Claude Code의 성능 저하와 Anthropic의 신원 인증 도입에 대한 비판

실용적 조언

Claude Code의 성능에 불만이 있다면 Qwen 2.5 Coder 32B와 같은 최신 오픈소스 모델을 로컬에서 테스트해볼 것
48GB 이상의 VRAM을 확보하여 RunPod 등의 VPS에서 독자적인 모델 서버를 운영하면 신원 인증 없이 저렴하게 이용 가능
프롬프트 캐시 효율을 높이기 위해 5분 이내에 연속적인 작업을 수행하도록 워크플로를 최적화할 것

섹션별 상세

AMD의 AI 시니어 디렉터가 제출한 GitHub 이슈 #42796을 통해 Claude Code의 성능 저하가 수치로 확인됐다. 6,852개의 세션 데이터를 분석한 결과, 중앙값 기준 추론(Thinking) 블록의 길이가 1월 2,200자에서 3월 600자로 급감했다. 편집 전 파일을 읽는 횟수도 6.6회에서 2.0회로 줄어들었으며, 3월 8일 이후 조기 종료(Early-stopping) 위반 사례가 하루 10건 이상으로 급증했다.

Anthropic이 구독료는 유지하면서 추론 자원을 줄이는 방식으로 은밀한 가격 인상을 단행했다는 주장이 제기됐다. Opus 4.6 모델이 2월 9일부터 적응형 사고를 기본값으로 채택했고, 3월 3일에는 기본 노력 수준을 85단계(Medium effort)로 낮췄음이 밝혀졌다. 이는 동일한 토큰 비용을 지불하면서도 실제 모델이 수행하는 연산량은 줄어들어 실질적인 성능 하락을 초래했다.

프롬프트 캐시의 TTL(생존 시간)이 공지 없이 단축되어 사용자 비용 부담이 증가했다. GitHub 이슈 #46829에 따르면 3월 초에 캐시 유지 시간이 1시간에서 5분으로 급격히 줄어들었음이 기록됐다. 또한 피크 시간대의 레이트 리밋(Rate Limit)을 재조정하면서 일반 소비자 계정에는 알리지 않고 팀 및 엔터프라이즈 고객에게만 예외를 적용한 차별적 정책이 비판받았다.

Anthropic이 Persona를 통한 정부 발행 신분증 및 셀카 인증 도입을 발표하며 사용자 통제를 강화하고 있다. 특정 작업 수행 시 신원 확인을 요구하는 이 정책은 과거 암호화폐 거래소들이 접근을 차단하기 전 취했던 행보와 유사하다는 분석이다. 작성자는 48GB VRAM 환경에서 Qwen 2.5 Coder 32B 등 로컬 모델을 구동하는 것이 API 의존도를 낮추고 개인정보를 보호하는 대안임을 강조했다.

용어 해설

적응형 사고(Adaptive Thinking): — 모델이 문제의 복잡도에 따라 추론(Thinking)의 깊이를 스스로 조절하는 메커니즘이다. Anthropic은 이를 통해 효율성을 높인다고 주장하나, 실무적으로는 추론 토큰 수를 줄여 모델의 성능을 저하시키는 '은밀한 성능 하향' 수단으로 비판받기도 한다.
프롬프트 캐시 생존 시간(Prompt Cache TTL): — 입력된 프롬프트 데이터를 재사용하기 위해 서버에 보관하는 유효 시간(Time To Live)이다. 이 시간이 짧아질수록 동일한 컨텍스트를 반복 입력할 때 캐시 적중률이 떨어져 API 비용이 증가하고 응답 속도가 느려지는 결과를 초래한다.
조기 종료(Early Stopping): — 모델이 충분한 추론 과정을 거치지 않고 답변을 중간에 끊어버리는 현상이다. 복잡한 코딩 작업에서 전체 로직을 완성하지 못하고 출력을 멈추는 등의 오류로 나타나며, 주로 모델의 연산 자원 제한이나 정책적 개입으로 인해 발생한다.

언급된 도구

Claude Code비추천

Anthropic의 공식 AI 코딩 에이전트 CLI 도구

Qwen 2.5 Coder 32B추천

로컬에서 구동 가능한 고성능 오픈소스 코딩 모델

RunPod추천

GPU 인스턴스를 대여하여 로컬 모델을 호스팅할 수 있는 VPS 서비스

언급된 리소스

GitHubGitHub Issue #42796: Claude Code Telemetry Analysis

문서Anthropic Support: Identity Verification on Claude