AI 에이전트 경쟁에서 승자와 패자가 갈리는 한 주가 있었다. 2026년 6월 29일부터 7월 3일 사이, 앤트로픽은 차세대 에이전트 모델을 세상에 내놓았고, 미국 최대 주 정부는 이를 전면 채택했으며, 경쟁사 메타는 내부 타운홀에서 에이전트 개발 지연을 공개적으로 인정했다. 단순한 모델 업데이트나 계약 체결이 아니다. 이 세 가지 사건을 함께 읽으면 AI 산업의 무게중심이 어디로 이동하고 있는지가 선명하게 보인다.

소넷5: 오퍼스의 몇 분의 1 비용으로 근접 성능을

앤트로픽은 6월 30일 **클로드 소넷5(Claude Sonnet 5)**를 출시하고 무료·프로 플랜의 기본 모델로 지정했다. 7월 1일부터 무료·프로 사용자의 대화가 소넷5로 처리되며, 맥스·팀·엔터프라이즈 플랜에서도 선택해 쓸 수 있다.

핵심 숫자는 두 가지다. 성능 측면에서 소넷5는 플래그십 모델 오퍼스 4.8에 근접한 수준을 기록했다. 앤트로픽이 공개한 에이전틱 코딩 벤치마크에서 소넷5는 63.2%로, 오퍼스 4.8(69.2%)과의 격차를 한 자릿수로 좁혔고, 일부 지식노동 평가에서는 오퍼스를 근소하게 앞서기도 했다(테크크런치). 가격 측면은 아래 표가 말해준다.

API 가격 (1M 토큰당)입력출력
소개 가격 (~8/31)$2$10
정가 (9/1~)$3$15
참고: 오퍼스급 작업의 종전 선택지소넷 대비 수 배소넷 대비 수 배

출처: Anthropic 공식 발표, TechCrunch (2026-06-30)

8월 말까지는 입력 100만 토큰당 2달러·출력 10달러라는 소개 가격이 적용되고, 9월부터도 정가는 이전 소넷 라인과 사실상 동급이다. 곧 오퍼스에서만 가능했던 작업을 소넷 가격으로 처리할 수 있다는 뜻이다.

무엇이 달라졌나? 에이전트 역량이다. 앤트로픽은 소넷5를 “지금까지 만든 소넷 중 가장 에이전틱한 모델”이라고 규정했다. 스스로 계획을 세우고, 브라우저·터미널 같은 외부 도구를 사용하며, 멀티스텝 작업을 자율적으로 실행한다. 얼리 액세스 파트너들 사이에서는 이전 소넷이 중간에 멈추던 복잡한 작업을 소넷5가 끝까지 완주한다는 평가가 나온다.

왜 중요한가? 그동안 에이전트 AI는 두 가지 딜레마에 갇혀 있었다. 잘하는 모델은 비싸고, 저렴한 모델은 자율성이 부족해 실용적이지 않았다. 소넷5는 이 딜레마를 정면으로 허문다. 기업이 대규모 에이전트 워크플로를 구축할 때 비용 부담을 크게 낮추면서 고성능 모델을 적용할 수 있게 됐다는 의미다. 에이전트는 챗봇과 달리 한 가지 지시에 수십 번의 내부 호출을 돌리므로, 단가 차이가 실제 운영비에서는 몇 배로 증폭된다 — 에이전트 시대의 가격 인하는 챗봇 시대의 가격 인하보다 체감 폭이 크다.

회로 기판 위의 AI 문자 Photo by Numan Ali on Unsplash

캘리포니아, 미국 최초 주정부 전면 AI 도입 선언

소넷5 출시 하루 전인 6월 29일, 개빈 뉴섬 캘리포니아 주지사는 앤트로픽과 미국 주 정부 최초 유형(first-of-its-kind)의 전면 AI 파트너십을 체결했다고 발표했다.

핵심 조건은 세 가지다. 첫째, 캘리포니아 전 주 기관이 클로드를 50% 할인가에 사용할 수 있다. 둘째, 캘리포니아 시·군도 동일한 할인 혜택을 적용받는다. 셋째, 앤트로픽이 주 공무원 대상 무료 교육·기술 지원·워크플로 설계 지원을 제공한다.

이미 일부 기관은 클로드를 운용 중이다. 캘리포니아 차량관리국(DMV)은 고객 서비스 개선과 대기 시간 단축에, 캘리포니아 보건의료서비스부는 내부 워크플로 자동화에, 캘리포니아 기술부와 비상관리청은 사이버보안 업무에 활용하고 있다.

뉴섬 주지사의 말이 이 파트너십의 방향성을 압축한다. “AI가 정부의 일을 대체해서는 안 된다. AI는 우리 직원들이 더 빠르게 움직이고, 더 효과적으로 문제를 해결하며, 캘리포니아 주민들에게 더 나은 결과를 전달할 수 있도록 도와야 한다.”

왜 중요한가? 주 정부의 AI 도입은 단순 계약이 아니라 AI의 공공 인프라화를 선언한 것이다. B2B(기업 간 거래)를 넘어 B2G(정부 조달)가 AI 기업의 새로운 성장축으로 부상하고 있음을 보여준다. 캘리포니아는 미국에서 GDP 규모가 가장 큰 주로, 2025년에는 일본을 제치고 국가 단위로 쳐도 세계 4위 경제권(IMF·BEA 기준)에 올랐다. 이 계약이 다른 주정부 도입의 기준점이 될 가능성이 높다.

정부가 신기술의 첫 대형 고객이 되어 산업의 판을 깔아준 전례는 미국 기술사에서 반복돼 왔다. 1844년 모스의 첫 전신선(워싱턴–볼티모어)은 연방 의회가 승인한 예산으로 놓였고, 1951년 최초의 상용 컴퓨터 유니박(UNIVAC I)의 첫 고객은 미 인구조사국이었다. 집적회로도 마찬가지다. 1960년대 초 아폴로 계획과 미니트맨 미사일 프로그램이 미국 집적회로 생산량의 대부분을 사들였고, 1960년 개당 1,000달러 수준이던 칩 가격은 1963년 25달러 안팎까지 떨어지며 비로소 민간 시장이 열렸다. 정부 조달은 언제나 초기 기술의 가격을 끌어내려 대중화하는 지렛대였다 — 캘리포니아 계약의 ‘50% 할인’이라는 조건이 이 역사와 정확히 겹쳐 읽히는 이유다.

캘리포니아 주 의사당 Photo by Robert So on Pexels

메타는 왜 지연됐나: 1,450억 달러를 썼지만

같은 주 목요일(현지시간 7월 2일), 마크 저커버그는 메타 내부 타운홀에서 예상과 다른 이야기를 했다(로이터가 7월 3일 단독 보도했다). “지난 4개월간 에이전트 개발 궤적이 우리가 기대했던 방식으로 가속화되지 않았다.”

이 발언이 나온 맥락이 중요하다. 메타는 2026년 한 해에만 AI 인프라에 최대 1,450억 달러를 투입할 것으로 추산된다(로이터). 5월에는 약 8,000명을 구조조정하면서 수천 명의 인력을 AI 팀으로 재배치했다. 저커버그는 대대적인 조직 개편이 에이전트 개발 속도를 높일 것이라고 공언했다.

그런데 4개월이 지난 시점에서 그는 “조직 재편의 타이밍을 잘못 판단했고 기대만큼 효과적이지 않았다”고 인정했다. 5월 구조조정 당시 약 7,000명이 AI 조직으로 재배치됐는데, 사람과 예산을 쏟아부은 지 한 분기 만에 최고경영자가 직접 속도 미달을 시인한 셈이다. 다만 “앞으로 3~6개월 안에 AI 투자의 더 의미 있는 성과가 나타날 것”이라는 긍정적 전망도 덧붙였다.

왜 중요한가? 자원 투입만으로는 에이전트 AI에서 앞서나갈 수 없다는 사실이 드러났다. 앤트로픽이 Sonnet 5에서 달성한 에이전트 역량은 모델 아키텍처와 훈련 방식의 문제이지, 인프라 규모의 문제가 아닐 수 있다. 한편 메타의 솔직한 공개가 오히려 투자자들에게 신뢰를 주는 역설적 효과도 주목할 지점이다.

세 사건이 함께 가리키는 방향

이 세 가지 사건의 공통 분모는 에이전트 AI다. 과거의 AI는 질문에 답하는 도구였다. 지금의 AI는 스스로 계획을 세우고, 외부 시스템을 조작하며, 멀티스텝 작업을 자율적으로 완수하는 에이전트로 진화하고 있다. 그 에이전트 역량에서 차별화에 성공한 기업이 계약을 따내고, 실패한 기업은 내부에서 지연을 인정하는 구조다.

중요한 수치 하나를 덧붙인다. 소넷5는 안전성 측면에서도 소넷 4.6보다 비정상적 행동 발생률이 낮다고 앤트로픽은 밝혔다. 성능과 안전성을 동시에 개선한 사례는 드물다. 이것이 소넷5가 캘리포니아 같은 공공 영역에서 빠르게 채택된 배경 중 하나다. 공공 조달에서는 벤치마크 1~2점보다 “예측 가능하게 행동하는가”가 계약의 성패를 가르는데, 소넷5는 그 요건을 가격 경쟁력과 함께 들고 나온 첫 모델군이라는 평가가 가능하다.

한국 독자에게도 남의 일이 아니다. 캘리포니아 사례는 “정부가 검증된 AI를 할인가에 대량 도입하고, 공급사가 교육·기술지원을 얹는” 조달 모델의 원형을 보여줬다. 국내에서도 공공 AI 도입 논의가 본격화되는 시점에, 협상의 기준점(가격 할인율, 교육 지원, 안전성 요건)이 무엇이 되어야 하는지를 이 계약이 먼저 정의해 버린 셈이다. 기업 쪽 시사점도 분명하다 — 에이전트 워크플로 도입을 검토 중이라면, 모델 선택의 셈법이 “성능이냐 비용이냐”의 양자택일에서 “어느 작업에 어떤 등급을 쓰느냐”의 포트폴리오 문제로 바뀌었다.

다음 관전 포인트는 7월 6일 스위스 제네바에서 시작되는 UN AI 거버넌스 글로벌 대화다. 각국 정부가 AI 기술을 공공 서비스에 전면 채택하는 속도와, 국제 규범이 이를 따라가는 속도 사이의 간극이 어떻게 좁혀질지가 앞으로의 핵심 변수다.

출처