 못하면 애플리케이션은 이를 다시 써야 한다.

이 구분은 세 가지 실무 변수를 만든다.

첫째, 개발자는 높은 캐시 적중률을 확보해야 한다. 안정적인 지침과 도구는 자주 바뀌는 메시지보다 앞에 배치해야 한다. 캐시된 접두사를 불필요하게 수정하면 재사용이 무효화될 수 있다.

둘째, 애플리케이션은 캐시 쓰기 프리미엄을 회수할 만큼 충분한 반복 호출이 필요하다. 한 번만 사용하는 접두사는 읽기 절감 효과가 없다. 수백 번 사용하는 접두사는 읽기 요금을 주요 비용 요소로 만들 수 있다.

셋째, 출력 생성은 여전히 중요하다. Sonnet 5.5의 출력 비용은 100만 토큰당 10달러로, 새 캐시 읽기 요금의 100배다. 긴 설명을 생성하거나 반복하거나 재시도 루프에 빠지는 에이전트는 저렴한 캐시 컨텍스트로 얻은 이점을 상쇄할 수 있다.

이 때문에 절감 비율은 애플리케이션마다 다르다. Anthropic의 20% 수치는 캐시 읽기가 원래 비용에서 상당하지만 지배적이지는 않은 비중을 차지하는 워크로드를 의미한다.

간단한 비용 모델은 이 관계를 더 명확히 보여준다. 예를 들어 캐시 읽기가 이전에 워크로드 모델 지출의 40%를 차지했다고 가정해 보자. 이 구성 요소의 비용을 절반으로 낮추면 전체 비용은 20% 감소한다. 캐시 읽기가 10%만 차지했다면, 같은 가격 변화는 전체 지출을 5% 줄인다.

어느 예시도 특정 고객의 청구액을 예측하지는 않는다. 이는 Anthropic의 평균 주장이 성립하기 위해 필요한 조건을 보여준다.

가장 큰 수혜자는 길고 재사용 가능한 접두사와 많은 순차 호출을 사용하는 시스템일 가능성이 높다. 코딩 에이전트는 리포지터리 지침과 도구 정의가 작업 전반에 걸쳐 지속되는 경우가 많기 때문에 이 패턴에 부합한다.

문서 분석도 이점을 얻을 수 있다. 팀은 대규모 계약서, 기술 사양 또는 리서치 자료 묶음을 캐시된 접두사에 넣고, 이어서 일련의 집중적인 질문을 할 수 있다.

지식 작업 에이전트도 비슷한 요구를 지닌다. 이들은 보고서를 작성하는 동안 안정적인 회사 정책, 회의 기록 또는 프로젝트 문서를 반복적으로 참조할 수 있다. 이러한 시스템을 구축하는 팀은 검색 가능한 엔지니어링 지식 베이스를 유지하는 것과 마찬가지로 체계적인 컨텍스트 선택이 필요하다.

구조화가 미흡한 컨텍스트를 캐싱한다고 해서 그 컨텍스트가 유용해지는 것은 아니다. 반복 전송 비용만 저렴해질 뿐이다. 부실한 검색은 여전히 프롬프트를 관련 없는 자료로 채우고, 모델이 모호성을 해소하는 데 출력 토큰을 쓰게 할 수 있다.

Anthropic의 자체 프롬프트 캐싱 문서는 정적 콘텐츠를 프롬프트의 앞부분에, 동적 콘텐츠를 뒤쪽에 배치할 것을 권장한다. 이런 구조는 이후 요청이 저장된 접두사와 일치할 가능성을 높인다.

개발자는 캐시 생성 및 읽기 카운터도 별도로 모니터링해야 한다. 낮은 읽기 대비 쓰기 비율은 짧은 캐시 수명, 불안정한 접두사, 라우팅 변경 또는 저장된 컨텍스트를 재사용하지 않는 요청을 드러낼 수 있다.

새로운 Claude Sonnet 5.5 캐시 가격은 이러한 엔지니어링 결정을 더 가치 있게 만든다. 하지만 이를 측정할 필요성을 없애지는 않는다.

Anthropic과 OpenAI, 이제 동일한 표면 요금 공유

이번 인하는 눈에 보이던 OpenAI의 가격 우위를 상쇄하고, 구매자가 전체 작업 완료 비용을 비교하도록 만든다.

OpenAI는 Anthropic이 Sonnet 5.5에 적용하는 것과 같은 100만 토큰당 2달러 입력 및 10달러 출력 요금으로 GPT-6.1 Sol을 도입했다. 다만 GPT-6.1 Sol은 100만 토큰당 0.10달러의 캐시 입력 요금으로 출시됐다.

Anthropic의 인하 전에는 이 세 가지 요금표 항목만 비교해도 분명한 차이가 있었다. Sonnet 5.5의 캐시 입력 비용은 두 배였다.

이 차이는 이제 사라졌다. Sonnet 5.5와 GPT-6.1 Sol은 모두 다음과 같이 제시한다.

• 일반 입력: 100만 토큰당 2달러

• 캐시 입력: 100만 토큰당 0.10달러

• 캐시 쓰기: 기본 캐시 기간 기준 100만 토큰당 2.50달러

• 출력: 100만 토큰당 10달러

OpenAI는 GPT-6.1 Sol의 캐시 입력 비용이 일반 입력 요금의 5%라고 설명한다. 모델 문서에는 105만 토큰의 컨텍스트 윈도우와 여러 추론 노력 설정 지원도 기재돼 있다.

요금이 같아지면서 단순한 가격 비교의 유용성은 낮아진다. 동일한 토큰 가격의 모델을 사용하는 두 에이전트도 전혀 다른 청구액을 만들 수 있다.

한 모델은 8번의 호출로 코딩 문제를 해결할 수 있다. 다른 모델은 15번의 호출이 필요하거나, 더 많은 추론 토큰을 생성하거나, 추가 도구를 호출하거나, 실패한 패치를 반복할 수 있다. 두 번째 시스템은 동일한 요금표에도 더 많은 비용이 들 수 있다.

신뢰성은 계산을 다시 바꾼다. 사람이 오류를 식별하고, 손상된 작업을 복구하고, 작업을 다시 실행해야 한다면 저렴한 첫 번째 시도는 가치가 크지 않다. 경제적으로 관련 있는 척도는 승인된 결과의 비용이다.

지연 시간에도 비용이 있다. 더 적은 순차 단계로 작업을 완료하는 에이전트는 컴퓨팅 용량을 확보하고 사용자 대기 시간을 줄일 수 있다. 이는 인터랙티브 제품에서 토큰 지출의 작은 차이보다 더 중요할 수 있다.

Anthropic은 Sonnet 5.5를 이 작업 수준의 척도를 중심으로 제시하려 하고 있다. 회사는 명령줄 환경에서 다단계 전문 작업을 평가하는 Terminal-Bench 4.0에서 70.6%의 결과를 기록했다고 보고했다.

Anthropic은 또한 Sonnet 5.5가 Sonnet 5보다 30% 이상 빠르게 실행되고 동일한 작업에 더 적은 토큰을 사용할 수 있다고 밝혔다. 이는 회사가 보고한 결과이며, 실제 운영 성능은 에이전트 하네스, 프롬프트, 도구 및 작업 분포에 따라 달라진다.

OpenAI도 GPT-6.1 Sol의 성능과 효율성에 관한 자체 주장을 제시한다. 출시 발표에서는 이 모델이 더 낮은 일반 토큰 요금으로 GPT-6 Astra의 역량에 근접한다고 설명한다.

어느 회사의 벤치마크 모음도 보편적인 승자를 제시하지는 않는다. Anthropic의 테스트는 특정 노력 설정과 에이전트 구성을 사용한다. OpenAI의 평가는 자체 연구 환경을 사용하며 API 동작이 다를 수 있음을 인정한다.

기업 구매자에게 이제 실질적인 비교는 대표적인 평가 세트를 필요로 한다. 팀은 성공적인 완료, 사람의 승인, 도구 호출, 캐시 토큰, 캐시되지 않은 입력, 출력, 지연 시간 및 재시도를 측정해야 한다.

또한 동일한 운영 제약 조건에서 테스트해야 한다. 한 모델에 추가 도구, 다른 컨텍스트 패키지 또는 더 관대한 추론 설정을 제공하면 비용 비교의 신뢰성이 떨어진다.

주요 경쟁은 더 이상 Sonnet의 캐시 가격과 OpenAI의 가격 간 대결이 아니다. 핵심은 Anthropic이 주장하는 효율적인 작업 완료가 각 고객의 실제 프로덕션 워크로드에서도 성립하는지 여부다.

20% 절감 주장에는 중요한 한계가 있다

Anthropic의 추정치는 캐시 사용 비중이 높은 에이전트에는 그럴듯하지만, 전체 운영 비용이 자동으로 줄어든다는 의미로 받아들여서는 안 된다.

첫 번째 한계는 캐시 적용 가능성이다. 애플리케이션은 요청이 실제 캐시 적중을 만들 때만 더 낮은 가격을 적용받는다. 유사한 콘텐츠가 반드시 동일한 콘텐츠를 의미하지는 않는다.

도구 정의를 옮기거나, 타임스탬프를 변경하거나, 검색된 문서의 순서를 바꾸거나, 초기 시스템 지시문을 수정하면 재사용 가능한 접두사가 깨질 수 있다. 따라서 작은 아키텍처 선택이 광고된 요금의 적용 여부를 좌우할 수 있다.

두 번째 한계는 캐시 수명이다. Anthropic은 저장 기간에 따라 서로 다른 쓰기 가격을 지원한다. 요청 사이의 공백이 긴 시스템은 캐시를 반복해서 작성해야 할 수 있으며, 이는 순절감 효과를 줄인다.

세 번째 한계는 출력 비용이다. 캐시 읽기는 이제 저렴하지만, 생성된 토큰은 여전히 훨씬 비싸다. 긴 추론 과정, 장황한 응답, 반복적인 수정은 최종 청구액에서 더 큰 비중을 차지할 수 있다.

네 번째 한계는 오케스트레이션 오버헤드다. 에이전트는 흔히 검색 시스템, 브라우저, 데이터베이스, 코드 실행 환경 또는 서드파티 API를 호출한다. Anthropic의 모델 가격 인하는 이러한 비용을 낮추지 않는다.

다섯 번째 한계는 사람의 검토다. 저렴하지만 신뢰할 수 없는 결과물을 내는 모델은 인건비를 늘릴 수 있다. 이 위험은 소프트웨어 변경, 규제 대상 워크플로, 고객 데이터에 영향을 주는 작업에서 특히 중요하다.

Anthropic의 최초 Sonnet 5.5 발표문조차 벤치마크는 모델 역량의 한 측면만 포착한다고 주의한다. 회사는 지속적인 판단이 필요한 복잡하고 개방형인 작업에서는 Opus 5.5가 여전히 더 강력하다고 말한다.

이는 라우팅 측면의 트레이드오프를 만든다. 개발자는 일상적이고 범위가 명확한 작업을 Sonnet 5.5에 맡기고, 더 어려운 판단은 대형 모델에 남겨둘 수 있다. 그러나 잘못된 라우팅은 시스템이 에스컬레이션하기 전에 Sonnet이 반복적으로 실패하게 만들 수 있다.

설계가 부실한 라우터는 캐시 할인으로 절감한 금액보다 더 많은 비용을 낭비할 수 있다. 팀은 실패한 시도와 에스컬레이션 호출을 포함한 전체 경로를 측정해야 한다.

GPT-6.1 Sol과의 비교에는 또 다른 복잡성이 있다. 표면적인 가격이 같다고 해서 공급자가 캐싱을 동일한 방식으로 구현한다는 뜻은 아니다.

OpenAI의 caching guide는 최신 모델이 모델에 따라 명시적 또는 암시적 브레이크포인트를 지원한다고 설명한다. 또한 어떤 토큰이 적용 대상이 되는지에 영향을 미치는 최소 프롬프트 길이와 보고 규칙도 설명한다.

Anthropic은 자체 캐시 제어, 기간, 브레이크포인트 및 사용량 보고 방식을 사용한다. 에이전트를 공급자 간에 이전하려면 캐시 적중률이 비교 가능한 수준이 되기 전에 프롬프트를 재구성해야 할 수 있다.

클라우드 배포는 상황을 더 복잡하게 만들 수 있다. Sonnet 5.5는 Anthropic 및 파트너 플랫폼을 통해 제공되지만, 가격, 지역별 제공 여부, 기능 도입 시점은 공급자에 따라 달라질 수 있다.

따라서 발표된 $0.10 요금은 프로덕션에서 사용하는 특정 엔드포인트에서 확인해야 한다. 클라우드 마켓플레이스를 통해 운영하는 기업은 모든 지역 서비스가 해당 변경을 동시에 적용했다고 가정해서는 안 된다.

20% 주장 뒤에는 측정의 문제도 있다. Anthropic은 고객 워크로드 전반의 캐시 소비량 분포를 보여주는 상세 자료를 공개하지 않았다. “대부분의 에이전트 작업”은 서로 다른 토큰 프로필을 가진 코딩, 리서치, 브라우저 사용, 고객 지원 및 기타 패턴을 하나로 묶는다.

가장 안전한 해석은 간단하다. Anthropic은 검증 가능한 하나의 단가를 절반으로 낮췄다. 더 넓은 비율은 보장된 고객 결과가 아니라 회사가 모델링하거나 관찰한 워크로드 구성 비율을 나타낸다.

팀은 몇 주간의 사용량을 비교해 이 주장을 검증할 수 있다. 유용한 지표에는 요청당 캐시 적중 토큰, 캐시 쓰기 빈도, 비캐시 입력, 출력, 성공한 작업, 승인된 작업당 총지출이 포함된다.

캐시 지출은 줄었지만 작업 비용이 비슷한 수준으로 줄지 않는다면 다른 병목이 있다는 신호다. 그 병목은 출력 길이, 실패한 시도, 외부 도구 또는 사람의 수정 시간일 수 있다.

개발자와 AI 구매자가 다음으로 주시해야 할 점

다음 단계에서는 낮아진 캐시 요금이 프로덕션 경제성을 개선하는지, 아니면 경쟁 에이전트 플랫폼의 새로운 기준선이 되는지를 시험하게 될 것이다.

첫 번째 신호는 Anthropic의 업데이트된 청구 데이터다. 개발자는 Sonnet 5.5 요청에 새 캐시 읽기 요금이 적용되는지, 파트너 플랫폼도 동일한 변경을 반영하는지 확인해야 한다.

고객이 애플리케이션을 변경하지 않고도 완료 작업당 지출 감소를 확인한다면 이는 Anthropic의 주장을 강화한다. 반대로 대부분의 워크로드가 작은 감소만 보인다면 더 광범위한 20% 주장은 약화된다.

두 번째 신호는 경쟁 가격이다. OpenAI의 동일한 GPT-6.1 Sol 요금은 캐시된 컨텍스트에 대해 Anthropic이 두 배를 청구할 여지를 이미 없앤 것으로 보인다.

Google과 다른 모델 공급자도 이제 같은 압박을 받고 있다. 구매자들은 특히 지속적 컨텍스트를 중심으로 설계된 에이전트에서 캐시된 입력 비용이 일반 입력의 작은 일부에 불과할 것으로 점점 기대하고 있다.

추가적인 가격 대응은 저렴한 컨텍스트 재사용이 표준 경쟁 기능이 되었음을 보여줄 것이다. 대응이 없다면 공급자들이 여전히 모델 품질, 인프라 또는 차별화된 캐싱 시스템으로 경쟁하고 있음을 시사한다.

세 번째 신호는 독립적인 작업 수준 테스트다. 토큰 가격은 공급자가 청구액을 계산하는 방식을 보여주지만, 모델이 작업을 끝내는 데 얼마나 많은 작업량이 필요한지는 보여주지 않는다.

유용한 평가는 벤치마크 정확도나 백만 토큰당 가격만이 아니라 승인된 결과당 비용을 보고해야 한다. 또한 노력 설정, 도구 접근 권한, 재시도 정책, 캐시 적중률, 사람 검토 기준도 공개해야 한다.

개발자가 즉시 취할 조치는 이론적 프롬프트 크기에 토큰 가격을 곱하는 대신 실제 사용량을 점검하는 것이다. 대표 작업을 대상으로 캐시 읽기, 캐시 쓰기, 비캐시 입력 및 출력을 구분해야 한다.

그다음 이 수치를 결과와 연결해야 한다. 에이전트가 작업을 완료했는지, 사람이 이를 승인했는지, 시스템에 에스컬레이션이나 수정이 필요했는지를 추적하라.

캐시 최적화는 가장 크고 안정적인 접두사부터 시작해야 한다. 시스템 지시문과 도구 정의를 일관되게 유지하고, 동적 콘텐츠는 뒤에 배치하며, 재사용 가능한 자료보다 앞에 변경되는 메타데이터를 삽입하지 않도록 해야 한다.

팀은 캐시 만료 동작도 테스트해야 한다. 5분 캐시는 밀도 높은 에이전트 루프에서는 잘 작동할 수 있지만, 승인 대기 시간이 긴 워크플로에서는 성능이 떨어질 수 있다. 더 비싼 1시간 옵션은 반복적인 쓰기를 막는다면 총비용을 낮출 수 있다.

최종 구매 결정은 최소 두 개의 모델을 동일한 내부 작업 세트에서 비교해야 한다. Claude Sonnet 5.5 캐시 가격과 GPT-6.1 Sol 가격이 일치하면서 이 실험은 더 쉽게 해석할 수 있게 되었지만, 승자를 결정해 주지는 않는다.

Anthropic의 인하는 에이전트 워크로드가 일반적인 채팅 세션보다 컨텍스트를 훨씬 자주 재사용한다는 점에서 의미가 있다. 또한 모델 공급업체들이 이제 캐시된 컨텍스트를 경쟁의 격전지로 보고 있음을 확인해 준다.

남은 질문은 낮은 캐시 가격이 성공적인 작업의 비용을 낮추는가이다. 다음 한 달 동안 캐시 적중률, 재시도, 출력량, 승인된 결과를 측정하라. 완료 작업당 총비용이 Anthropic의 추정치에 가까운 수준으로 떨어진다면, 이번 인하는 경제성을 바꾼 것이다. 그렇지 않다면 에이전트의 비싼 부분은 다른 곳에 있다.