클로드(Claude)의 웹 검색, 동적 필터링으로 더 정확하고 효율적으로!
클로드(Claude)가 웹 검색 중 코드 실행을 통해 검색 결과를 필터링하여 정확도와 토큰 효율성(Token Efficiency)을 개선
동적 필터링(Dynamic Filtering)은 불필요한 HTML 파일을 제거하여 컨텍스트 창(Context Window) 내 관련 정보(Relevant Information)만 유지
BrowseComp 및 DeepsearchQA 벤치마크에서 평균 11% 성능 향상 및 입력 토큰(Input Token) 24% 감소를 달성
코드 실행(Code Execution), 메모리(Memory), 프로그래밍 방식 도구 호출(Programmatic Tool Calling) 등 다양한 도구들이 정식 출시됨
동적 필터링(Dynamic Filtering)의 작동 원리
본문에 따르면 클로드(Claude)는 웹 검색 결과를 컨텍스트 창(Context Window)에 로드하기 전에 자동으로 코드를 작성하고 실행하여 검색 결과를 필터링한다.
코드 실행(Code Execution): 검색 결과에서 관련 정보만 추출하고 불필요한 정보는 제거
토큰 효율성(Token Efficiency) 향상: 전체 HTML 파일 대신 필터링된 결과만 사용
API 통합: API를 통해 코드 실행, 메모리, 프로그래밍 방식 도구 호출 등 다양한 도구 사용 가능
결과적으로 동적 필터링은 웹 검색 정확도(Web Search Accuracy)를 높이고, 토큰 사용량(Token Usage)을 줄여 비용 절감에 기여한다.
성능 향상 및 벤치마크 결과
글에 따르면 동적 필터링은 BrowseComp 및 DeepsearchQA 벤치마크에서 성능 향상을 보였다.
평균 11% 성능 향상: Sonnet 4.6 및 Opus 4.6 모델에서 일관된 성능 개선
24% 입력 토큰 감소: 토큰 사용량 감소로 비용 효율성 증대
BrowseComp: Sonnet 4.6 정확도 33.3% → 46.6%, Opus 4.6 정확도 45.3% → 61.6%로 향상
DeepsearchQA: Sonnet 4.6 F1 점수 52.6% → 59.4%, Opus 4.6 F1 점수 69.8% → 77.3%로 향상
이러한 결과는 동적 필터링이 웹 검색 정확도(Web Search Accuracy)와 효율성(Efficiency)을 모두 개선함을 보여준다.
실제 프로덕션 환경에서의 고려 사항
본문에서는 동적 필터링 사용 시 토큰 비용(Token Cost)이 모델이 작성하는 코드량에 따라 달라질 수 있다고 언급한다.
비용 변동 가능성: Opus 4.6의 경우 벤치마크에서 토큰 비용 증가
API 사용량 분석: 실제 프로덕션 환경에서 대표적인 웹 검색 쿼리(Web Search Queries)를 사용하여 비용을 평가
API 문서 참조: API 사용법 및 추가 정보는 공식 API 문서를 통해 확인
결과적으로 API 사용량(API Usage)을 면밀히 분석하고, 비용 효율적인 모델(Cost-effective Model)을 선택하는 것이 중요하다.
생태계 확장 및 API 활용
글에서는 코드 실행(Code Execution), 메모리(Memory), 프로그래밍 방식 도구 호출(Programmatic Tool Calling) 등 다양한 도구들이 정식 출시되었음을 알린다.
코드 실행(Code Execution): 컨텍스트 필터링, 데이터 분석, 계산 수행
메모리(Memory): 대화 간 정보 저장 및 검색
프로그래밍 방식 도구 호출(Programmatic Tool Calling): 복잡한 멀티 도구 워크플로우 실행
도구 검색(Tool Search): 대규모 라이브러리에서 도구 동적 검색
도구 사용 예시(Tool Use Examples): 사용 패턴 시연 및 매개변수 오류 감소
이러한 도구들은 API 활용(API Utilization)을 통해 웹 검색 및 기타 토큰 집약적인 작업의 효율성을 높이는 데 기여한다.
