AI 소식

구독료와 별개로 매달 API 크레딧이 들어와요. 다만 터미널에서 쓰는 클로드 코드에는 쓸 수 없어요. 클로드(Claude)를 만든 앤트로픽이 Max·Ultra·Team 구독자에게 매달 API 크레딧을 주기 시작했어요. 지금까지는 구독료를 내도 직접 만든 프로그램에서 클로드 API를 부르면 요금이 따로 나갔어요. 이제는 구독에 들어 있는 크레딧으로 그 비용을 먼저 낼 수 있어요. 2026년 11월 3일 앤트로픽 공식 도움말을 기준으로, 얼마를 받는지, 어떻게 받는지, 어디에 쓸 수 있고 어디에는 못 쓰는지 정리했어요. 요금제별로 매달 받는 금액 요금제 월 API 크레딧 Max 100달러 Ultra 200달러 Team 스탠다드 좌석 좌석당 20달러 Team 프리미엄 좌석 좌석당 100달러 Team은 좌석별 금액을 하나로 합쳐 쓰고, 합계는 한 달 500달러까지예요. 공식 도움말의 예시로는 스탠다드 3석과 프리미엄 2석이면 매달 260달러를 받아요. 출시를 알린 10월 7일 공지에는 Max 5x 100달러, Max 20x 200달러로 적혀 있었어요. 지금 공식 도움말에는 같은 금액이 Max와 Ultra라는 이름으로 나와 있어요. Free, Pro, Enterprise 요금제는 대상이 아니에요. 크레딧을 받는 방법 크레딧은 저절로 들어오지 않아요. 클로드 콘솔(개발자용 API 관리 화면)의 조직 하나를 내 구독에 연결해야 그 조직으로 매달 들어와요. 구독을 시작한 지 7일이 지나야 받을 수 있어요. 웹 브라우저로 claude.ai에 들어가 설정 → 결제(Billing)로 가요. Team은 조직 설정 → 결제예요. API 크레딧(API credits) 칸에서 조직 연결(Link organization)을 눌러요. 크레딧을 받을 콘솔 조직을 고르거나 새로 만들고, 추가 크레딧 약관을 확인한 뒤 연결해요. 연결할 수 있는 조직은 하나뿐이고, 한 조직은 한 구독의 크레딧만 받을 수 있어요. 연결한 조직은 직접 바꿀 수 없고 고객지원...

월 7,500원과 29,000원의 차이, 사용량보다 먼저 확인할 게 있어요. 제미나이 구독을 알아볼 때 가장 궁금한 건 얼마인지, 무료로 충분한지, 돈을 내면 무엇이 달라지는지예요. 특히 예전 글과 현재 안내에 나온 혜택이 달라 어떤 설명을 따라야 할지 헷갈릴 수 있어요. 2026년 11월 3일 확인한 한국 공식 안내를 기준으로, 구글 제미나이 요금제는 무료와 Google AI Plus·Pro·Ultra로 나뉘어요. 선택할 때는 월요금과 함께 사용할 수 있는 모델, 사용량 한도, 저장공간을 살펴보면 돼요. 가격 차이를 만드는 건 모델과 사용량이에요 무료는 월 0원이에요. 현재 공식 페이지에는 Flash-Lite 모델과 이미지 생성·수정, Deep Research, Gemini Live 등이 안내돼 있어요. 구글 계정의 기본 저장공간은 15GB예요. AI Plus는 월 7,500원이며 저장공간 400GB를 제공해요. Flash 모델을 사용할 수 있고, 제미나이 사용량 한도는 무료 대비 2배로 안내돼요. Google One 요금표에는 월 11,900원의 Plus 2TB 상품도 있어요. 같은 Plus라도 저장공간이 다르니 이름만 보고 가격을 비교하면 안 돼요. AI Pro는 월 29,000원이고 저장공간은 5TB예요. Pro 모델을 이용할 수 있으며 제미나이 사용량 한도는 무료 대비 4배예요. Gmail·Docs 등 구글 앱에서 사용하는 제미나이와 조사·글쓰기 도구의 혜택도 늘어나요. 다만 기능마다 지원 국가와 언어 조건이 있어요. AI Ultra는 월 119,000원과 300,000원 상품으로 나뉘어요. 사용량 한도는 각각 AI Pro 대비 5배와 20배로 안내돼요. 여기서는 비교 기준이 무료가 아니라 Pro라는 점을 확인해야 해요. 저장공간은 20TB부터 시작해요. 유료라고 무제한으로 쓸 수 있는 건 아니에요. 구글 고객센터는 질문의 복잡성, 사용하는 모델과 기능, 대화 길이에 따라 사용량을 계산한다고 설명해요. 주간 한도에 도달하기 전까지는 5...

미리 약속하지 않은 두 AI가 단어를 주고받았어요. 비결은 사람에게도 익숙한 신호였어요. 말도 채팅도 없이 로봇 팔만 움직여 단어를 전할 수 있을까요? 로보커브가 공개한 실험은 이 질문을 다뤄요. 같은 AI 모델의 복사본 두 개를 두고, 한쪽이 로봇으로 표현한 단어를 다른 쪽이 카메라로 읽게 했어요. 회사는 통신 규칙을 미리 합의하지 않았는데도 전달에 성공했다고 밝혔어요. 2026년 11월 3일 기준으로 궁금한 점은 세 가지예요. AI끼리 어떻게 소통했는지, 정말 새로운 비밀 언어가 생긴 건지, 성공률을 어디까지 믿을 수 있는지예요. 공개 발표와 후속 답변에는 실험의 성과와 아직 확인해야 할 부분이 함께 담겨 있어요. 약속하지 않았는데 같은 신호를 고른 이유 사진: Willy Jackson · CC BY-SA 4.0 · Wikimedia Commons 이번 실험에서 말하는 ‘격리’는 정보가 전혀 오가지 않는 상태를 뜻하지 않아요. 로봇의 움직임과 카메라라는 정보 전달 경로가 주어졌어요. 아무 정보도 주고받지 않고 상대의 생각을 읽었다는 이야기는 아니에요. 한쪽이 만든 움직임을 다른 쪽이 볼 수 있었던 거예요. 로보커브의 설명에서 눈여겨볼 조건은 두 AI가 같은 모델의 복사본이라는 점이에요. 서로 다른 회사의 AI 네 개가 한꺼번에 대화한 실험으로 이해하면 내용이 달라져요. 공개된 사례에서는 각 모델이 자신과 같은 모델을 상대로 단어를 전달했어요. 회사는 이 현상을 ‘셸링 포인트’로 설명했어요. 직접 의논하지 않아도 양쪽이 공통으로 떠올리기 쉬운 선택을 한다는 뜻이에요. 같은 모델이라면 전달 방법을 고르는 경향도 비슷할 수 있다는 해석이죠. 다만 이는 회사가 제시한 설명이지, 두 AI가 기억을 공유했다는 증거로 받아들일 수는 없어요. 새로운 언어를 발명한 것인지도 따져봐야 해요. 로보커브는 11월 2일 후속 답변에서 모스 부호와 수기 신호는 사람이 만든 것이며, AI들은 완전히 새로운 것을 발명하는 대신 이를 선택했다고 설명했어요. ‘비밀 단어’...

화면에서 고친 디자인이 실제 코드로 이어지는 과정, 어디까지 가능할까요? 실행 중인 앱에서 버튼을 옮기고 글자를 고친 뒤, 그 결과를 실제 코드에도 반영할 수 있을까요? Wonder는 2026년 10월 27일 이 과정을 한 캔버스에서 처리하는 개편을 공개했어요. Wonder 디자인 툴 안에서 앱을 실행하고, 화면을 편집 가능한 요소로 가져와 수정한 다음 에이전트에게 코드 반영을 맡기는 방식이에요. 11월 3일 기준으로 달라진 점과 기존 프로젝트에서의 활용 가능성, 비용 구분을 살펴볼게요. 화면을 설명하는 대신 같은 대상을 보며 고쳐요 Wonder가 공식 문서에서 짚는 문제는 디자인 파일과 실제 제품이 따로 움직인다는 점이에요. 디자인을 코드로 구현한 뒤 변경이 생기면 두 결과물이 어긋나고, 디자이너는 별도 파일을 다시 관리해야 한다는 설명이에요. Wonder는 실제 제품의 코드에서 출발해 이 간격을 줄이겠다고 해요. 핵심은 양방향 연결이에요. 저장소의 컴포넌트와 색상·간격 같은 토큰을 캔버스로 가져오고, 승인한 디자인 변경을 다시 저장소의 수정 제안인 풀 리퀘스트로 보내는 구조예요. 새 화면을 생성하면서 이미 만든 제품을 시각적으로 다듬는 작업에 초점을 맞춰요. 디자인 코딩 에이전트는 사람이 고른 화면과 요소를 작업 맥락으로 받아요. 공식 개편 공지에 따르면 Claude Code와 Codex를 Wonder 채팅에 연결하고, 평소 쓰던 구독과 스킬·도구를 활용할 수 있어요. 앱은 디자인 옆에서 실행되므로 휴대전화·태블릿·데스크톱 크기로 눌러 보며 확인할 수 있고요. 화면을 확인하고 코드 수정을 요청하는 작업이 같은 공간에서 이어져요. 연결 통로인 MCP를 통해 에이전트는 Wonder 캔버스를 읽고 쓸 수 있어요. 공식 안내에는 Cursor, Claude Code, Codex 등의 연결 방법이 정리돼 있고, 연결하려면 Wonder 계정과 최소 한 개의 파일이 필요해요. 처음에는 브라우저에서 로그인해 연결을 승인하는 절차를 거쳐요. 이미 쓰는 에이전트를...

댓글 4,300만 개에서 찾은 영상 6,454개, 추천을 바꾸는 방식부터 개발 과정까지 살펴봐요. 유튜브를 켰는데 보고 싶은 영상보다 과장된 썸네일부터 눈에 들어온 적 있나요? 안드레 카파시는 그 불편을 새 프로젝트로 풀었어요. 2026년 10월 31일 공개한 HackerTube는 기술 커뮤니티 Hacker News의 댓글에서 유튜브 영상을 모아 탐색할 수 있게 만든 사이트예요. 궁금한 점은 두 가지예요. 댓글을 모으면 추천이 어떻게 달라질까요? Claude Code에 말로 부탁해서 만들었다는 설명은 어디까지 사실일까요? 11월 3일을 기준으로 당사자 글과 최근 보도, 공개 토론을 살펴봤어요. 댓글에 담긴 추천의 맥락을 모았어요 사진: Markus Spiske markusspiske · CC0 · Wikimedia Commons 출발점은 카파시가 느낀 추천 피로였어요. 그는 금요일 밤 유튜브에서 과장된 썸네일과 반복되는 주제를 봤어요. 다음 날에는 Hacker News에서 추천한 영상으로 자신만의 유튜브를 만들자고 요청했다고 설명했어요. 자기 취향에 맞는 영상을 찾는 기준을 커뮤니티의 대화에서 가져온 셈이에요. 카파시가 공개한 전체 분석 대상은 약 20년간의 댓글 4,300만 개예요. 이를 모두 영상 추천 댓글로 이해하면 안 돼요. 결과물에 연결된 댓글은 3만 9,834개이고, 영상은 6,454개예요. 공식 소개 글에 따르면 2007년부터 2026년까지의 영상이 150개 주제에 걸쳐 있어요. 전체 분석량과 최종 목록의 크기를 나눠 봐야 프로젝트의 규모를 알 수 있죠. 분류는 어떻게 했을까요? 11월 2일 AI Ping 보도에 따르면, 서로 다른 사람 세 명 이상이 서로 다른 세 달 이상에 걸쳐 링크한 영상을 출발점으로 삼았어요. 이후 Sonnet이 댓글과 토론 제목을 참고해 추천, 단순 언급, 농담, 비판 등을 나눴다고 해요. 같은 영상 주소라도 올린 맥락은 다를 수 있어서예요. 그렇다고 목록에 들었다는 이유만으로 모두에게 좋은 영상이라고 단정할...

AI가 코드를 써 주는 시대, 개발자가 무엇을 더 잘해야 하는지 네 가지 역량에서 답을 찾아봐요. AI가 코드를 써 주면 개발자는 어떤 일을 하게 될까요? 앤드류 응은 AI 경력 강연에서 더 빨리 만드는 능력과 무엇을 만들지 판단하는 능력이 함께 중요해진다고 설명해요. AI 엔지니어링이 빠르게 성장하는 직업 분야로 거론되는 이유도 이 질문과 연결돼요. 공식 자료를 바탕으로 AI 엔지니어에게 필요한 역량과 개발자 미래를 준비하며 연습할 일을 살펴볼게요. 먼저 성장 순위가 어느 시장을 기준으로 하는지 짚어야 해요. 2026년 1월 공식 발표에 따르면 AI 엔지니어는 미국에서 2년 연속 성장 직무 1위를 차지했어요. 전 세계 모든 직업이나 한국 채용시장의 순위를 뜻하지는 않아요. 강연에서 말하는 기회와 실제 통계가 다루는 대상을 구분하면 준비할 방향도 더 분명해져요. 왜 AI를 다루면서 기본기도 필요할까요 사진: Jacek Halicki · CC BY-SA 4.0 · Wikimedia Commons 앤드류 응은 2026년 8월 공개한 자료를 위해 팀과 함께 채용 공고 1만 건 이상을 분석하고 전문가·채용 담당자 등과 수십 차례 구조화된 인터뷰를 했다고 설명했어요. 여기서 꼽은 네 축은 AI 애플리케이션 개발과 배포, 소프트웨어 공학 기본기, 코딩 에이전트 활용, 무엇을 만들지 정하고 개발을 이끄는 능력이에요. AI에게 요청하는 문장을 잘 쓰는 데서 끝나지 않는다는 뜻이에요. 응은 AI가 내놓는 결과를 예측하기가 더 어렵기 때문에 결과를 평가하고 오류를 분석하며 다음 개선 방향을 정하는 능력이 중요하다고 설명해요. 답변이 그럴듯한지 보는 것과 실제로 요구한 일을 정확히 수행했는지 확인하는 것은 다른 과정이에요. 기본기가 필요한 이유도 같아요. AI가 구현을 맡아도 비용, 속도, 안정성, 보안 사이에서 어떤 선택을 할지는 남아 있어요. 소프트웨어가 작동하는 방식을 알아야 에이전트에 필요한 맥락을 주고 결과를 판단할 수 있다고 해요. AI 애플리케이션 개...

평소 일을 잘하던 AI에 숨은 위험이 있다면, 우리는 무엇부터 확인해야 할까요? AI가 평소처럼 일을 잘해도 특정 상황에서는 위험한 명령을 실행할 수 있을까요? 2026년 10월 27일 공개된 「Agentic Backdoors via Pretraining Poisoning」은 그 가능성을 실험으로 보여 줬어요. 앤트로픽 연구진과 펠로 프로그램 참여자 등이 함께한 연구예요. 사전학습 오염이 무엇인지, 우리가 쓰는 AI의 권한을 왜 살펴야 하는지 짚어 볼게요. 나중에 잘 가르쳐도 남을 수 있어요 사진: Syced · CC0 · Wikimedia Commons 사전학습은 AI가 대량의 글을 통해 언어와 지식을 배우는 단계예요. 이때 학습 자료를 악의적으로 바꾸는 행위가 데이터 포이즈닝이에요. 백도어는 평소에는 드러나지 않다가 특정 조건에서 의도한 행동을 하도록 심어 둔 장치라고 이해하면 돼요. OWASP도 데이터 오염으로 생긴 백도어는 평상시 행동을 그대로 유지해 탐지하기 어려울 수 있다고 설명해요. 이번 연구진은 Qwen3 구조의 모델을 처음부터 학습시킨 뒤, 오염되지 않은 자료로 명령 수행과 선호도 학습, 강화학습을 했어요. 그런데 사전학습에서 생긴 백도어는 이 과정을 거친 뒤에도 남았어요. 일반 입력에 대한 성능도 비오염 모델과 비슷했어요. 일을 잘하는지와 숨은 위험이 없는지는 따로 평가해야 한다는 뜻이에요. 특히 도구를 사용하는 에이전트는 피해가 어디까지 미칠 수 있는지 살펴야 해요. 답변을 읽고 끝나는 상황과 달리 파일이나 외부 시스템에 영향을 줄 수 있으니까요. OWASP는 학습 데이터 조작이 모델의 보안과 성능을 해치고, 연결된 시스템까지 위험하게 할 수 있다고 설명해요. 이상한 답변이 있는지만 확인하고 점검을 끝내기 어려운 이유예요. 이전 연구에서도 비슷한 문제를 다뤘어요. 앤트로픽은 2025년 영국 AI 보안연구소, 앨런 튜링 연구소와 함께 악성 문서 250개로 실험 모델의 출력을 무의미한 글로 바꾸는 백도어를 보고했어요. 다만 당시에...

약 660배 작은 모델이 앞선 시험은 무엇이었을까요? 숫자 뒤의 조건을 알면 이 연구가 다르게 보여요. “1억 900만 파라미터 모델이 720억 파라미터 LLM을 앞섰다.” 숫자만 보면 작은 AI가 대형 AI를 통째로 이긴 것 같아요. 그런데 얀 르쿤의 작은 모델 연구에서 먼저 봐야 할 것은 승부를 가른 시험이에요. 이번 결과는 글쓰기나 대화 실력 전반이 아니라, 텍스트 모델의 내부 표현이 이미지 모델과 얼마나 잘 맞는지를 비교한 성적이에요. 무엇을 잘했고 어디까지 LLM 대안으로 볼 수 있는지 원문을 기준으로 짚어볼게요. 2026년 10월 29일 공개된 얀 르쿤 논문은 랜들 발레스테리에로와 함께 쓴 ‘Proving and Improving the Platonic Representation Hypothesis with JEPAs’예요. 제목은 어렵지만 질문은 친숙해요. 같은 세상을 사진으로 배운 AI와 글로 배운 AI가 서로 비슷한 개념 구조를 만들 수 있느냐는 거예요. 11월 2일 이를 보도한 36Kr도 작은 모델의 승리를 소개하면서, 이 결과가 AI 업계 전체의 방향이 잘못됐다는 뜻은 아니라고 설명했어요. 크기보다 무엇을 짝지어 배우느냐가 중요해요 연구의 중심에는 JEPA라는 학습 방식이 있어요. 이번 텍스트 JEPA는 같은 장면을 설명하는 서로 다른 글을 학습 쌍으로 사용해요. 연구진은 이런 쌍을 ‘좋은 관측’, 즉 good views라고 불러요. 반대로 하나의 설명문 일부를 가리거나 같은 문서의 앞뒤를 연결하는 방식은 장면 자체보다 특정 표현에 묶일 수 있다고 분석해요. 여기서 말하는 ‘표현’은 AI가 입력의 특징을 숫자로 정리한 결과예요. 서로 비슷한 사진들이 가깝게 놓이고, 그 사진들을 설명하는 문장들도 비슷한 관계를 보인다면 두 모델의 표현 구조가 잘 맞는다고 볼 수 있어요. 연구는 이렇게 이미지와 텍스트 사이의 관계가 얼마나 닮았는지 살폈어요. 이 점수를 정답률이나 지능 점수로 읽으면 뜻이 달라져요. 대표 비교에서 1억 900만 파라...

코드가 어떻게 움직이는 영상이 될까요? 공개 사례를 따라가면 제작 방식과 확인할 점이 보여요. 이미지·영상 생성 모델을 쓰지 않고 코드로 애니메이션을 만들었다는 소식이 관심을 모으고 있어요. Fable 5.5 코드 애니메이션을 검색하다 보면 세 가지가 궁금해져요. 코드가 어떻게 영상이 되는지, 어떤 작품이 공개됐는지, 나도 같은 방식으로 만들 수 있는지예요. 먼저 구분할 점이 있어요. 2026년 11월 3일 확인한 앤트로픽의 공식 모델 목록과 제품 안내에는 Fable 5.1이 올라와 있어요. 반면 Fable 5.5라는 이름으로 소개되는 영상은 제작자들이 해당 모델로 만들었다고 밝힌 사례예요. 작품이 공개됐다는 사실과 제작 모델이 공식적으로 확인됐는지는 구분해서 읽어야 해요. 코드가 움직임을 정하면 화면이 영상으로 이어져요 코드만으로 움직이는 화면을 만드는 원리는 이미 공개돼 있어요. 모질라의 MDN 문서는 자바스크립트로 캔버스를 지우고 도형을 새 위치에 다시 그리는 과정을 반복해 애니메이션을 구현한다고 설명해요. AI가 이런 코드를 작성하면 브라우저가 실행해 움직임을 보여 줘요. 여기서 말하는 AI 코드 영상은 AI가 작성한 프로그램으로 장면을 그리는 방식이에요. 선과 도형, 색상과 좌표를 코드로 정하고 시간에 따라 바꾸는 거예요. MDN의 실제 예제에도 움직이는 시계가 있어요. 시침과 분침, 초침을 현재 시간에 맞춰 회전시키는 코드가 공개돼 있어 원리를 따라가 볼 수 있어요. 이 방식은 완성 영상뿐 아니라 화면을 만드는 규칙도 살펴볼 수 있어요. 시계 예제라면 바늘의 길이나 선 색상을 정하는 부분을 찾아 바꿀 수 있어요. 다만 복잡한 화면을 계속 다시 그리는 데 시간이 들고, 실행하는 컴퓨터 속도에 따라 성능이 달라질 수 있다는 설명도 나와요. ‘코드로 제작했다’는 설명만으로 외부 도구를 전혀 쓰지 않았다고 판단하면 안 돼요. 공개 사례에는 자바스크립트 작업도 있고, 블렌더와 음성 도구를 함께 사용했다고 소개된 작업도 있어요. 이미지·영상 생성 ...

답변을 잘하는 AI와 맡긴 일을 끝내는 AI 사이의 차이를 실제 실패 사례로 살펴봐요. AI에게 일을 맡기면 어디까지 끝내 줄까요? 답변은 그럴듯해도 결과물을 그대로 쓸 수 있는지는 다른 문제예요. 11월 2일 공개된 세미애널리시스의 GDPx는 이 간격을 살펴보는 평가예요. 11개 분야의 실무 과제 206개로 시험했는데, 종합 선두인 Claude Opus 5.5의 점수도 12%였어요. 2026년 11월 3일 기준 공개 순위에서 Gemini 4 Carbon은 10.9%, GPT-6 Astra는 9.6%로 뒤를 이었어요. 누가 이겼는지만 볼 일은 아니에요. 왜 점수가 이렇게 낮은지, 이 결과로 AI 에이전트의 실무 능력을 어디까지 판단할 수 있는지도 함께 봐야 해요. 왜 12%를 단순한 업무 성공률로 읽으면 안 될까요 GDPx는 질문에 답하는 능력을 넘어, 작업 환경에서 필요한 정보를 찾고 도구를 써서 결과물을 만드는 능력을 평가해요. 기본 제한 시간은 과제당 8시간이며, 일부 과제는 더 짧아요. Opus의 Claude Code처럼 각 모델에 자체 실행 도구가 있으면 그 환경에서 시험했어요. 모델 이름과 함께 어떤 도구와 환경을 사용했는지도 봐야 해요. 종합 점수는 11개 분야에 같은 비중을 주고, 세 차례 시도에서 얻은 단일 시도 성능을 반영해요. 분야에 따라 합격·불합격 판정과 부분 점수를 사용하므로, 12%를 206개 중 정확히 몇 개를 끝냈다는 뜻으로 바꾸면 안 돼요. 우리 회사 업무의 12%를 자동화할 수 있다는 의미로도 읽을 수 없어요. 분야 선정에도 평가자의 판단이 들어갔어요. 세미애널리시스는 AI가 높은 가치를 만들 것으로 보는 반도체 설계, 사이버보안, 생물학, 금융, 법률 등을 골랐어요. 경제 전체의 직업 구성을 대표하도록 뽑은 표본은 아니에요. 금융·법률에서는 모델들이 원래 의도한 합격 기준을 통과하지 못해 부분 점수도 공개했어요. 일부 분야에서는 안전 필터가 점수를 낮췄다는 평가기관의 설명도 있어요. 종합 1위와 분야별 1위도 ...

매출은 급증했는데 순손실은 왜 더 클까요? 공개된 숫자를 읽는 순서가 중요해요. 클로드를 만드는 회사가 나스닥에 상장한다니, 이제 주식을 살 수 있는 걸까요? 2026년 11월 3일 기준으로 먼저 알아둘 점은 상장 신청과 거래 시작이 서로 다른 단계라는 거예요. 앤트로픽은 미국 현지시간 10월 26일 증권신고서 S-1을 공개 제출했고, 11월 2일에는 수정 신고서를 냈어요. 나스닥에서 사용할 예정인 종목 코드는 ANT예요. 이번 앤트로픽 IPO에서 궁금한 점은 세 가지예요. 상장은 어디까지 진행됐는지, 빠르게 늘어난 매출에도 왜 큰 손실이 잡혔는지, 앞으로 감당해야 할 비용은 얼마인지예요. 공개된 앤트로픽 재무제표와 최근 수정 자료를 차례로 보면 각각의 질문을 이해하는 데 도움이 돼요. 매출보다 손실의 내용을 함께 봐야 하는 이유 앤트로픽은 클래스 A 보통주를 나스닥 글로벌 셀렉트 마켓에 상장할 계획이라고 밝혔어요. 다만 공모 주식 수와 희망 공모가 범위는 정하지 않았다고 설명했어요. 신고서를 제출했다고 공모가를 확정하거나 상장을 마친 것은 아니에요. 공개 재무제표에서 눈에 띄는 것은 성장 속도예요. 올해 상반기 매출은 162억8,600만 달러로, 지난해 같은 기간 11억6,300만 달러의 약 14배였어요. 약 14배가 됐다는 말과 약 1,300% 증가했다는 말은 같은 변화를 다르게 표현한 거예요. 매출이 14배 증가했다고 읽으면 증가분을 혼동할 수 있어요. 그런데 같은 기간 순손실은 807억4,800만 달러였어요. 매출보다 훨씬 큰 숫자라 사업을 운영하며 그만큼 현금을 썼다고 생각하기 쉬워요. 이 손실에는 전환사채와 파생상품 등의 가치 변동에 따른 약 724억 달러의 비현금성 비용이 반영됐다고 해요. 장부에 비용으로 기록하는 것과 실제 현금이 빠져나가는 것은 구분해야 해요. 그렇다고 손실을 전부 무시할 수도 없어요. 로이터에 따르면 상반기 영업손실은 6억9,300만 달러였어요. 영업손익과 순손익에 포함되는 항목은 서로 달라요. 큰 순손실 하나만...

매출은 약 47% 늘었는데 다시 영업적자예요. 앞서 나온 흑자 보도와 무엇이 다른지 살펴봤어요. 앤트로픽 3분기 실적에서 먼저 눈에 들어오는 건 약 170억 달러의 매출이에요. 그런데 2분기 영업흑자 뒤 3분기에는 다시 영업적자로 돌아섰어요. 클로드가 잘 팔리는데 왜 이익은 줄었을까요? 2026년 11월 3일 기준으로 살펴볼 핵심은 매출 성장세, 컴퓨팅 비용, 흑자를 계산하는 기준이에요. 11월 2일 미국 증권거래위원회에 제출한 분기표를 보면, 앤트로픽 매출은 2분기 115억5,500만 달러에서 3분기 169억5,600만 달러로 늘었어요. 반면 영업실적은 9억7,400만 달러 흑자에서 5억6,700만 달러 적자로 바뀌었어요. 기사에서 말하는 ‘170억 달러’는 이 분기 매출을 반올림한 수치예요. 매출보다 빠르게 커진 비용이 이익을 눌렀어요 다시 적자로 돌아선 이유는 비용에서 찾을 수 있어요. 3분기 컴퓨팅·인프라 비용은 약 99억 달러로, 전 분기보다 약 77% 늘었어요. 같은 기간 매출 증가율 약 47%를 크게 웃돌았죠. 매출에서 이 비용이 차지하는 비중도 48%에서 58%로 올라갔어요. 매출이 늘어도 모델 개발과 서비스 운영 비용이 더 빨리 늘면 이익은 줄어들어요. 회사가 직접 밝힌 주요 원인은 두 가지예요. 하나는 단기 계약으로 확보한 컴퓨팅 자원 50억 달러이고, 다른 하나는 기부 매칭 프로그램과 관련한 비현금 비용 20억 달러예요. 회사는 단기 컴퓨팅 자원의 비용이 현재 여러 해에 걸친 계약으로 확보하는 비슷한 자원보다 상당히 높다고 설명했어요. 이번 앤트로픽 적자를 단순히 고객 이탈 때문이라고 해석할 근거는 없어요. 다만 이 비용들을 모두 같은 성격으로 보기는 어려워요. 비현금 비용은 해당 금액이 그 분기에 현금으로 빠져나갔다는 뜻이 아니에요. 그렇다고 당장 현금 지출이 없다는 이유로 손익계산서에서 사라지는 것도 아니죠. 이번 실적을 이해하려면 서비스 운영에 들어간 비용과 회계상 인식한 비용을 함께 살펴봐야 해요. 그런데 ‘흑자라는 기...