1 · RULE No.17 — 텍스트 밖으로1 · Rule No.17 — step outside the text

지금까지 우리가 클로드와 나눈 대화를 돌아보면, 거의 전부 텍스트였을 거예요. 프롬프트를 쓰고, 답을 읽고, 다시 쓰고. 그런데 클로드는 텍스트만 이해하는 게 아닙니다. 이미지도 직접 보고, 피디에프도 읽어요. 오늘은 그 능력을, 그러니까 텍스트 너머의 입력을 제대로 활용하는 법을 다룹니다. 룰 넘버 세븐틴, "텍스트 밖으로 나가라."Looking back at all the conversations we've had with Claude so far, almost everything was text. Write a prompt, read an answer, write again. But Claude doesn't just understand text. It looks directly at images, and it reads PDFs too. Today we cover how to properly use that capability — inputs beyond the text. Rule Number Seventeen: step outside the text.

2 · Claude한테 이미지를 보여줬더니2 · We showed Claude an image

한 장면을 볼게요. 매장 담당자가 이번 달 매출 차트를 캡처해서 붙이고 "이번 달 트렌드 분석해줘"라고 했더니, 클로드가 수치와 패턴을 읽어 곧바로 분석을 내놨습니다. 다음엔 재고 현황 스크린샷을 붙이고 "문제 있는 항목 찾아줘"라고 했더니, 이미지를 직접 보고 바로 파악해 줬어요. 텍스트로 그 내용을 일일이 타이핑해서 설명하는 것보다, 이미지 하나를 던지는 게 훨씬 빠르고 정확했죠.Let's look at one scene. A store associate captured this month's sales chart and attached it, asking "analyze this month's trend." Claude read the numbers and patterns and immediately produced an analysis. Then a screenshot of inventory status was attached with "find any problem items," and Claude looked at the image directly and grasped the situation right away. Throwing in one image was much faster and more accurate than typing out all that information as text one piece at a time.

이게 오늘의 출발점입니다. 텍스트로 설명하기 어렵거나 오래 걸리는 것들이 있어요. 화면에 보이는 상태, 차트의 모양, 문서 레이아웃. 이런 건 이미지로 바로 보여주는 게 훨씬 효과적입니다. 오늘은 클로드가 어떤 모달을 지원하는지, 비용은 어떻게 되는지, 그리고 실제로 어떻게 쓰는지를 배웁니다.This is today's starting point. There are things that are hard or slow to explain in text. What's visible on screen, the shape of a chart, document layout. For these, showing them directly as an image is much more effective. Today we'll learn what modalities Claude supports, what the costs look like, and how to actually use them.

3 · Claude가 지원하는 모달 종류3 · The modalities Claude supports

그럼 클로드가 정확히 무엇을 볼 수 있는지 정리해 볼게요. 공식 문서 기준으로 이미지는 제이펙, 피엔지, 지아이에프, 웹피 네 가지 형식을 지원합니다. 피디에프는 모델에 따라 최대 백에서 육백 페이지를 처리할 수 있어요. 컨텍스트 이십만 토큰 모델은 백 페이지가 한도입니다. 코드나 텍스트 파일은 텍스트 블록으로 전달하면 되고, 마크다운·씨에스브이·제이슨 같은 형식도 마찬가지입니다. 지원 포맷과 파라미터는 버전마다 바뀔 수 있으니, 세부 사항은 공식 문서로 확인하세요.So let's lay out exactly what Claude can see. Based on the official docs, images support four formats: JPEG, PNG, GIF, and WebP. PDF can handle up to 100 to 600 pages depending on the model — models with a 200K context window have a limit of 100 pages. Code or text files can be passed as text blocks, and formats like Markdown, CSV, and JSON are the same. Supported formats and parameters can change by version, so check the official docs for specifics.

여기서 중요한 건, 클로드가 이 파일들을 단순히 받아서 저장하는 게 아니라는 거예요. 직접 내용을 분석합니다. 이미지 안의 텍스트를 읽고, 차트의 수치를 파악하고, 피디에프의 표를 분석할 수 있어요. 그냥 파일 첨부가 아니라, 진짜 입력으로 처리하는 거예요.What's important here is that Claude doesn't just receive and store these files. It analyzes the content directly. It can read text inside images, grasp the numbers on charts, and analyze tables in PDFs. It's not just file attachment — it processes them as genuine input.

4 · 이미지 토큰 비용4 · Image token cost

이미지를 쓸 때 꼭 알아야 할 게 있어요. 이미지도 토큰을 씁니다. 공식 공식은 가로 곱하기 세로 나누기 칠백오십이에요. 예를 들어 천구십이 곱하기 천구십이 이미지는 약 천오백육십팔 토큰이 됩니다. 텍스트와 같은 컨텍스트 윈도우 안에서 차감되고, 이미지가 클수록 토큰을 더 많이 써요. 단, 오퍼스 포 같은 최신 모델은 고해상도 처리 시 같은 이미지가 최대 약 사천칠백팔십사 토큰까지 쓸 수도 있으니, 정확한 값은 공식 문서를 꼭 확인하세요.There's something you need to know when using images. Images use tokens too. The official formula is width times height divided by 750. For example, a 1092 by 1092 image works out to about one thousand five hundred sixty-eight tokens. It's deducted from the same context window as text, and the larger the image, the more tokens it uses. Note that newer models like Opus 4 can use up to about four thousand seven hundred eighty-four tokens for the same image at high resolution, so always check the official docs for exact figures.

그래서 실용적인 팁이 하나 있어요. 이미지가 무조건 크다고 좋은 게 아닙니다. 차트 분석이나 텍스트 추출 같은 경우엔 해상도를 낮춰도 충분할 때가 많아요. 불필요하게 큰 이미지는 리사이즈하거나 압축해서 보내면 토큰을 아낄 수 있습니다. 이게 룰 넘버 투, 컨텍스트를 지켜라와 이어져요. 이미지 크기를 조절해서 컨텍스트를 지키는 거예요.So here's a practical tip. Bigger isn't always better for images. For cases like chart analysis or text extraction, lower resolution is often enough. Sending unnecessarily large images resized or compressed can save tokens. This connects back to Rule Number Two, protect context. Managing image size is how you protect context.

5 · PDF 처리 능력5 · PDF processing power

피디에프 처리도 강력합니다. 공식 문서 기준으로 모델에 따라 최대 백에서 육백 페이지를, 요청 크기는 삼십이 메가바이트 한도 안에서 한 번에 처리할 수 있어요. 페이지당 약 천오백에서 삼천 토큰이 소모되는데, 내용 밀도에 따라 달라집니다. 표나 그래프도 읽을 수 있고, 특정 섹션을 요약하거나 여러 페이지를 교차 분석하는 것도 가능해요. 계약서나 리포트, 논문 전체를 통째로 넘기고 질문할 수 있다는 뜻입니다.PDF processing is powerful too. Based on the official docs, it can handle up to 100 to 600 pages depending on the model, with a request size limit of 32 megabytes. Each page consumes roughly 1,500 to 3,000 tokens depending on content density. It can read tables and graphs, summarize specific sections, and cross-analyze multiple pages. That means you can hand over an entire contract, report, or paper and ask questions about it.

다만 두 가지는 주의하세요. 모델 한도를 넘는 큰 문서는 분할해서 나눠 보내야 합니다. 그리고 스캔해서 만든 피디에프, 즉 글자를 그림처럼 찍은 문서는 정확도가 떨어질 수 있어요. 디지털 원문으로 저장된 피디에프라면 훨씬 정확하게 처리됩니다.But watch out for two things. Documents larger than the model's page limit need to be split and sent in parts. And scanned PDFs — documents where text is captured as images rather than actual text — can be less accurate. PDFs saved as digital source files are processed much more accurately.

6 · 실제 활용 패턴6 · Real usage patterns

실제로 어떻게 쓰이는지 패턴을 보겠습니다. 매출 차트 이미지를 직접 주면 수치와 트렌드를 분석해 줍니다. 숫자를 일일이 설명하는 것보다 훨씬 빠르죠. 매장 현황 사진이나 재고 현황 스크린샷을 주면 문제점과 개선점을 바로 파악할 수 있고요. 전단이나 피오피 시안을 이미지로 붙이면 가독성과 배치에 대한 피드백도 받을 수 있습니다.Let's look at the patterns of how it's actually used. Give a sales chart image directly and Claude analyzes the numbers and trends — much faster than explaining them one by one. Show a store layout photo or inventory screenshot and it identifies problems and improvements right away. Attach a flyer or POP display mockup as an image and you can get feedback on readability and layout.

문서나 계약서는 피디에프째로 넘기고 특정 조항을 요약하거나 비교해 달라고 할 수 있어요. 손으로 쓴 노트도 이미지로 주면 텍스트로 변환해 줍니다. 공통점이 하나 있어요. 텍스트로 옮기면 정보 손실이 생기거나 타이핑이 번거로운 것들입니다. 원본 시각 정보를 그대로 전달하는 게 훨씬 유리하죠.Documents or contracts can be passed as PDFs and you can ask for specific clauses to be summarized or compared. Even handwritten notes sent as images can be converted to text. There's one thing in common. These are all things where converting to text loses information or makes typing tedious. Passing the original visual information directly is much more advantageous.

7 · 시각 정보 vs 텍스트 설명7 · Visual info vs text description

왜 이미지가 텍스트 설명보다 더 정확한 경우가 많을까요. 원리를 보겠습니다. 텍스트 설명은 사람이 시각 정보를 언어로 번역하는 과정을 거칩니다. "버튼이 파란색이고 오른쪽 상단에 있다"라고 쓸 때, 이미 해석이 들어가 있어요. 어떤 파란색인지, 정확히 어디에 있는지, 다른 요소들과의 관계는 어떤지 같은 디테일이 빠지거나 틀릴 수 있습니다.Why are images often more accurate than text descriptions? Let's look at the principle. Text descriptions go through a process of a person translating visual information into language. When you write "the button is blue and in the top right," interpretation is already happening. Details like what shade of blue, exactly where, and how it relates to other elements can be dropped or wrong.

이미지를 직접 주면 그 번역 단계가 없어집니다. 클로드가 원본을 직접 보고 분석해요. 사람이 중간에서 해석하면서 생기는 오류나 누락이 없어지는 거죠. 이게 멀티모달의 핵심 이점입니다. 텍스트로 설명하기 어려운 것, 설명하면 정보가 줄어드는 것 — 그런 건 이미지로 직접 보여주는 게 낫습니다.When you give the image directly, that translation step disappears. Claude looks at and analyzes the original directly. There's no error or omission from a person interpreting in the middle. This is the core benefit of multimodal. Things hard to explain in text, things where explanation reduces information — those are better shown directly as images.

8 · 이미지 입력 최적화8 · Optimizing image input

이미지를 줄 때도 프롬프트 설계가 중요합니다. 세 가지를 기억하세요. 첫째, 목적에 맞는 크기. 아까 말씀드렸듯이 무조건 크다고 좋은 게 아니에요. 차트 분석이면 고해상도가 없어도 됩니다. 둘째, 명확한 질문. "이 차트에서 이천이십오년 최대값은 얼마야?"처럼 구체적으로 물어야 해요. 그냥 "분석해줘"보다 훨씬 좋은 답이 나옵니다.Prompt design matters when giving images too. Remember three things. First, the right size for the purpose. As I mentioned, bigger isn't always better. For chart analysis, you don't need high resolution. Second, a clear question. Ask specifically, like "what's the maximum value in this chart for 2025?" Much better answers come out than just "analyze this."

셋째, 필요한 맥락 텍스트를 같이 줍니다. 이미지만으로는 전달이 안 되는 배경 정보가 있어요. "이건 우리 서비스의 6월 매출 차트야. 전월 대비 변화를 분석해줘"처럼 이미지에 텍스트를 더하면 훨씬 정확한 분석이 나옵니다. 이미지가 시각 정보를 담당하고, 텍스트가 맥락을 담당하는 거예요. 둘이 함께여야 최적입니다.Third, add the necessary context text alongside. There's background information that images alone can't convey. Adding text to the image like "this is our service's June revenue chart. analyze the change from the previous month" produces much more accurate analysis. The image handles the visual information, and the text handles the context. Both together is optimal.

9 · 멀티모달 워크플로우 설계9 · Designing a multimodal workflow

멀티모달을 좀 더 체계적으로 보겠습니다. 이미지와 피디에프 입력을 워크플로우 관점에서 보면, 일종의 입력 변환기예요. 시각 정보를 구조화된 텍스트로 바꿔주는 역할을 합니다. 도식을 보세요. 시각 정보 원본이 있고, 이미지나 피디에프로 입력하면, 클로드가 분석해서 구조화된 텍스트 결과를 내놓고, 그게 다음 단계 처리로 이어집니다.Let's look at multimodal more systematically. Viewing image and PDF input from a workflow perspective, it's a kind of input converter. It plays the role of transforming visual information into structured text. Look at the diagram. There's a visual source, you input it as an image or PDF, Claude analyzes it and produces a structured text result, and that feeds into the next stage of processing.

예를 들어, 스캔한 영수증 이미지를 주면 → 금액·날짜·항목이 텍스트로 추출되고 → 그 텍스트를 가계부 시스템에 입력하는 식이죠. 또는 피디에프 계약서를 주면 → 핵심 조항이 요약 텍스트로 나오고 → 그걸 리뷰 체크리스트에 넣는 워크플로우. 이미지는 파이프라인의 시작을 담당합니다. 시각 정보를 처리 가능한 텍스트로 바꿔주는 거예요.For example, give a scanned receipt image → amounts, dates, and items are extracted as text → that text is input into a bookkeeping system. Or give a PDF contract → key clauses come out as summary text → workflow puts that into a review checklist. Images handle the start of the pipeline. They convert visual information into processable text.

10 · 주의사항 — 프라이버시·비용10 · Watch out — privacy & cost

멀티모달을 쓸 때 두 가지를 꼭 챙겨야 합니다. 첫째, 프라이버시입니다. 이미지에는 텍스트보다 더 많은 개인정보가 담길 수 있어요. 얼굴, 주민등록번호, 의료 정보 같은 것들이죠. 에이피아이로 이미지를 전송하기 전에 민감한 정보가 포함돼 있는지 확인하고, 필요하면 마스킹하거나 제거해야 합니다. 사용하는 서비스의 데이터 처리 정책을 반드시 숙지하세요.Two things to always handle when using multimodal. First, privacy. Images can contain more personal information than text. Faces, ID numbers, medical information, and the like. Before transmitting images via the API, check whether sensitive information is included, and mask or remove it if necessary. Be sure to understand the data processing policy of the service you're using.

둘째, 비용입니다. 이미지가 많으면 토큰이 빠르게 쌓입니다. 특히 배치로 이미지를 처리하는 경우엔 사전에 비용을 추정하고 예산을 잡아야 해요. 앞서 배운 이미지 크기 최적화도 비용 관리의 일부입니다. 이건 지난 강에서 다룬 비용과 거버넌스와 이어져요. 멀티모달도 비용 계획 안에 포함시켜야 합니다.Second, cost. Many images stack up tokens fast. Especially when processing images in batch, you need to estimate costs in advance and set a budget. The image size optimization we covered earlier is also part of cost management. This connects to the cost and governance we covered last time. Multimodal needs to be included in your cost plan too.

11 · 멀티모달 활용 체크리스트11 · Multimodal usage checklist

이미지를 쓰기 전에 다섯 가지만 점검하세요. 첫째, 이게 텍스트로 설명하기 어려운 건지 생각해봐요. 텍스트로도 충분하면 굳이 이미지 쓸 필요 없어요. 둘째, 지원 포맷인지 확인하세요. 제이펙, 피엔지, 지아이에프, 웹피, 피디에프. 이 다섯 가지가 지원 포맷입니다. 셋째, 크기가 적절한지 봐요. 목적에 맞게 리사이즈하거나 압축해서 불필요한 토큰 소모를 줄입니다.Check just five things before using an image. First, think about whether this is hard to explain in text. If text is sufficient, there's no need to use an image. Second, check whether it's a supported format. JPEG, PNG, GIF, WebP, PDF — these five are the supported formats. Third, check whether the size is appropriate. Resize or compress to fit the purpose and reduce unnecessary token consumption.

넷째, 민감한 정보가 없는지 확인하세요. 개인정보가 있으면 마스킹하고 보냅니다. 다섯째, 질문이 명확한지 점검해요. 이미지에 구체적인 질문을 더해야 좋은 답이 나옵니다. 이 다섯 가지를 습관으로 만들면, 멀티모달을 안전하고 효과적으로 쓸 수 있습니다. 이미지는 항상 쓰면 좋은 게 아니라, 텍스트보다 효과적일 때 쓰는 겁니다.Fourth, check whether there's sensitive information. If there's personal information, mask it before sending. Fifth, check whether the question is clear. Adding a specific question to the image produces good answers. Making these five a habit lets you use multimodal safely and effectively. Images aren't something to always use — they're something to use when they're more effective than text.

12 · 텍스트로 못하고 이미지로 하는 것들12 · What images do that text can't

오늘 배운 걸 한 줄로 정리해볼게요. 텍스트가 못하는 것을 이미지가 합니다. 네 가지가 있어요. 공간 레이아웃, 그러니까 요소들이 화면에서 어디에 어떻게 배치돼 있는지. 시각적 패턴, 색상이나 형태, 트렌드의 모양. 현재 상태 스냅샷, 에러가 나는 바로 그 순간의 화면. 그리고 손글씨나 그림처럼 텍스트로는 아예 전달이 안 되는 것들. 이 네 가지는 이미지가 압도적으로 유리합니다.Let me lock in what we've learned today into one line. What text can't do, images do. There are four things. Spatial layout — where and how elements are positioned on screen. Visual patterns — the shape of colors, forms, trends. Current-state snapshots — the screen at the exact moment the error occurs. And handwriting or drawings that simply can't be conveyed in text at all. For these four, images are overwhelmingly better.

13 · 실전 레시피13 · The practical recipe

맨 처음 콜드 오픈에서 봤던 장면을 결론으로 돌려받아 볼게요. 차트를 텍스트로 설명하면 "차트 왼쪽에 막대가 세 개 있고 오른쪽으로 갈수록 높아집니다…" 길어지고, 해석 오류가 생길 수 있고, 디테일이 빠집니다. 반면에 이미지로 직접 주면 어떨까요. 차트 이미지 하나 붙이고, "이 차트의 최대, 최소, 추세를 분석해줘"라고 하면. 짧고, 원본 그대로이고, 정확합니다.Let's take the scene from the very first cold open back as our conclusion. Explaining a chart in text: "There are three bars on the left side of the chart and they get taller going right…" It gets long, interpretation errors can appear, and details drop out. What about giving it as an image directly? Attach one chart image and say "analyze the max, min, and trend of this chart." Short, original as-is, and accurate.

실전 레시피는 간단합니다. 하나, 이미지 첨부. 둘, 구체적인 질문으로 목적 명시. 셋, 필요한 맥락 텍스트 추가. 이 세 가지예요. 텍스트가 강한 건 의미·논리·언어. 이미지가 강한 건 시각·공간·상태. 이 차이를 이해하고 적절히 섞어 쓰는 게 룰 넘버 세븐틴의 핵심입니다.The practical recipe is simple. One: attach the image. Two: state the purpose with a specific question. Three: add necessary context text. These three. Text is strong for meaning, logic, and language. Images are strong for visuals, space, and state. Understanding this difference and mixing them appropriately is the heart of Rule Number Seventeen.

14 · 닫으며 — Rule No.1714 · Closing — Rule No.17

오늘 한 단어로 요약하면 이렇습니다. 시각 정보는 이미지로, 직접, 원본 그대로, 정확하게. 텍스트로 설명하기 어렵거나, 설명하면 정보가 줄어드는 것은 이미지로 직접 보여주세요. 그게 더 빠르고, 더 정확하고, 클로드가 더 잘 분석합니다. 이미지 입력 전 다섯 가지 — 필요성, 포맷, 크기, 프라이버시, 질문 명확성 — 이걸 체크리스트로 써먹으세요.Today's one-word summary is this. Visual information as images — directly, as the original, accurately. Things hard to explain in text, or things where explanation loses information — show them directly as images. That's faster, more accurate, and Claude analyzes it better. Five things before image input — necessity, format, size, privacy, question clarity — use these as your checklist.

오늘 룰 넘버 세븐틴, 텍스트 밖으로 나가라를 배웠습니다. 클로드는 텍스트만 이해하는 게 아니에요. 이미지도 보고, 피디에프도 읽어요. 그 능력을 제대로 쓰면 할 수 있는 것의 범위가 크게 넓어집니다. 다음 시간엔 그렇게 만들어낸 결과물을 어떻게 평가하고 측정하는지를 다룹니다. 룰 넘버 에이틴, 평가와 벤치마킹. 결과물의 품질을 숫자로 잡는 법이에요.Today we learned Rule Number Seventeen, step outside the text. Claude doesn't just understand text. It sees images and reads PDFs too. Using that capability properly greatly expands the range of what you can do. Next time we'll cover how to evaluate and measure the results you produce that way. Rule Number Eighteen, evaluation and benchmarking. How to capture the quality of your results as numbers.