Opus 4.8: Agentic Coding 성능 69.2% 달성 및 비용 3배 절감

Context

Opus 4.7의 Tool-calling 일관성 부족과 과도한 주석 생성으로 인한 자율 엔지니어링 워크로드의 중단 발생. 대규모 코드베이스 마이그레이션 시 다수 세션을 수동으로 오케스트레이션해야 하는 구조적 한계 존재.

Technical Solution

• Tool-calling 정확도 개선을 통한 코드 결함 방치 확률 4배 감소 설계
• Dynamic Workflows 도입을 통한 단일 세션 내 수백 개의 Parallel Sub-agents 운용 구조 구현
• 모델의 판단력(Judgment) 강화를 통한 복잡한 Multi-service 탐색 및 자기 수정(Self-correction) 로직 최적화
• Alignment Metric 수치 개선(2.47 → 1.83)을 통한 인간 개입 없는 Autonomous Agent의 안전성 확보
• Fast Mode 최적화를 통한 추론 속도 2.5배 향상 및 운영 비용 3배 절감 달성

Impact

• SWE-Bench Pro 69.2% 기록으로 GPT-5.5(58.6%) 대비 10.6p 우위 점유
• OSWorld-Verified 83.4% 달성으로 컴퓨터 사용 에이전트 성능 입증
• Fast Mode 도입에 따른 토큰 비용 3배 절감 및 Databricks Genie 에이전트 기준 61% 비용 감소
• Terminal-Bench 2.1 성능 8.5p 상승(66.1% → 74.6%) 및 법률 에이전트 벤치마크 10% 돌파

Key Takeaway

에이전트 아키텍처의 핵심은 단순 추론 능력이 아닌 Tool-calling의 일관성과 자기 수정 능력에 기반한 자율성 확보임. 특히 대규모 마이그레이션과 같은 복잡한 작업은 Parallel Sub-agents 구조의 동적 워크플로우를 통해 해결 가능함.