claude code에 국산 모델 연동 추천

사실 저는 anthropic이라는 기업에 약간 반감이 있지만, 그들이 지금 한창 떠오르는 중이라 억지로 쓸 수밖에 없습니다. claudecode pro 구독을 하나 열었는데, 할당량이 매우 적어 계획용으로만 쓰고 있습니다. 국산 모델의 성능은 약간 떨어지지만 할당량이 더 많아 가성비 우위가 뚜렷합니다. 국산 모델 업체들은 현재 response API를 제공하지 않으므로, 구형 codex를 고려하지 않는다면 codex에 원활하게 연동할 수 없습니다…

사실 저는 anthropic이라는 기업에 약간 반감이 있지만, 그들이 지금 한창 떠오르는 중이라 억지로 쓸 수밖에 없습니다. claudecode pro 구독을 하나 열었는데, 할당량이 매우 적어 계획용으로만 쓰고 있습니다. 국산 모델의 성능은 약간 떨어지지만 할당량이 더 많아 가성비 우위가 뚜렷합니다. 국산 모델 업체들은 현재 response API를 제공하지 않으므로 codex에 원활하게 연동할 수 없으며, 이는 우리가 구형 codex를 고려하지 않는다는 전제하의 이야기입니다. chat completion에는 역사적 제약이 있어 각 사의 API 동작이 완전히 일치하지 않는데, 예를 들어 deepseekv4는 extra body로 thinking을 켜야 하며 “high/max"만 인식하고, 도구가 포함된 다중 턴에서는 reasoning_content를 유지해야 합니다. 지능(智谱)의 temperature는 0으로 설정할 수 없습니다. kimi는 thinking 상태에서 temperature가 반드시 1로 고정되며, tool_choice=required를 지원하지 않고 functions 등도 지원하지 않습니다. 즉, openai API chat completion이 완벽하게 사실상의 표준이 되지 못해, 직접 연동하면 일부 상황에서 타협이 필요하고 심각한 경우 오류가 발생해 지속적 실행이 불가능해집니다. 반면 이들이 anthropic API에 대한 호환성은, 여전히 일부 상황에서 비호환이 존재하긴 하지만 최대한 호환을 유지하려 노력하고 있습니다. 따라서 anthropic API를 직접 사용하는 것이 마음 편한 선택입니다. 그리고 claudecode는 anthropic 공식 제품으로서 anthropic의 API 변경에 절대적인 발언권을 가지므로, 모델 업체가 claudecode 사용자를 놓치고 싶지 않다면 최선을 다해 적응할 수밖에 없습니다. 이것이 현재로서는 적절하고 마음 편한 선택이며, 미래에는 더 범용적인 API가 나와 모델과 도구가 완전히 분리되기를 바랍니다.

claude code에 국산 모델 연동 추천 배경 이미지 1