Claude Code는 정말 훌륭한 도구입니다. 이미 사용해 보셨다면 아시겠지만, 특히 Obsidian과 같이 컨텍스트와 노트를 관리하는 도구와 결합하면 어떤 워크플로우에서도 매우 중요한 역할을 하게 됩니다.
하지만 제가 계속해서 접하는 가장 큰 불만 사항은 매번 동일합니다. Claude Code는 Claude의 Pro 또는 Max 플랜에 잠겨 있으며, 월 20달러라는 비용은 가끔씩만 사용하는 구독 서비스치고는 결코 적은 금액이 아닙니다. 하지만 Claude Code를 무료로 사용할 수 있는 방법이 있습니다!
관련 기사
당신이 지불하는 것은 모델 비용이지, 도구 비용이 아닙니다
LLM은 비용이 많이 들 수 있습니다
Claude Code는 독립형 AI가 아닙니다. 오히려 매우 똑똑한 중개자에 가깝습니다. 작업을 부여하면 어떤 파일을 읽고, 어떤 변경을 수행하며, 무엇을 실행할지 파악한 다음, 그 모든 컨텍스트를 실제 언어 모델에 전달하여 사고하게 만듭니다. 기본적으로 이 모델은 설정에 따라 Claude Sonnet 또는 Opus가 사용됩니다.
모델은 코드를 읽고, 사용자의 요구 사항을 이해하며, 출력을 생성하는 역할을 합니다. Claude Code는 그 출력을 받아 실제로 유용한 작업(파일 편집, 터미널 명령 실행, 프로젝트 전반의 컨텍스트 관리 등)을 수행하는 계층입니다.
여기서 상황을 완전히 바꾸는 사실이 하나 있습니다. Claude Code 자체는 무료이며 오픈 소스입니다. 지금 바로 비용 없이 설치할 수 있습니다. 사용할 때마다 실제로 비용을 지불하는 것은 이를 구동하는 모델에 대한 API 호출 비용입니다.
관련 기사
보내는 모든 프롬프트, 읽는 모든 파일, 생성되는 모든 응답은 Anthropic의 API를 거치며, 이것이 바로 청구서나 구독 사용량에 나타저는 항목입니다.
따라서 사람들이 Claude Code가 비싸다고 말할 때, 사실 그들은 Claude Code에 대해 이야기하는 것이 아닙니다. 프론티어 모델을 실행하는 비용에 대해 이야기하는 것이죠. 이는 실질적인 우려 사항이지만 해결 가능한 문제이기도 합니다. 왜냐하면 프론티어 모델을 사용하도록 강제하는 것은 아무것도 없기 때문입니다.
Ollama를 통해 로컬 모델로 무료로 사용할 수 있습니다
로컬 LLM이 해결책입니다
출처: Raghav Sethi/All Things N Ollama는 오픈 웨이트 AI 모델을 자신의 기기에서 로컬로 실행할 수 있게 해주는 도구입니다. API도, 구독도, 사용료 청구도 없습니다. 다운로드하여 모델을 가져오면, 애플리케이션이 원격 API와 통신하는 것과 똑같은 방식으로 통신할 수 있는 로컬 서버가 기기에서 실행됩니다.
Claude Code에는 기본 모델을 교체할 수 있는 --model 플래그가 있습니다. 또한 ANTHROPIC_BASE_URL이라는 환경 변수를 설정하여 Claude Code가 완전히 다른 엔드포인트를 가리키도록 할 수 있습니다. 이를 Anthropic의 서버 대신 로컬 Ollama 인스턴스/URL로 지정하면, 완전히 자신의 하드웨어에서 실행되는, 비용이 전혀 들지 않는 완벽한 기능의 에이전트 코딩 환경을 구축할 수 있습니다.
시작하려면 먼저 Ollama를 통해 모델을 다운로드해야 합니다. 예를 들어, Ollama를 설치한 후 터미널에 다음 명령어를 입력하여 Gemma 4 모델을 다운로드할 수 있습니다.
ollama pull gemma4
어떤 모델을 선택해야 할지는 나중에 더 자세히 다루겠지만, 다운로드가 완료되면 다음 명령어를 입력하여 Claude Code와 통합할 수 있습니다.
ollama launch claude
이제 Ollama를 통해 모델을 선택하라는 메시지가 표시됩니다. 앞서 다운로드한 모델을 선택하기만 하면 끝입니다. 이제 Claude Code 안으로 들어왔습니다! 인터페이스는 동일합니다. 파일 편집, 터미널 명령, 컨텍스트 관리 등 모든 것이 기대한 대로 정확하게 작동합니다. Sonnet만큼 뛰어난가요? 아니요, 하지만 무료이면서 꽤 괜찮다는 것은 완전히 다른 가치 제안이며, 많은 일상적인 코딩 작업에서 생각보다 훨씬 더 큰 도움이 됩니다. 하지만 주의해야 할 몇 가지 단점이 있습니다. 언제나 그렇듯, 함정이 있습니다 ——————————- ### 고성능 하드웨어가 필요합니다  대규모 언어 모델을 로컬에서 실행하는 것은 소비자용 기기에 요구할 수 있는 가장 까다로운 작업 중 하나일 것입니다. 이는 범용 모델보다 더 크고 복잡한 경향이 있는 코딩 중심 모델의 경우 특히 그렇습니다. 따라서 무료라는 점에 너무 들뜨기 전에, 필요한 사양에 대해 솔직해질 필요가 있습니다. 최신 Apple Silicon Mac을 사용 중이라면 유리한 위치에 있습니다. 통합 메모리 아키텍처 덕분에 CPU와 GPU가 동일한 RAM 풀을 공유하므로 로컬 모델에 매우 적합합니다. 32GB M-시리즈 Mac 정도면 현재 최고 수준의 옵션을 무리 없이 처리할 수 있습니다. GPU 측면에서는 더 높은 VRAM을 갖춘 GPU가 비슷한 성능을 제공합니다. 현재 추천할 만한 모델 두 가지는 [Qwen3.6](https://huggingface.co/Qwen/Qwen3.6-27B)과 [Gemma 4](https://huggingface.co/google/gemma-4-31B)입니다. Qwen3.6은 에이전트 코딩을 위해 특별히 제작되었으며, 프론트엔드 워크플로우와 리포지토리 수준의 추론 기능이 개선되었습니다.  이 모델은 27B 및 35B 버전으로 제공되며 실행 방식에 따라 약 17~24GB의 메모리를 사용합니다. Gemma 4는 Google DeepMind의 최신 제품군으로, 4B 활성 파라미터만 사용하는 26B MoE 모델과 고사양 설정을 겨냥한 31B 밀집형 변형 모델이 있습니다. 둘 다 Ollama에서 지원하며 탄탄한 코딩 벤치마크 성능을 보여줍니다. 16GB 통합 메모리를 사용 중이라도 불가능한 것은 아닙니다. 더 작은 Gemma 4 E4B는 엣지 디바이스를 위해 특별히 설계되었으며 4비트 모드에서 약 5GB로 실행됩니다. 모델 품질에 대해 말하자면, Opus와 비교할 수는 없습니다. 그것이 현실입니다. 하지만 제 경험상 일상적인 코딩 작업에서의 격차는 놀라울 정도로 줄어들었습니다. 생각보다 훨씬 작습니다.  관련 기사 ##### Gemma 4가 제 로컬 LLM 스택을 완전히 대체했습니다 Gemma 4 덕분에 로컬 LLM이 실용적이고 개인적이며 일상적인 하드웨어에서도 유용하게 느껴지게 되었습니다. ### 직접 사용해 보고 판단하세요 저는 현재 별도의 기기를 추론 서버로 운영하고 있으며, 그 위에서 Ollama가 모든 로컬 모델 작업을 처리하게 하고 있습니다. 개발 작업을 할 때는 노트북에서 해당 서버에 연결하기만 하면 됩니다. 여전히 Claude를 구독하고 있지만, 사소한 작업에 토큰을 낭비하고 싶지 않을 때는 훌륭한 대안이 됩니다. 모델 성능이 더 뛰어난 것은 아닙니다. 그것이 솔직한 현실입니다. 하지만 Pro 구독을 고민 중이라면 먼저 이 방법을 시도해 볼 가치가 있으며, 이미 구독 중이라도 설정해 두는 것이 좋습니다. ##### Claude Code Claude Code는 Anthropic이 구축한 에이전트 코딩 도구로, 터미널 내에서 직접 작동합니다. 프로젝트 전체의 파일을 읽고, 편집하고, 관리하며, 명령을 실행하고, 다단계 코딩 작업을 스스로 수행할 수 있습니다.          