모델 비교

message = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=4096,
    messages=[{
        "role": "user",
        "content": """이 논문의 연구 방법론을 비판적으로 평가하고,
개선 방안을 3가지 제시하세요. 각 제안의 장단점과
구현 난이도를 함께 설명해주세요.

[긴 논문 텍스트]"""
    }]
)

from anthropic import Anthropic

client = Anthropic()
message = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=2048,
    messages=[{
        "role": "user",
        "content": "Python으로 피보나치 수열을 반환하는 함수를 작성해줘"
    }]
)
print(message.content[0].text)

from openai import OpenAI

client = OpenAI()
response = client.chat.completions.create(
    model="gpt-5.4",
    messages=[{
        "role": "user",
        "content": "Python으로 피보나치 수열을 반환하는 함수를 작성해줘"
    }]
)
print(response.choices[0].message.content)

message = client.messages.create(
    model="claude-haiku-4-5-20251001",
    max_tokens=256,
    messages=[{
        "role": "user",
        "content": '다음 리뷰의 감정: "이 제품 정말 좋아요!" → positive/negative/neutral'
    }]
)

작업이 복잡한가?
├─ 예 → 에이전트 코딩/과학 연구/복잡한 다단계 작업?
│   ├─ 예 → 최고 정확도 필요?
│   │   ├─ 예 → gpt-5.5-pro              (GPT-5.5 Pro, $30/$180, Responses API)
│   │   └─ 아니오 → gpt-5.5              (GPT-5.5, SWE-bench 88.7%)
│   │              또는 claude-opus-4-7  (SWE-Bench Pro 64.3%)
│   └─ 아니오 → 비용 민감?
│       ├─ 예 → claude-sonnet-4-6        (Sonnet 4.6, $3/$15 per MTok)
│       └─ 아니오 → gpt-5.4             (GPT-5.4) 또는 claude-sonnet-4-6
└─ 아니오 → 빠른 응답/대량 처리 필요?
    ├─ 예 → 극저비용 우선?
    │   ├─ 예 → gemini-3.1-flash-lite-preview  (Gemini Flash-Lite, 초경량)
    │   │        또는 gpt-5.4-nano        (GPT-5.4 nano, $0.20/$1.25)
    │   └─ 아니오 → claude-haiku-4-5-20251001 (Haiku 4.5, $1/$5)
    └─ 아니오 → claude-sonnet-4-6        (Sonnet 4.6)
                또는 gpt-5.4-mini        (GPT-5.4 mini)

# 1단계: Haiku로 빠른 분류
classification = client.messages.create(
    model="claude-haiku-4-5-20251001",
    max_tokens=100,
    messages=[{
        "role": "user",
        "content": f"이 이메일이 긴급한가요? (yes/no)\n\n{email}"
    }]
)

# 2단계: 긴급한 경우에만 Opus로 상세 분석
if "yes" in classification.content[0].text.lower():
    analysis = client.messages.create(
        model="claude-opus-4-7",
        max_tokens=2048,
        messages=[{
            "role": "user",
            "content": f"긴급 이메일 상세 분석:\n\n{email}"
        }]
    )

# 1단계: Sonnet으로 초안 생성
draft = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": "마케팅 이메일 초안 작성"
    }]
)

# 2단계: Opus로 품질 향상
final = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=2048,
    messages=[{
        "role": "user",
        "content": f"""다음 초안을 창의적이고 설득력 있게 개선:

{draft.content[0].text}"""
    }]
)

from google import genai
from anthropic import Anthropic

# 1단계: Gemini Flash로 대량 데이터 빠르게 요약 (극저비용)
genai_client = genai.Client(api_key=GOOGLE_API_KEY)

summaries = []
for doc in documents:
    resp = genai_client.models.generate_content(
        model="gemini-3-flash-preview",
        contents=f"다음 문서를 3줄로 요약:\n\n{doc}"
    )
    summaries.append(resp.text)

# 2단계: Claude Sonnet으로 요약 기반 심층 분석
anthropic_client = Anthropic()
analysis = anthropic_client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=4096,
    messages=[{
        "role": "user",
        "content": f"""다음 요약들을 기반으로 핵심 트렌드와 인사이트를 도출하세요:

{chr(10).join(summaries)}"""
    }]
)
print(analysis.content[0].text)

# Anthropic 내 전환 — 모델 ID만 교체
model = "claude-sonnet-4-6"   # → "claude-opus-4-7" 또는 "claude-haiku-4-5-20251001"

# OpenAI 내 전환 — 모델 ID만 교체
model = "gpt-5.4"             # → "gpt-5.4-mini" 또는 "gpt-5.4-nano"

def call_llm(provider, model, prompt):
    """제공사에 관계없이 통일된 인터페이스로 LLM 호출"""
    if provider == "anthropic":
        from anthropic import Anthropic
        resp = Anthropic().messages.create(
            model=model, max_tokens=2048,
            messages=[{"role": "user", "content": prompt}]
        )
        return resp.content[0].text
    elif provider == "openai":
        from openai import OpenAI
        resp = OpenAI().chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": prompt}]
        )
        return resp.choices[0].message.content

# 사용: 제공사 변경 시 provider와 model만 교체
result = call_llm("anthropic", "claude-sonnet-4-6", "안녕하세요")
result = call_llm("openai", "gpt-5.4", "안녕하세요")