Anthropic Claude Fable 5 사용 전 체크할 가격과 안전 분류기 이슈

다들 성능 얘기를 먼저 하지만, 같이 나오는 불만도 비슷하다

Claude Fable 5에 대한 초기 반응을 보면 대체로 첫 문장은 비슷하다. 코딩 성능이 좋고, 긴 문맥을 잘 버티고, 복잡한 작업에서 확실히 힘이 있다는 식이다. 그런데 그다음 문장도 꽤 자주 겹친다. 비용이 너무 빨리 쌓인다, 정상적인 기술 질문도 거절될 때가 있다, 민감한 주제에선 라우팅이 걸리는 것 같다는 반응이다.

이건 단순한 불평이라기보다, 이 모델을 실제로 어디에 써야 할지 보여주는 단서에 가깝다. 지금의 Fable 5는 모두에게 무난한 기본 모델이라기보다, 비용과 조건을 감수하고서라도 어려운 작업을 맡길 가치가 있는지를 따져야 하는 모델에 더 가깝다.

Claude Fable 5는 어떤 모델인가

Anthropic은 2026년 6월 9일 Claude Fable 5와 Claude Mythos 5를 공개했다. 둘 다 Mythos 계열로 묶이지만, 일반 사용자가 실제로 접할 가능성이 더 큰 쪽은 Fable 5다. Fable 5는 Claude API, AWS, Amazon Bedrock, Vertex AI, Microsoft Foundry에서 제공되고, Mythos 5는 승인된 Project Glasswing 고객에게만 제한적으로 제공된다. Anthropic 발표 모델 소개 문서 (영어주의)

공식 문서 기준으로 모델 ID는 claude-fable-5, claude-mythos-5다. 두 모델 모두 기본 1M 토큰 컨텍스트와 최대 128k 출력 토큰을 지원한다. adaptive thinking은 항상 켜져 있고, extended thinking은 지원하지 않는다. 방향만 보면 짧은 질의응답보다 큰 명세, 긴 문맥, 오래 이어지는 작업을 맡기는 쪽에 더 가깝다.

가격부터 보면 가벼운 실험용 모델은 아니다

공식 가격표 기준으로 Fable 5는 입력 100만 토큰당 10달러, 출력 100만 토큰당 50달러다. Anthropic 가격표 (영어주의) 이 숫자만 봐도 이미 포지션이 보인다. 짧은 질문을 많이 던지는 범용 챗봇보다, 값이 나가더라도 어려운 작업을 맡겨 성과를 내는 모델 쪽에 가깝다.

실제 사용에서 체감 비용이 빨리 커지는 이유도 여기서 나온다. 긴 문맥과 긴 출력이 장점인 모델일수록, 한 번 잘 맞기 시작하면 사용량이 빠르게 불어난다. 특히 큰 코드베이스 분석, 긴 리팩터링, 장시간 에이전트 작업을 붙이기 시작하면 가격은 금방 눈에 들어온다.

그래서 Fable 5는 생각보다 잘하네보다 이 성능을 이 비용에 쓸 이유가 충분한가를 같이 묻게 되는 모델이다.

초기 평가는 코딩 쪽에 훨씬 많이 모여 있다

공개 반응은 지금도 대부분 코딩 작업에 집중돼 있다. 긍정적인 쪽은 꽤 분명하다.

• 어려운 코딩과 대규모 코드베이스 분석에서 강하다는 평가
• 리팩터링과 아키텍처 설계에서 구조적으로 잘 밀고 간다는 반응
• 장시간 에이전트 작업을 비교적 안정적으로 이어간다는 인상

이 반응은 단순한 마케팅 문구와는 조금 다르다. Simon Willison은 약 5.5시간 테스트한 뒤 느리고 비싸지만 유능하다는 식으로 정리했고, Ethan Mollick도 긴 명세와 장시간 작업에서 강점을 봤다고 적었다. 이 평가는 아직 초기 사용자 경험에 가깝지만, 적어도 고난도 개발 작업에서 관심을 받을 만하다는 신호는 충분하다.

반대로 Mythos 5는 접근 자체가 제한적이라 공개된 실사용 근거가 적다. 지금 돌아다니는 체감 평가는 대부분 Fable 5 기준으로 보는 편이 맞다.

진짜 장벽은 가격과 안전 분류기다

Fable 5의 가장 현실적인 장벽은 가격이다. 긴 문맥과 긴 출력이 장점인 모델이라, 잘 쓰기 시작할수록 비용도 같이 올라간다. 일부 Max나 Pro 사용자들이 사용량이 빠르게 줄어든다고 말하는 이유도 여기와 맞닿아 있다.

여기에 안전 분류기 이슈가 더해진다. 공식 문서상 Fable 5는 일부 요청을 stop_reason: refusal로 거절할 수 있다. 사용자 후기에서는 보안, 생물학, 화학, FPGA 같은 기술 주제에서 정상적인 요청이 거절되거나, Opus 4.8로 라우팅된 듯 보였다는 사례가 나왔다. 이건 단순한 불편이 아니라, 특정 업무 영역에서는 생산성을 바로 끊어버릴 수 있는 문제다.

즉 Fable 5의 문제는 성능이 약하다가 아니다. 오히려 성능은 좋아 보이는데, 바로 그 성능 때문에 가격과 안전 장치 이슈가 더 크게 체감되는 쪽에 가깝다.

데이터 보존 조건은 팀 도입에서 더 민감하다

기업 환경에서는 30일 데이터 보존 조건도 꼭 같이 봐야 한다. GitHub Copilot 공지와 Anthropic 지원 문서에 따르면 Mythos 계열 모델은 다른 Claude 모델과 달리 zero data retention 조건으로 운영되지 않는다. prompts와 outputs는 안전 분류기 운영을 위해 최대 30일 보존되며, 이후 삭제된다고 안내돼 있다. GitHub Copilot 공지 Mythos 데이터 보존 문서 (영어주의)

이 문장은 개인 사용자보다 조직에서 더 무겁게 읽힌다. 민감한 코드, 보안 연구, 내부 문서를 다루는 팀이라면 성능이 좋다는 이유만으로 바로 넣기 어렵다. 특히 기존에 zero data retention을 기본 전제로 모델을 골랐다면, Fable 5는 기술 검토보다 먼저 거버넌스 검토를 거치게 될 가능성이 크다.

누구에게 맞고, 누구에겐 아직 부담일까

Fable 5가 맞는 쪽은 비교적 분명하다.

• 큰 코드베이스를 다루는 개발팀
• 복잡한 설계와 리팩터링을 자주 맡기는 사용자
• 긴 문서와 표, 차트까지 한꺼번에 보는 엔터프라이즈 워크플로
• 작업 하나의 완성도가 비용보다 더 중요한 경우

반대로 이런 경우에는 아직 부담이 크다.

• 비용에 민감한 개인 사용자
• 짧은 질문 위주로 자주 쓰는 사용자
• 보안, 바이오, 화학처럼 안전 분류기 오탐이 업무를 막을 수 있는 팀
• zero data retention이 사실상 필수인 조직

즉 Fable 5는 모두를 위한 새 기본값보다 조건이 맞는 팀에게는 강력한 후보로 보는 편이 현실적이다.

내 생각

Claude Fable 5는 가벼운 범용 챗봇이라기보다 비싼 고성능 작업 모델에 가깝다. 어려운 코딩과 장기 에이전트 작업에서는 분명한 체감 성능이 보고되고 있다는 점에서, 긍정적으로 볼 이유도 충분하다.

다만 이 모델을 좋게 보는 쪽에서도 결국 같은 조건표로 돌아오게 된다. 비용, 거절률, 데이터 보존 조건이 실제 도입 판단을 좌우한다. 그래서 Fable 5는 좋은 모델인가보다 우리 작업이 이 비용과 조건을 감당할 만큼 어렵고 중요한가로 판단하는 편이 맞다.

정리하면 이렇다. Fable 5는 분명 강력한 모델이다. 하지만 아무 워크플로에나 바로 넣을 모델은 아니다. 큰 개발 작업을 맡길 때는 꽤 강한 후보지만, 민감 분야와 비용 제한이 있는 환경에서는 Opus, Sonnet, GPT, Gemini 계열을 같이 두고 라우팅 전략을 짜는 쪽이 더 현실적이다.