클로드 코드(Claude Code) 품질 저하, 환경 변수로 임시 해결!
2026년 2월, 앤트로픽(Anthropic)의 클로드 코드(Claude Code)에서 adaptive thinking 기능 도입 이후 코드 검증 품질 저하 문제 발생
모델이 작업 복잡성을 자체 판단하여 추론 깊이를 조절하는 과정에서 추론 토큰 할당 실패로 인한 AI 환각(Hallucination) 문제 발생
CLAUDE_CODE_EFFORT_LEVEL=high 및 CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING=1 환경 변수 설정을 통해 임시 우회 가능
토큰 소모량 증가 및 작업 유형별 설정 전략 필요, 근본적인 해결책은 향후 모델 업데이트를 통해 제공될 예정
Adaptive Thinking의 작동 원리 및 문제점
앤트로픽(Anthropic)은 클로드 코드(Claude Code)에 adaptive thinking 기능을 도입하여 모델이 작업의 복잡성을 스스로 판단하도록 설계했다. 이 기능은 작업이 복잡할 경우 더 깊이, 간단할 경우 얕게 생각하도록 하여 토큰 효율을 높이는 것을 목표로 했다.
문제점: 특정 턴에서 모델이 0 토큰을 할당하여 답변을 생성, AI 환각(Hallucination) 발생
결과: 모델은 환각된 답변에 확신을 가지며, 자신감 있는 거짓 정보를 반복적으로 생성
영향: 코드 수정 전 리서치 행위 70% 감소, 사용자 중단 빈도 12배 증가, 실사용 품질 저하
임시 해결책: 환경 변수 설정
문제 해결을 위해 제시된 방법은 CLAUDE_CODE_EFFORT_LEVEL=high 및 CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING=1 환경 변수를 설정하는 것이다. 이 설정은 모델의 추론 깊이를 고정하고, adaptive thinking 기능을 비활성화하여 AI 환각(Hallucination) 문제를 임시적으로 해결한다.
CLAUDE_CODE_EFFORT_LEVEL: 추론 깊이를 high로 고정하여 이전 수준의 품질 회복
CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING: 모델이 매 턴마다 추론 여부를 판단하는 대신, 고정된 추론 토큰 사용
적용 방법: ~/.zshrc or ~/.bashrc에 추가 후 쉘 재시작
토큰 소모량 증가 및 작업별 설정 전략
환경 변수 설정을 통해 품질을 개선할 수 있지만, 토큰 소모량이 증가하는 단점이 있다. 따라서 작업 유형에 따라 적절한 설정을 선택하는 것이 중요하다.
고부하 작업: max effort + adaptive 끄기 조합 (리팩토링, 멀티 파일 디버깅)
일상 작업: high effort + adaptive 켜기 조합 (커밋 메시지 작성, 코드 리뷰)
단순 반복 작업: low effort (Subagent, 자동화 파이프라인)
Pro 플랜 사용자는 토큰 제한을 고려하여 high effort까지만 사용하는 것이 권장된다.
근본적인 해결을 위한 향후 전망
제시된 환경 변수 설정은 임시 우회책이며, 앤트로픽(Anthropic)은 향후 모델 업데이트를 통해 근본적인 해결을 제공할 예정이다. Adaptive thinking의 under-allocation 문제는 현재 조사 중이며, 모델 개선을 통해 해결될 것으로 예상된다.
공식 문서: Anthropic은 공식 문서에 임시 해결책을 등재
팀 리드: Boris Cherny는 문제점을 공개적으로 인정
중요성: 임시 방편임을 인지하고, 지속적인 모델 업데이트에 주목
