Claude 4 모델 완벽 가이드 — Opus vs Sonnet, 어떤 모델을 써야 하나

Claude 4 패밀리 구성과 포지셔닝

벤치마크로 보는 실제 성능 차이

가격 구조와 비용 계산법

Python — 모델별 비용 추정 스크립트
# 월간 API 비용 추정
def estimate_monthly_cost(
    daily_requests: int,
    avg_input_tokens: int,
    avg_output_tokens: int,
    model: str = "sonnet"
) -> float:
    pricing = {
        "opus": {"input": 15.0, "output": 75.0},
        "sonnet": {"input": 3.0, "output": 15.0},
        "haiku": {"input": 0.80, "output": 4.0},
    }
    p = pricing[model]
    monthly_requests = daily_requests * 30
    input_cost = (monthly_requests * avg_input_tokens / 1_000_000) * p["input"]
    output_cost = (monthly_requests * avg_output_tokens / 1_000_000) * p["output"]
    return input_cost + output_cost

# 예시 출력
for m in ["opus", "sonnet", "haiku"]:
    cost = estimate_monthly_cost(10000, 500, 300, m)
    print(f"{m}: ${cost:,.0f}/월")

API 호출 실전 패턴

Python — Anthropic SDK 기본 호출
import anthropic

client = anthropic.Anthropic()  # ANTHROPIC_API_KEY 환경변수 자동 참조

# Sonnet 4 — 일반 코딩 작업
message = client.messages.create(
    model="claude-sonnet-4-0",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": "Python으로 이진 탐색 트리 삽입/삭제/탐색 구현해줘"
        }
    ]
)
print(message.content[0].text)

# Opus 4 — 복잡한 추론 + Extended Thinking
message_opus = client.messages.create(
    model="claude-opus-4-0",
    max_tokens=16000,
    thinking={
        "type": "enabled",
        "budget_tokens": 10000  # 추론 예산 (최대 토큰)
    },
    messages=[
        {
            "role": "user",
            "content": "이 알고리즘의 시간복잡도를 증명하고 최적화 방안을 제시해줘"
        }
    ]
)
for block in message_opus.content:
    if block.type == "thinking":
        print("[추론 과정]", block.thinking[:200])
    elif block.type == "text":
        print("[최종 답변]", block.text)

Python — 스트리밍 응답 처리
import anthropic

client = anthropic.Anthropic()

with client.messages.stream(
    model="claude-sonnet-4-0",
    max_tokens=2048,
    messages=[{"role": "user", "content": "FastAPI 인증 미들웨어 예제 작성해줘"}],
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

# 최종 메시지 메타데이터 확인
final = stream.get_final_message()
print(f"\n입력 토큰: {final.usage.input_tokens}")
print(f"출력 토큰: {final.usage.output_tokens}")

코딩 작업별 모델 선택 기준

팀 유형별 모델 선택 가이드