Anthropic, Claude Sonnet 4.6 확장 사고 스트리밍 API 정식 GA
Anthropic이 Claude Sonnet 4.6의 Extended Thinking(확장 사고) 결과를 스트리밍으로 실시간 수신할 수 있는 API를 정식 일반 공개(GA)했다. 사고 과정(thinking block)과 최종 답변(text block)이 청크 단위로 분리 전달되어, 복잡한 추론 작업 중에도 사용자에게 진행 상황을 즉각 노출하는 UX를 구현할 수 있다.
변경된 API 동작 방식
기존 Extended Thinking API는 전체 사고 과정이 완료된 뒤 일괄 반환(non-streaming)되어 첫 번째 토큰 도착까지 수십 초의 공백이 발생했다. 이번 GA에서는 stream: true와 thinking: { type: 'enabled', budget_tokens: N } 파라미터를 함께 지정하면 thinking 블록의 델타가 먼저 스트림되고, 이어서 text 블록이 순차적으로 전달된다. 이벤트 타입은 content_block_start → content_block_delta → content_block_stop 구조를 유지하며, delta.type이 thinking_delta와 text_delta로 구분된다.
수치 및 스펙 정보
- 지원 모델: Claude Sonnet 4.6 (Claude Opus 4.7, Haiku 4.5는 추후 지원 예정)
- 최대 thinking budget_tokens: 32,000 토큰 (기존 비스트리밍과 동일)
- 첫 토큰 지연(TTFT) 개선: Anthropic 내부 측정 기준, 8,000 budget_tokens 설정 시 평균 TTFT 약 62% 단축
- 가격: 입력·출력 토큰 단가는 공식 페이지 참조. Thinking 토큰은 출력 토큰으로 과금되는 기존 정책 유지.
Claude Code 및 Cursor 연동 영향
Claude Code는 내부적으로 Sonnet 4.6을 기본 추론 모델로 사용한다. 이번 스트리밍 GA로 복잡한 리팩터링 태스크 수행 중 터미널에 사고 단계별 진행률이 실시간으로 출력되며, 개발자가 중간에 개입·수정할 수 있는 인터랙션 포인트가 늘어난다. Cursor 역시 Anthropic API를 직접 호출하는 커스텀 모델 설정을 사용하는 팀이라면 thinking_delta 이벤트를 활용해 에디터 사이드바에 추론 과정을 표시하는 플러그인 구현이 가능해졌다.