[Hacker News 요약] Claude Code, OpenCode 대비 프롬프트 처리 전 4.7배 더 많은 토큰 사용: Systima의 상세 분석 결과
2
설명
Systima의 최근 분석에 따르면, Claude Code는 OpenCode에 비해 프롬프트가 처리되기 전에 약 4.7배 더 많은 토큰을 사용하는 것으로 나타났습니다. 2026년 7월 12일에 공개된 이 연구는 Claude Code가 초기 설정 및 캐시 비효율성 측면에서 상당한 토큰 오버헤드를 발생시킨다는 점을 강조합니다.
이러한 차이는 특히 대규모 언어 모델(LLM) 기반 에이전트 시스템의 운영 비용 및 성능에 직접적인 영향을 미치므로, 개발자 및 IT 전문가에게 중요한 시사점을 제공합니다. 분석은 API 경계에서 토큰 사용량을 측정하는 상세한 방법론을 제시하며, 실제 운영 환경에서의 비용 최적화 전략 수립에 기여합니다.
### 배경 설명
생성형 AI, 특히 에이전트 기반 시스템의 발전은 LLM의 효율적인 활용을 요구하고 있습니다. 이러한 시스템은 복잡한 작업을 수행하기 위해 LLM에 상당한 양의 정보와 지침을 전달해야 합니다. 이때 LLM이 실제 사용자 프롬프트를 처리하기 전에 소비하는 '시스템 프롬프트' 및 '도구 스키마'와 같은 초기 토큰 오버헤드는 전체적인 비용과 지연 시간에 큰 영향을 미칩니다. Claude Code와 OpenCode와 같은 에이전트 프레임워크는 이러한 오버헤드를 관리하는 방식에서 차이를 보이며, 이는 프로덕션 환경에서의 LLM 비용 최적화에 있어 중요한 고려 사항이 됩니다. 특히 EU AI Act와 같은 규제 프레임워크는 시스템의 행동을 투명하게 기록하고 이해해야 할 필요성을 강조하며, 이러한 토큰 사용량 분석은 규정 준수 및 시스템 감사에 필수적인 데이터를 제공합니다.
### Claude Code와 OpenCode의 초기 토큰 사용량 비교
Systima의 2026년 7월 12일자 분석에 따르면, Claude Code는 OpenCode에 비해 초기 프롬프트 처리 전에 훨씬 더 많은 토큰을 사용합니다. Sonnet 4.5 모델을 기준으로 한 첫 번째 테스트에서 Claude Code는 약 33,000 토큰을 사용한 반면, OpenCode는 약 7,000 토큰을 사용했습니다. 이는 Claude Code가 약 4.7배 더 많은 토큰을 소비했음을 의미합니다. Claude Fable 5 모델로 재실험했을 때는 이 격차가 약 3.3배로 줄었으나, 여전히 Claude Code가 더 많은 토큰을 사용하는 것으로 나타났습니다. 이는 Claude Code가 최신 모델에 대해 더 작은 시스템 프롬프트를 사용하기 때문이며, 모델 의존적인 차이임을 시사합니다. Claude Code의 높은 토큰 사용량은 시스템 프롬프트, 도구 스키마, 그리고 주입된 스캐폴딩의 상당한 양 때문입니다. 특히 27개의 도구를 포함하는 Claude Code의 시스템 프롬프트는 약 99,778자(약 24,000 토큰)에 달하는 반면, OpenCode는 10개의 도구로 약 20,856자(약 4,800 토큰)를 사용했습니다.
### 캐시 비효율성과 구성 요소의 영향
분석 결과, Claude Code는 OpenCode에 비해 캐시 비효율성이 두드러졌습니다. OpenCode의 요청 접두사는 매번 동일하게 유지되어 캐시 활용에 유리했지만, Claude Code는 동일한 작업에서도 수만 개의 토큰을 캐시에서 다시 작성하여 비용 상승의 주요 원인이 되었습니다. 또한, 프로덕션 환경에서 사용되는 72KB의 지침 파일(AGENTS.md 또는 CLAUDE.md)은 각 요청에 평균 20,000 토큰을 추가하며, 5개의 MCP 서버는 추가로 5,000~7,000 토큰을 발생시킵니다. 이로 인해 실제 작업 환경에서 첫 번째 요청이 발생하기 전에 이미 75,000~85,000 토큰이 소비될 수 있습니다. 하위 에이전트(subagents)를 사용하는 경우에도 비용은 더욱 증가합니다. 예를 들어, 두 개의 하위 에이전트로 작업을 분산하면 직접 수행할 때보다 토큰 사용량이 4.2배 증가할 수 있습니다. 이는 각 하위 에이전트가 자체적인 부트스트랩 비용을 가지며, 부모 에이전트가 그들의 대화 기록을 소비하기 때문입니다.
### 멀티스텝 작업에서의 토큰 사용량 역전 및 측정 방법론
흥미롭게도, 멀티스텝 작업에서는 Claude Code가 OpenCode보다 전체 작업에 대한 총 토큰 사용량이 낮게 나타나는 결과가 있었습니다. 이는 Claude Code가 도구 호출을 더 적은 요청으로 일괄 처리하는 반면, OpenCode는 각 턴마다 기본값을 다시 지불하기 때문입니다. 즉, 초기 메터링은 더 높을 수 있지만, 세션의 진행 방식에 따라 최종 비용이 달라질 수 있습니다. Systima는 이러한 분석을 위해 로깅 프록시를 사용하여 각 하네스(Claude Code/OpenCode)와 모델 엔드포인트 간의 요청 페이로드 및 응답 사용량을 캡처했습니다. 이 방법론은 API 경계에서 정확한 토큰 사용량 데이터를 확보하는 데 중점을 두었으며, EU AI Act의 감사 요구 사항을 충족하는 데에도 활용될 수 있습니다. 테스트는 단일 머신, 특정 버전의 하네스 및 모델(Sonnet 4.5, Fable 5), 그리고 다양한 구성 요소(지침 파일, MCP 서버, 프레임워크 템플릿, 하위 에이전트)를 점진적으로 추가하며 진행되었습니다.
### 가치와 인사이트
이 분석은 에이전트 기반 AI 시스템을 프로덕션 환경에서 운영하는 데 있어 LLM의 토큰 사용량 관리가 얼마나 중요한지를 명확히 보여줍니다. Claude Code의 높은 초기 토큰 오버헤드와 캐시 비효율성은 상당한 비용 증가로 이어질 수 있으며, 이는 특히 예산 제약이 있는 프로젝트에서 중요한 고려 사항입니다. 반면, OpenCode의 효율적인 캐시 관리와 더 작은 기본값은 비용 절감에 기여할 수 있습니다. 멀티스텝 작업에서의 토큰 사용량 역전 현상은 작업의 특성과 에이전트의 도구 호출 전략에 따라 비용 효율성이 달라질 수 있음을 시사합니다. 또한, EU AI Act와 같은 규제 환경에서 시스템의 투명성과 감사 가능성은 필수적이므로, API 경계에서의 상세한 토큰 사용량 로깅 및 분석은 규정 준수 및 시스템 이해도를 높이는 데 결정적인 역할을 합니다. 개발자는 이러한 분석 결과를 바탕으로 특정 작업 및 예산에 맞는 최적의 에이전트 프레임워크를 선택하고, 불필요한 토큰 낭비를 최소화하는 전략을 수립해야 합니다.
### 기술·메타
- Claude Code 2.1.207
- OpenCode 1.17.18
- Claude Sonnet 4.5
- Claude Fable 5
- EU AI Act
- Systima @systima/aiact-audit-log
- Node.js (for measurement rig)
### 향후 전망
향후 에이전트 기반 AI 시스템의 경쟁은 단순히 모델의 성능뿐만 아니라, 이러한 시스템의 운영 효율성, 특히 토큰 사용량 최적화 능력에 따라 더욱 치열해질 것으로 예상됩니다. Claude Code와 같은 프레임워크는 지속적인 업데이트를 통해 캐시 효율성을 개선하고 시스템 프롬프트의 크기를 줄이는 노력을 기울일 것입니다. OpenCode와 같은 경쟁 프레임워크는 현재의 효율성을 유지하거나 더욱 강화하며 시장 점유율을 확대하려 할 것입니다. 또한, 다양한 산업 분야에서 에이전트 시스템의 도입이 가속화됨에 따라, 특정 워크로드에 최적화된 프레임워크와 맞춤형 도구 스키마 설계에 대한 요구가 증가할 것입니다. 커뮤니티는 이러한 효율성 지표를 공유하고, 최적의 설정을 위한 벤치마크를 지속적으로 업데이트하며, 비용 효율적인 에이전트 AI 개발을 위한 생태계를 형성해 나갈 것입니다. EU AI Act와 같은 규제는 시스템의 투명성과 설명 가능성을 더욱 강조할 것이며, 이는 토큰 사용량 분석의 중요성을 더욱 부각시킬 것입니다.
📝 원문 및 참고
- Source: Hacker News
- 토론(HN): [news.ycombinator.com](https://news.ycombinator.com/item?id=48883275)
- 원문: [링크 열기](https://systima.ai/blog/claude-code-vs-opencode-token-overhead)
---
출처: Hacker News · [원문 링크](https://systima.ai/blog/claude-code-vs-opencode-token-overhead)
신고 · 불법·유해·아동 안전(CSAE) 관련 콘텐츠
댓글 0
아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.