Claude Code가 파일을 통째로 다시 쓰면 출력 토큰이 몇 배가 될까?
204줄 파일의 help 문구 한 줄을 필요한 부분만 고치게 한 경우와 Write로 전체를 다시 쓰게 한 경우를 `claude -p`로 다섯 번씩 돌리고 세션 로그를 분해했습니다. 결과 diff는 같았지만 출력 토큰 중앙값은 736 대 4,055로 약 5.5배였고, 늘어난 몫은 거의 다 Write로 끝난 응답이었습니다.
@Hong2026-10-26조회 290
아티클
전체보기AI 에이전트KafkaMySQLRAGRedis분산 시스템DockerAirflowCassandraFlinkNATSPostgreSQLReactive실시간 채팅KubernetesNGINXgRPC
haiku로 바꾸면 Claude Code 비용이 열 배 싸진다는데, 과연 진짜일까?
같은 조사 과제와 버그 수정 과제를 haiku, sonnet, opus에 `claude -p`로 다섯 번씩 시키고, sonnet에서는 `MAX_THINKING_TOKENS=0`으로 사고를 꺼 봤습니다. 조사 과제 비용 추정치는 haiku가 opus의 약 31분의 1, 버그 수정의 성공당 비용은 약 22분의 1이었고, 사고를 끄는 환경 변수는 효과가 없었습니다.
@Hong2026-10-26조회 122
Claude Code에 설명은 생략하라고 하면 출력 토큰이 줄어들까?
같은 한 줄 수정을 지시만 바꿔 `claude -p`로 조건마다 5번씩 시켰더니, 설명 생략은 마지막 보고만 줄여 출력 중앙값이 713에서 598토큰이 됐습니다. 코드 리뷰에 '파일:줄 / 문제 / 수정안' 형식을 걸면 출력은 6,227에서 1,886토큰으로 줄었고, 지적 수도 8개에서 4개로 줄었지만 빠진 것은 주로 테스트·성능·스타일 같은 부차 지적이었습니다.
@Hong2026-10-26조회 139
codebase-memory-mcp를 쓰면 토큰이 10배 준다는데, 과연 진짜일까?
codebase-memory-mcp 0.12.1을 `claude -p`에 붙여 rich 저장소 질문 4개를 3번씩 물었습니다. 정답은 두 조건 모두 12/12였지만 그래프 도구는 12번 중 2번만 쓰였고 입력 토큰 중앙값은 19% 늘었으며, 늘어난 몫의 약 68%는 요청마다 붙는 1,522토큰이었습니다.
@Hong2026-10-26조회 180
GitNexus를 쓰면 AI 에이전트가 코드를 놓치지 않는다는데, 과연 진짜일까?
GitNexus 1.6.12 코드 그래프를 붙인 Claude Code와 기본 도구만 쓴 Claude Code에 rich 저장소의 코드 탐색 질문 4개를 `claude -p`로 3번씩 보냈습니다. 자동 판정 정답은 12번 중 12번 대 11번이었고 Read로 연 파일은 줄었지만, 불러온 MCP 도구 설명이 요청마다 다시 실려 입력 토큰 중앙값은 50,988에서 94,520으로 늘었습니다.
@Hong2026-10-26조회 241
graphify를 쓰면 에이전트 토큰이 80% 준다는데, 과연 진짜일까?
graphify 0.9.95를 공식 방법대로 Claude Code에 붙이고 rich 저장소 질문 4개를 `claude -p`로 조건별 12번씩 물었습니다. 매번 graphify를 먼저 불렀고 정답 수도 같았지만, 호출과 턴이 늘어 입력 토큰 중앙값은 51,530에서 86,766으로 68% 늘었습니다.
@Hong2026-10-26조회 139
context-mode를 쓰면 도구 출력이 98% 줄어든다는데, 과연 진짜일까?
context-mode 1.0.169를 `claude -p`에 붙여 30번 잰 결과, 도구만 따로 부르면 pytest 출력이 137,851바이트에서 5,936바이트로 줄었지만 세션에서는 잘린 결과를 받은 뒤 다시 실행해 입력 토큰이 줄지 않았고 비용 추정은 2.2배였습니다.
@Hong2026-10-24조회 172
Headroom을 쓰면 코딩 에이전트 토큰이 20% 준다는데, 과연 진짜일까?
Headroom 0.41.0 프록시를 압축만 끈 같은 프록시와 `claude -p`로 28번 비교했습니다. 실패한 테스트 출력은 Claude Code가 이미 1만 자로 잘라 입력 중앙값이 2.0%만 줄었고, 숨은 원문 재요청까지 더한 합계는 0.8% 늘었으며, 자유 과제에서는 압축할 출력이 거의 없었습니다.
@Hong2026-10-24조회 276
lean-ctx를 쓰면 85가지 넘는 셸 출력을 압축해 준다는데, 과연 진짜일까?
lean-ctx 3.11.4 Bash hook을 `claude -p`로 30번 잰 결과, pytest 출력은 5,524바이트에서 524바이트로 줄었지만 빠진 값을 다시 조회하느라 입력 토큰 중앙값이 29,918에서 47,252로 늘었고, 명령을 맡기면 압축이 한 번도 일어나지 않았습니다.
@Hong2026-10-24조회 120
Token Optimizer를 쓰면 명령 토큰이 11% 준다는데, 과연 진짜일까?
Token Optimizer 5.13.57 hook을 `claude -p`로 30번 잰 결과, Bash 결과는 44,482자에서 17,093자로 줄었지만 답을 일부러 잘리는 줄에 둔 질문을 다시 찾느라 입력 토큰 중앙값이 8% 늘었고, 명령을 맡기면 압축이 한 번도 일어나지 않았습니다.
@Hong2026-10-24조회 271
claude-token-efficient를 쓰면 응답이 63% 짧아진다는데, 과연 진짜일까?
응답을 짧게 만든다는 7줄짜리 CLAUDE.md, claude-token-efficient를 빈 디렉터리와 나란히 두고 Claude Code `claude -p`와 Opus 5.5로 버그 원인 질문 3개를 3번씩 돌려 출력 토큰, 단어 수, 입력 토큰, 비용 추정, 답의 품질을 스크립트로 쟀습니다. 출력 토큰은 16.9% 줄고 9개 답 모두 원인과 수정을 담았지만, 요청마다 입력이 325토큰 늘어 처음 보내는 질문의 비용 추정은 11.6% 늘었고, 한 질문에서는 오류 처리 주의가 3번 중 2번 빠졌습니다.
@Hong2026-10-24조회 178
token-optimizer-mcp를 쓰면 토큰이 99% 줄어든다는데, 과연 진짜일까?
token-optimizer-mcp 7.6.0을 Claude Code `claude -p`에 붙이고 700줄 로그를 질문마다 다시 읽게 해 보니, 도구 정의가 요청마다 10,313토큰을 더했고 smart_read는 5번 중 1번만 불려 입력 토큰 중앙값이 1.6배가 됐으며 다시 읽기 캐시는 한 번도 쓰이지 않았습니다.
@Hong2026-10-24조회 129
Token Savior를 붙이면 토큰이 80% 줄어든다는데, 과연 진짜일까?
함수 단위로 코드를 찾아 주는 Token Savior MCP를 Claude Code `claude -p`에 붙여 보니, 내장 도구와 같이 두면 Claude는 주로 Read와 Grep을 쓰고 요청마다 도구 정의 3,335토큰이 더해졌습니다. Token Savior만 남기면 호출 경로 질문에서 탐색으로 쌓인 입력이 9,142에서 3,462토큰으로 줄었습니다.
@Hong2026-10-24조회 274
TOON을 쓰면 JSON 토큰이 42% 줄어든다는데, 과연 진짜일까?
같은 주문 데이터를 들여쓴 JSON, 공백 없는 JSON, TOON으로 Claude Code `claude -p`에 넣어 보니 균일한 주문 150건이 차지한 입력 토큰은 13,259, 9,203, 4,872였고 네 질문은 세 형식 모두 매번 맞혔습니다. TOON CLI 추정치와 Claude 실측이 갈린 점, 고정 부분과 프롬프트 캐시가 절감 폭을 어떻게 바꾸는지도 봅니다.
@Hong2026-10-24조회 159
Jev·d1-ultra가 쓰는 결정 모델(System One)은 뭐가 다를까?
System One 결정 모델 Liquid AI d1-3B와 생성 모델 LFM2.5-1.2B에 고객 문의 200건을 질문 1·3·10개로 보내, 결정 모델은 입력 토큰과 지연이 약 10배, 생성 모델은 지연 4.35배로 느는 것, 예시 한 줄이 JSON 형식 실패를 거의 없애는 것, 확률 보정이 질문마다 다른 것을 잽니다.
@Hong2026-10-20조회 152
effort를 낮추면 Claude Code는 무엇을 덜 할까?
버그를 심은 Python 과제 10개를 `claude -p`로 effort low부터 max까지 세 번씩 고치게 했더니 150번 모두 통과했고, 출력 토큰 중앙값은 1,990에서 32,741.5로 늘었습니다. 테스트를 실제로 돌린 실행은 low 20%, medium 이상 100%였습니다.
@Hong2026-10-14조회 227
MCP 도구가 주문 2만 건을 돌려주면 Claude는 어떻게 할까?
주문 200건부터 2만 건까지를 MCP 도구로 원본 그대로, 서버에서 거르기, SQLite 파일 + SQL로 돌려주고 `claude -p`로 집계 질문 12개를 풀게 했습니다. 5만 자를 넘는 결과는 잘리지 않고 파일로 빠졌고, 서버에서 거르면 건수와 상관없이 약 1만 5천 토큰으로 모두 맞혔습니다.
@Hong2026-10-14조회 156
MCP 도구 200개, Claude tool search는 맞는 도구를 고를까?
MCP 도구를 200개까지 붙이고 `claude -p`로 tool search를 켠 쪽과 끈 쪽의 첫 요청 입력 토큰(36,980 대 6,677)과 도구 선택 정확도를 쟀습니다. 이름이 뜻을 드러내면 두 모드 모두 19/20이었지만, 번호 이름에 한국어 설명이면 켠 쪽이 14~16/20으로 떨어졌습니다.
@Hong2026-10-14조회 271
CLAUDE.md가 1,500줄이면 Claude는 규칙을 놓칠까?
무관한 팀 규칙 사이에 규칙 5개를 숨긴 CLAUDE.md를 8줄부터 1,499줄까지 만들고 `claude -p`로 코딩 과제 20개를 돌려 준수율과 입력 토큰을 쟀습니다. 1,499줄에서 요청마다 약 6만 4천 토큰이 더 실렸지만 준수율은 떨어지지 않았고, 모든 비교가 천장이라 차이는 판정할 수 없었습니다.
@Hong2026-10-14조회 176
세션 중간에 모델을 바꾸면 Claude 프롬프트 캐시는 얼마나 깨질까?
`claude -p`로 같은 대화의 3턴만 모델을 바꾸고 `cache_creation_input_tokens`로 캐시가 깨지는지 쟀습니다. Sonnet으로 바꾼 턴은 1만 토큰을 다시 써 Opus로 계속한 턴의 11배였고, 긴 대화의 Haiku 전환은 10만 토큰 아래와 위에서 결론이 갈렸습니다.
@Hong2026-10-14조회 165