🔍 Anthropic 이 클로드 코드의 문제를 공식적으로 인정했습니다

최근에 Claude Code 를 안 쓰고 있었습니다. 비용 문제만은 아니었어요. 체감 성능이 눈에 띄게 떨어졌거든요.

어제 Anthropic 엔지니어링 팀이 공식 post-mortem 을 공개했습니다. 모델이 망가진 게 아니었어요.

Claude Code 하네스와 Agent SDK 에서 발생한 세 건의 문제가 각기 다른 시점에 서비스 성능을 악화시켰습니다.

3/4 : reasoning effort 기본값 high→medium 변경 3/26 : 캐싱 최적화 배포 (thinking 삭제 버그 포함) 4/7 : effort 기본값 복원 4/10 : 캐싱 버그 수정 (v2.1.101) 4/16 : 시스템 프롬프트 verbosity 제한 배포 4/20 : 시스템 프롬프트 rollback (v2.1.116) 4/23 : post-mortem 공개 및 전 구독자 사용량 한도 리셋

1️⃣ reasoning effort 기본값 변경. 속도를 택하고 지능을 잃었습니다

post-mortem: https://lnkd.in/giMgzxjK

��념은 “모델이 멍청해진 것 같다”였습니다. 하지만 틀렸어요. 문제는 모델이 아니라 기본값이었습니다.

3월 4일, thinking 이 길어져 UI 가 멈추는 문제를 해결하려고 effort 기본값을 high 에서 medium 으로 바꿨습니다. 하지만 medium 에서는 복잡한 리팩토링을 시키면 맥락을 놓치는 빈도가 확실히 높았어요.

빠르게 UI 로 effort 변경을 안내했지만 대부분의 사용자는 기본값을 그대로 둔 채 성능 저하를 체감하고 있었습니다.

• 4월 7일 고객 피드백을 받고 복원 • 현재 Opus 4.7 은 xhigh, 나머지 모델은 high 기본값 • Sonnet 4.6 과 Opus 4.6 에 영향. API 사용자는 영향 없음

2️⃣ (주요 이슈) caching 버그. 한 번만 지울 기억을 매번 삭제했습니다

이 부분이 가장 치명적이었습니다. 1시간 넘게 쉰 세션 재개 시 이전 thinking 을 한 번 정리하는 기능이 3월 26일 배포됐습니다.

원래는 세션 재개 첫 턴에서 한 번만 실행돼야 합니다. 그런데 플래그가 해제되지 않았어요. 이후 모든 턴에서 thinking 이 반복 삭제됐습니다.

턴이 쌓일수록 Claude 는 이전에 왜 그 파일을 수정했는지, 왜 그 tool 을 호출했는지 근거를 잃어버렸어요.

사용자들이 보고한 반복 응답과 엉뚱한 tool 선택의 원인이 이거였습니다.

• tool use 중 후속 메시지를 보내면 진행 중인 reasoning 까지 소실 • thinking 연쇄 삭제로 cache miss 반복. 사용량 한도 비정상 소진의 원인 • 내부에서 동시에 돌던 thinking 표시 방식 실험이 CLI 에서 버그를 억제해 재현에 일주일 이상 소요 • 4월 10일 v2.1.101 에서 수정

3️⃣ 시스템 프롬프트 수정. 25단어 제한이 코딩 품질을 깎았습니다

Opus 4.7 은 전작보다 출력 토큰이 많습니다. 어려운 문제에서 더 길게 추론하면서 정확도가 올라가는 대신 응답 길이와 토큰 소비가 함께 늘어나는 모습을 보입니다.

이걸 줄이려고 시스템 프롬프트에 “tool call 사이 텍스트 25단어 이하, 최종 응답 100단어 이하” 제한을 넣었습니다. 수주간 내부 테스트에서 regression 이 없어 4월 16일 배포했어요.

하지만 더 넓은 eval 세트로 ablation 을 돌리자 이 문장 하나가 Opus 4.6 과 4.7 모두에서 3% 성능 하락을 만들고 있었습니다.

• 다른 프롬프트 변경과 결합되면서 코딩 품질 저하 증폭 • Sonnet 4.6, Opus 4.6, Opus 4.7 전부 영향 • 4월 20일 즉시 rollback

4️⃣ 하네스가 모델만큼 중요하다는 사실이 증명되었습니다

앤트로픽에 따르면 AI 모델과 API 추론 레이어 자체는 문제가 없었습니다. → effort 기본값 실수 → context management 버그 → prompt 트레이드오프 가 각기 다른 시점에 겹치면서 광범위한 성능 저하처럼 보였다고 합니다.

이번 일이 보여준 건 하나입니다. 같은 모델이라도 하네스 설정 하나에 체감 지능이 완전히 달라진다는 것. 모델 벤치마크만 보는 시대는 끝났습니다. 이제 하네스 엔지니어링이 곧 제품 품질입니다.

Anthropic 은 이번 건으로 → 내부 사용(dogfooding) 정책 강화, → 모델별 광범위 평가 진행, → 기능별 단계적 배포를 약속했고 → 버그 보상으로 전 구독자 사용량 한도를 리셋했습니다.

이제 Claude Code 사용자에게 필요한 건 claude update 한 줄입니다.