Claude에서 적절한 effort 설정을 선택하는 방법

1. Claude의 effort 설정이 제어하는 것

Claude 모델이 점점 더 에이전틱해짐에 따라, 사용자에게 돌아오기 전에 작업의 더 많은 부분을 완료하는 경향이 있습니다. Effort는 Claude가 답변을 반환하기 전에 작업을 스스로 얼마나 철저히 처리하는지를 제어하는 설정입니다. Claude는 여전히 사용자가 제시한 문제에 맞게 작업의 규모를 조정하며, effort는 단지 그 기준선을 위아래로 이동시킬 뿐입니다.

effort를 높이면 Claude는 더 오래 생각하고, 더 많은 도구 호출을 수행하며, 답변하기 전에 더 많은 작업을 검토합니다. 사용자가 첫 번째 응답을 보기 전에 Claude는 어떤 접근 방식을 시도하고, 자신의 결과물을 검토하며, 효과가 없었던 부분을 다시 수행할 수 있습니다. effort를 낮추면 Claude는 더 빠르고 직접적인 방식으로 작업을 수행하여 더 빨리 응답합니다.

effort는 Claude에 대한 행동 신호라고 생각할 수 있습니다. effort를 낮추면 더 짧은 사고와 더 적은 검토처럼 Claude가 더 적게 수행하도록 유도합니다. effort를 높이면 Claude가 작업을 시도하고 검증할 수 있는 여지가 더 많아집니다.

2. effort가 사용 한도에 미치는 영향

이러한 모든 작업(사고, 도구 사용, 검토 및 수정)은 답변을 얼마나 빨리 받는지, 그리고 작업당 사용 한도가 얼마나 소모되는지에 영향을 미칩니다.

claude.ai에서 사용 한도는 토큰 단위로 측정되며, 토큰은 Claude가 처리하는 작은 텍스트 단위입니다. Claude가 수행하는 모든 작업(프롬프트 읽기, 파일 처리, 사고, 응답 작성)은 이러한 방식으로 측정되며 사용 한도에서 차감됩니다. effort를 낮추면 Claude가 사용하는 토큰 수가 줄어들어 작업당 소모되는 한도가 줄어듭니다. Claude의 effort를 높이면 그 반대가 됩니다. 이것이 바로 작업에 맞게 effort를 조정하는 것이 중요한 이유입니다.

3. 모델을 전환하는 대신 effort를 조정해야 하는 이유

작업 비용의 균형을 맞추는 데는 두 가지 방법이 있습니다. 선택한 Claude 모델을 변경하면 기능과 비용이 모두 바뀝니다. Opus와 같은 모델에서 Sonnet으로 전환하면 토큰당 비용은 저렴해지지만 기능은 떨어집니다. 반면, effort 설정을 전환하면 모델의 핵심 기능, 즉 고급 판단력, 추론 능력, 패턴 인식 능력은 그대로 유지한 채 비용만 변경됩니다.

프론티어 모델에서 effort를 낮춘다고 해서 이러한 기능이 제거되는 것은 아닙니다. 계획을 세우거나 옵션을 더 철저히 탐색하는 것, 또는 작업을 다시 읽고 검증하는 것과 같은 일에 모델이 소요하는 시간이 줄어드는 것입니다.

실질적인 차이는 바로 여기에 있습니다: 한도에 도달하는 것을 피하기 위해 더 오래되거나 더 작은 모델로 전환할 것을 고려하고 있다면, 대신 최신 모델의 effort를 낮춰보세요. 중간 또는 낮은 effort의 프론티어 모델이 높은 또는 최대 effort의 이전 모델보다 더 나은 성능을 보이는 경우가 많습니다.

4. 작업당 비용 대 토큰당 비용

대부분의 사람들은 토큰당 더 저렴한 모델이 전체적으로도 더 저렴할 것이라고 가정합니다. 하지만 실제로는 완료된 작업당 비용이 더 중요한 단위이며, 이는 토큰당 비용과 크게 다를 수 있습니다.

어려운 문제를 효율적으로 해결하는 프론티어 모델은 토큰당 비용이 더 높더라도, 그 문제로 고군분투하는 더 작은 모델보다 작업당 비용이 더 적게 드는 경우가 많습니다. 프론티어 모델은 더 나은 판단력을 가지고 있어서 중요한 것에 토큰을 더 잘 사용할 수 있습니다. 문제를 더 빠르게 파악할 수 있고, 추가적인 후속 프롬프트나 방향 수정 없이 한 번의 신중한 시도로 문제를 해결할 가능성이 더 높습니다.

예를 들어: 지난 분기 고객 이탈 원인을 분석한다고 가정해 보겠습니다. 높은 effort의 더 작은 모델은 데이터에서 패턴을 찾아내지만, 분기 중간에 가격이 변경되어 분석 결과가 왜곡되었다는 사실은 파악하지 못합니다. 그러면 후속 질문을 통해 명확히 해야 합니다. 중간 effort의 프론티어 모델은 가격 변동 맥락을 자동으로 인식하고 분석을 조정합니다.

프론티어 모델은 한 번에 작업을 마쳤습니다. 더 작은 모델은 추가적인 설명과 수정이 필요했습니다. 프론티어 모델의 경우, 전체 라운드 수가 적다는 것은 토큰당 비용이 더 높더라도 작업당 비용이 더 낮다는 것을 의미합니다.

5. 작업에 필요한 effort 설정을 파악하는 방법

한도를 늘리기 위해 더 저렴한 모델로 전환하는 것보다, 프론티어 모델의 effort를 낮추는 것이 최대 effort의 이전 모델보다 더 나은 성능을 보이는 경우가 많습니다. 핵심은 작업이 실제로 요구하는 것에 맞게 effort를 조정하는 것입니다.

Claude는 기본 effort로 설정되어 있으며, 이는 일상적인 작업에 권장되는 균형입니다. 기본값은 철저함과 속도 및 사용량 간의 균형을 맞추며, 대부분의 작업에 잘 작동합니다. 하지만 모든 작업에 맞는 단일한 균형은 없으므로, effort 조절 기능을 통해 가치가 있다고 판단되는 작업에는 더 많이 쓰고 그렇지 않은 작업에는 더 적게 쓸 수 있습니다.

최적의 지점을 찾는 방법: 정기적으로 수행하는 작업에 다양한 effort 설정을 직접 시도해 보는 것이 유용할 수 있습니다. 기본 effort로 실행해 보세요. 소요된 시간, 답변의 완성도, 그리고 얼마나 많이 수정해야 했는지를 기록하세요. 그런 다음 한 단계 낮춰서 다시 실행해 보세요. 세 가지 다른 작업 유형에 걸쳐 결과를 비교해 보세요.

작업의 형태에 따라 effort를 선택하는 것을 고려해 보세요:

Claude가 응답하면, effort 설정이 작업과 맞는지 또는 맞지 않는지를 나타내는 신호를 살펴보세요:

• effort가 너무 낮은 경우: 지침이 누락되거나, 긴 작업이 끝나기 전에 마무리됩니다. effort를 높이고 다시 질문한 후, 새로운 답변이 지침을 따르는지 확인하세요.
• effort가 너무 높은 경우: 품질 개선 없이 응답이 더 장황해지거나, 범위가 요청한 것보다 더 넓게 확장됩니다. 모델이 올바른 답에 도달한 후에도 계속 검증하다가 스스로 그 답을 뒤집는 경우도 있습니다. effort를 낮추고 이러한 문제가 해결되는지 확인하세요.
• 적절한 effort: 많은 후속 질문 없이 한 번 또는 몇 번의 턴만으로 작업이 성공적으로 완료됩니다. Claude의 응답 시간이 작업에 비례하는 것처럼 느껴집니다.

더 알아보기

• Claude Code에서 적절한 effort 수준 선택하기: Claude Code에서의 동일한 설정, /effort, 이를 제어하는 설정, 그리고 실제 예시입니다.
• Claude Code에서 Claude 모델과 effort 수준 선택하기: Claude Code 팀이 설명하는 모델 선택과 effort의 개념입니다.
• Claude 모델 설명: Claude 모델들의 차이점과 사용 사례에 맞는 모델을 선택하는 방법입니다.