아마존 웹서비스(AWS)가 자사 멀티모달 모델인 Amazon Nova 2 Lite와 앤트로픽(Anthropic)의 Claude Sonnet 4.6을 순차 결합한 2단계 문서 처리 파이프라인을 공개했다. AWS 머신러닝 블로그를 통해 공개된 이 구성은 스캔된 연감 페이지 336장을 처리해 총 3,122건의 인물 이름·얼굴 연결 쌍을 생성했으며, 그중 93%가 0.95 이상 신뢰도를 기록했다. 단일 모델에 모든 작업을 맡기는 방식과 비교했을 때 페이지당 비용은 약 3분의 1 수준으로 낮아졌다.
파이프라인은 두 단계로 나뉜다. 1단계에서는 Nova 2 Lite가 단일 API 호출로 스캔 이미지를 분석해 사진 위치와 경계 상자, 페이지에 표시된 이름과 좌표, 페이지 메타데이터를 동시에 추출한다. 이름 텍스트만 선별적으로 요청하는 방식으로 출력 토큰을 페이지당 약 1,000개로 억제했는데, 전체 OCR(광학 문자 인식) 방식이었다면 약 4,500개가 필요했을 것이다. Nova 2 Lite는 이미지 입력을 해상도에 무관하게 고정 단가로 청구하는 새로운 요금 체계를 도입해 대량 처리 시 비용 예측이 수월해졌다. 1단계 페이지당 비용은 약 0.0027달러 수준이다. 2단계에서는 Claude Sonnet 4.6이 Nova 2 Lite가 반환한 이름 좌표와 사진 경계 상자를 받아 공간 추론으로 어느 이름이 어느 얼굴에 해당하는지 매칭한다. Claude는 어댑티브 씽킹(adaptive thinking) 기능을 통해 페이지 레이아웃 복잡도에 따라 추론 깊이를 자동 조정하며, 간단한 인물 격자 페이지부터 그룹 사진과 캡션이 혼재한 복합 페이지까지 별도 프롬프트 설계 없이 처리했다.
비용 구조를 살펴보면, 2단계 파이프라인의 페이지당 총비용은 약 0.033달러로, 단일 Claude 모델에 OCR·사진 감지·공간 매칭을 모두 맡길 경우의 약 0.10달러보다 크게 낮다. 10만 페이지 기준으로는 약 6,500달러의 비용 차이가 발생한다. 실제 336페이지 테스트 실행의 총비용은 Nova 2 Lite 추출 단계에 약 0.91달러, Claude 공간 추론 단계에 약 10.08달러로 합산 약 11달러였다. 처리 속도는 Nova 2 Lite가 페이지당 2~5초, Claude 추론 단계가 20~30초로 페이지당 총 22~35초가 소요됐다. 배치 추론 옵션을 활용하면 Nova 2 Lite와 Claude 호출 모두 50% 할인이 적용돼 비용을 추가로 절감할 수 있다.
이 패턴은 연감에만 한정되지 않는다. 인물 디렉터리, 부동산 매물 목록, 제품 카탈로그, 역사 기록 디지털화 등 사진과 관련 텍스트가 함께 존재하는 모든 문서 처리 시나리오에 적용 가능하다. AWS는 각 단계를 독립적으로 교체하거나 조정할 수 있다는 점도 장점으로 꼽았다. 예를 들어 더 우수한 추론 모델이 출시되면 1단계를 건드리지 않고 2단계 모델만 업그레이드할 수 있다. 전체 소스코드와 샘플 이미지, 주피터 노트북은 AWS Samples 깃허브 저장소를 통해 공개돼 있다.
