Models

목표

Kiro에서 모델을 어떻게 고르는지 — Auto 라우팅, 작업별 모델 선택 기준, reasoning effort — 를 이해합니다. 구체적인 모델 목록·가격·배수는 자주 바뀌므로 여기서 복제하지 않고 공식 Available models 페이지로 연결합니다.

개념

Kiro는 OpenAI·Anthropic 등 여러 공급자의 frontier·open weight 모델을 제공합니다. 작업에 맞는 모델을 직접 고르거나, Auto를 선택해 Kiro가 각 작업을 최적 모델로 자동 라우팅하게 할 수 있습니다.

ℹ️ 모델 선택은 chat 경험(대화형·비대화형)에서만 가능합니다.

기능	IDE	CLI	Web	Mobile
Reasoning effort 선택	✓	✓	✓	—

Auto 라우팅

Auto는 Kiro의 모델 라우터입니다. 요청을 자동 fallback과 함께 frontier 모델로 라우팅해, 모델을 직접 고르지 않아도 안정적인 최상위 품질을 받습니다.

• Free tier는 Claude Sonnet급 이상 품질을, 유료 tier는 Claude Opus급 이상 품질을 받습니다.
• Auto는 사용자의 Kiro 프로필에서 쓸 수 있는 Active 모델로 라우팅하며, Experimental 모델로는 라우팅하지 않습니다.
• 모델 거버넌스에서 Auto는 별도 선택지로 취급되어, 관리자가 허용·차단할 수 있습니다. Auto를 허용하면 관리자 승인 목록 밖의 Active 모델로도 라우팅될 수 있으므로, 승인 목록의 모델만 쓰게 하려면 Auto를 차단하고 승인된 모델을 기본값으로 지정합니다.

대부분의 작업은 Auto로 시작하세요.

어떤 모델을 쓸까

공식 문서의 선택 가이드를 요약하면 다음과 같습니다(구체 모델명·세대는 공식 페이지 기준으로 수시 변경되므로, 아래는 "작업 유형 → 성격"으로 읽으세요).

작업 유형	성격
일반 개발	Auto — 작업마다 최적 모델로 라우팅, 품질·비용 자동 균형
가장 어려운 다단계 개발	최상위 tier — 장기 리팩터링·복잡한 터미널 작업, 지속적 계획과 도구 조율
일상적 다단계 개발	균형 tier — 매일의 agentic 작업
고빈도 agentic 작업	빠르고 저비용 tier — 처리량이 중요한 반복 작업
빠른 범위-한정 코딩·리뷰	빠른 Sonnet급 — 버그 수정·리뷰·범위 한정 문서
속도·크레딧 절약	Haiku급 — 빠른 응답이 필요한 대량 작업

공식 Best practices 요약:

• Auto로 시작하고, 복잡한 문제에서 막히거나 여러 파일에 걸친 지속 작업·강한 self-verification이 필요할 때 더 강한 모델로 올립니다.
• 사용량을 모니터링해 모델 선택이 소비에 어떻게 영향을 주는지 파악합니다.

ℹ️ 같은 credit multiplier를 쓰는 모델이라도 작업당 크레딧 소비가 같지는 않습니다. 생성 토큰 수, 내부 thinking 깊이, tokenizer 차이에 따라 달라집니다.

모델 전환

• IDE / Web: 채팅 입력의 모델 드롭다운/피커에서 전환합니다. 선택은 이후 메시지에 적용됩니다.
• CLI: 터미널 UI에서 /model을 열어 전환하고, 선택 모델의 thinking·effort를 설정합니다. 기본 모델을 명령줄에서도 지정할 수 있습니다.

kiro-cli settings chat.defaultModel claude-opus-4.8

현재 모델을 이후 모든 세션의 기본값으로 저장하려면:

> /model set-current-as-default

이 선호값은 ~/.kiro/settings/cli.json에 저장됩니다. (위 claude-opus-4.8은 공식 문서의 예시 그대로이며, 실제 사용 가능한 모델 id는 공식 Available models 페이지를 확인하세요.) 목록의 모델이 /model에 안 보이면 Kiro CLI를 재시작하세요. Kiro Crew에서 새로 나온 모델이 안 보이면 kirocrew restart를 실행하세요.

Reasoning effort (추론 노력)

Reasoning effort는 모델이 프롬프트에 얼마나 많은 추론을 들이는지 제어합니다. 낮은 수준은 빠르고 짧은 응답에 크레딧을 덜 쓰고, 높은 수준은 더 깊은 분석·다단계 추론·철저한 코드 생성에 더 많은 토큰을 씁니다.

수준	동작
low	빠르고 간결. 단순 질문·빠른 조회
medium	균형. 대부분의 개발 작업
high	철저한 분석. 복잡한 리팩터링·아키텍처 결정
xhigh	확장 추론. 여러 파일 변경·미묘한 문제
max	최대 깊이. 어려운 디버깅·보안 분석·복잡한 로직

모든 모델이 모든 수준을 지원하지는 않으며, picker는 현재 모델이 지원하는 수준만 보여줍니다.

• IDE: Model 패널의 모델 목록 아래 Effort 슬라이더로 설정. 변경은 다음 메시지부터 적용.
• CLI: /model에서 Effort를 고르거나, 실행 시 --effort 플래그 사용. /model로 고른 effort는 해당 모델에 유지되고, /effort <level>은 /effort set-current-as-default를 실행하지 않는 한 현재 세션에만 적용됩니다. V3에서는 --effort도 세션 한정입니다.

kiro-cli chat --effort high

• Web: 모델이 추론 수준을 제공하면 모델 선택기 옆에 reasoning effort 선택기가 나타나며, 선택은 현재 세션에만 적용됩니다.

ℹ️ 높은 effort 수준은 내부적으로 더 많은 토큰을 써서, 같은 credit multiplier에서도 상호작용당 크레딧 소비가 늘어납니다.

더 알아보기

• Models — 비교 표·추론 라우팅
• Available models — 현재 모델 목록·배수·수명주기(수시 변경)
• Reasoning effort — surface별 메커니즘·지원 모델·영속 기본값·precedence
• Kiro 동작 원리 — 모델 계획이 붙는 harness 흐름
• Context Engineering — 맥락을 다루는 전반 전략

---

출처: kiro.dev 공식 문서 "Models" (2026-10-26 확인). 현재 모델 목록·가격·수명주기는 공식 "Available models" 페이지를 확인하세요.