핵심 요약
AI 요약
기사 목차 펼치기 / 접기
앤트로픽(Anthropic)의 클로드 페이블(Claude Fable) 5.2는 지금 당장 공식 API와 개발 도구에서 호출해 실무에 투입할 수 있지만, 무턱대고 최고 추론량을 걸었다가는 비용만 세 배 넘게 치르고 점수는 떨어지는 역전 현상이 나타났다. 함께 선보인 미소스(Mythos) 5.2 역시 도입에 앞서 검증된 조직이나 연구자 자격 요건부터 확인해야 한다.
같은 기반 모델, 즉시 배포와 접근 자격의 차이
앤트로픽은 지난 9일 페이블·미소스 5.2 출시를 발표하고 공식 콘솔과 주요 클라우드 환경에 즉시 배포했다. 두 모델은 동일한 기반 파운데이션 모델을 공유하지만 실제 제공 통로와 보안 허용 범위는 크게 나뉜다. 페이블은 일반 개발자와 기업이 오늘 곧바로 호출할 수 있는 범용 모델이며, 미소스는 엄격한 심사를 통과한 적격 조직과 보안 연구자에게만 제한 제공한다. 미소스에는 사이버 보안 분석과 생명과학 연구를 더 넓게 허용하는 특화 안전장치가 적용된다.
두 모델은 텍스트와 이미지를 입력받아 텍스트를 출력하며, 공식 모델 사양상 컨텍스트는 100만토큰, 최대 출력은 12만8000토큰이다. 100만토큰은 수십만 줄 규모의 코드베이스나 방대한 기술 규격서 수십 권을 단번에 프롬프트에 적재할 수 있는 용량이다. 다만 처리 가능한 지면이 넓어졌다고 해서 긴 문서 구석에 숨은 결함과 의존성까지 모델이 항상 정확하게 짚어낸다는 의미는 아니다.
두 모델의 표준 API 단가는 입력 100만토큰당 8달러(약 1만780원), 출력은 40달러(약 5만3880원)다. 원화 환산액은 10일 Wise 기준 환율(달러당 1347.05원)을 적용했다. 단, 미소스는 같은 돈을 낸다고 누구나 접속할 수 없다.
코딩·과학 벤치마크 개선폭과 측정 조건
앤트로픽의 출시 비교표는 오푸스(Opus) 5.5와 경쟁사 모델을 대상으로 코딩·과학 분야의 개선을 비교했다. 아래는 공식 출시 발표에 실린 결과이며, 평가마다 과제와 실행 조건이 다르다.
| 평가 | 페이블 5.2 | 페이블 5.1 | 오푸스 5.5 | GPT-6 아스트라(GPT-6 Astra) | 제미나이(Gemini) 4 Carbon |
|---|---|---|---|---|---|
| 프런티어코드 2.0(FrontierCode 2.0) | 49.1% | 32.4% | 45.5% | 42.8% | 41.1% |
| Terminal-Bench-Science 0.1 | 74.6% | 52.6% | 58.7% | 68.1% | 64.8% |
| AutomationBench | 51.4% | 31.4% | 42.5% | 41.4% | 53.9% |
공식 시스템 카드에 따르면 프런티어코드는 실제 깃허브 저장소의 코드 수정 작업을 평가하며, 132과제를 각각 5회 실행해 기능 검사와 평가 기준의 점수를 평균냈다. 단순히 몇 문제를 풀었는지 센 정답률과는 다르며, 전작 대비 상승 폭은 16.7%p다.
이 시험은 코그니션 평가(Cognition) 환경에서 진행됐다. 페이블은 xhigh, 오푸스와 아스트라(Astra)는 max, 제미나이는 medium 추론 설정의 결과다. 모델별 실행 도구와 허용된 연산 자원도 제각각 달랐다.
같은 돈과 시간을 쓴 대결로 읽으면 곤란하다.
터미널 과학 평가에서는 격리된 환경 안에서 복잡한 연구 과제를 자율 수행하게 했다. 70과제를 각각 10회 실행했으며, 페이블은 전작보다 22%p 높은 74.6%를 기록했다. 안전장치가 특정 연구 명령을 차단했을 때 다른 모델이 작업을 이어받는 대체 전환(fallback)도 평가 과정에 포함됐다. 한편 657개 실제 사무 과제를 다룬 업무 자동화 평가에서는 페이블이 51.4%로 전작(31.4%)을 크게 앞섰지만 제미나이 4 Carbon(53.9%)보다는 낮았다.
독립 평가기관인 아티피셜 애널리시스(Artificial Analysis)의 종합지수에서도 페이블 max는 65점으로 제미나이 high(60점)와 아스트라 max(57점)를 앞섰다. 코딩과 과학 영역의 개선이 앤트로픽 내부 시험실에만 머물지는 않은 셈이다. 다만 종합지수 65점을 시험 문제 100개 중 65개를 맞혔다는 의미로 단순 치환해서는 안 된다.
토큰 단가 인하와 추론 설정별 과제당 비용 역전
페이블 5.2의 입력·출력 단가는 전작보다 각각 20% 낮아졌다. 하지만 오푸스 5.5 요금과 비교하면 여전히 두 배 수준이다. 실제 청구서에는 토큰 단가와 더불어 모델이 답을 도출하기까지 소비하는 사고 토큰과 도구 호출 회수, 캐시 적중률이 복합적으로 작용한다.
시스템 카드에 수록된 코그니션 프런티어코드 결과는 이 차이를 명확히 드러낸다. 다음은 페이블 5.2 단일 모델에서 내부 추론 연산량 설정만 바꿨을 때의 점수와 과제당 소요 비용이다.
| 추론 설정 | 점수 | 과제당 평균 비용 |
|---|---|---|
| high | 45.3% | 6.72달러(약 9050원) |
| xhigh | 49.1% | 14.19달러(약 1만9110원) |
| max | 45.7% | 44.7달러(약 6만210원) |
max 설정의 과제당 비용은 44.7달러로 xhigh(14.19달러)의 약 3.15배였지만, 점수는 오히려 3.4%p 낮았다. 연산량을 늘리는 데 쓴 막대한 비용이 이 시험에서는 점수 상승으로 이어지지 않았다.
시간 제한 규정이 이 역전 현상의 직접적인 원인으로 작용했다. 시스템 카드의 시간 초과 분석 집계를 보면 max의 총 660시도 중 22시도는 정해진 시간을 넘겨 타임아웃 당시까지 작성된 불완전한 결과물로 채점됐다. 이를 모두 0점 처리하면 점수는 44.4%로 내려앉아 오푸스 5.5의 45.5%보다도 낮아진다. 최고 추론량과 최고 실전 성능은 일치하지 않았다.
“추론량을 무조건 최대로 올린다고 결과물이 비례해서 정교해지지 않는다. 지연 시간과 타임아웃 위험을 고려할 때, 실무 파이프라인의 실질적 효율 구간은 high와 xhigh에 형성된다.”
법률·회계 평가의 반례와 2단계 라우팅 기준
평가 분야를 전문 직무로 돌리면 또 다른 결과가 나온다. 발스 AI(Vals AI)의 미국법 조사 평가에서는 페이블 5.2가 46.15%, 전작이 55.29%였다. 208문항에서 모델 답변이 채점 기준을 완전하게 통과했는지 평가한 수치다. 한국법이나 법률 업무 전반의 정확도로 확대 해석할 수는 없다.
듀얼엔트리(DualEntry)의 회계 벤치마크 평가에서도 5.2는 81.2%, 5.1은 85.1%였다. 합성 회계 전표 과제 101개를 각각 3회 실행해 다수결 통과 비율을 계산했다. 코딩과 과학 종합 순위표에서 앞선 모델이 특정 직무 영역에서도 늘 앞서는 것은 아니다. 두 평가의 추론 설정 차이까지 분리해 검증한 결과는 아니므로, 모델 자체가 퇴보했다고 단정하기도 어렵다.
반대로 종합 생산성을 측정한 발스 종합지수(Vals Index)에서는 페이블 5.2가 71.31%, 오푸스가 70.14%였다. 표시된 과제당 평가 비용도 각각 17.94달러(약 2만4170원), 24.77달러(약 3만3370원)로 페이블이 27.6% 저렴했다. 이때 페이블의 기본 설정은 high였고, 오푸스 평가 설정은 max였다. 비용 역전 현상을 모든 업무에 일괄 적용할 수는 없다.
앤트로픽 역시 공식 모델 도입 안내를 통해 일반 업무는 최신 오푸스로 시작하고, 높은 추론 설정에서도 요구에 못 미칠 때 페이블로 이동하라고 권고한다. 일상 업무는 비용이 저렴한 모델로 처리하고 복잡한 병목에 한해 상위 모델을 호출하는 2단계 라우팅이 권장된다.
미소스의 보안·생명과학 특화와 자격 획득 경로
보안 취약점 재발견 평가(CVE Rediscovery)에서 미소스 5.2는 89.6%를 기록하며 오푸스 5.5(81.3%)를 앞섰다. 알려진 보안 취약점 공지 1829건을 각각 한 번씩 평가한 결과다. 사이버·생물학 안전장치를 해제하고 인터넷을 차단한 통제 조건에서 측정한 결과로, 배포된 미소스의 모든 권한이 이 시험 조건과 같지는 않다.
단백질 설계 평가 점수는 85.1%로, 표적 15개마다 H200 GPU 한 대와 24시간을 주고 결합 후보 단백질 30개를 설계하게 했다. 후보 설계 평가를 약물 개발 성공률이나 실험실 검증 성공률로 부를 수는 없다. 전문 분야의 가능성과 실제 연구 성과 사이에는 확인할 단계가 남는다.
보안 검증 프로그램(CVP)은 개인 연구자의 방어적 접근(Defense Access) 신청도 받는다. 용도에 따라 권한을 나누고, 생물학 안전장치는 계속 적용한다. 반면 생명과학 검증 프로그램(LSVP)은 현재 엔터프라이즈(Enterprise)·팀(Team)·API의 검증된 조직 대상이다. 개인용 Free·Pro·Max·Ultra 플랜은 대상이 아니다.
엔터프라이즈 고객은 미소스 기반 보안 제품인 클로드 시큐리티(Claude Security)를 이용할 수도 있지만, 보안 제품 이용과 모델 직접 접근 권한은 구분된다. 이름을 모델 선택창에서 골랐는지보다, 어떤 업무에 어떤 권한을 받았는지가 실제 이용 범위를 결정한다.
세부 평가 조건에서 미소스는 수정에 쓰인 파일 목록을 제공받았다. 여러 보고 중 하나가 알려진 취약점의 원인과 일치하면 성공으로 셌다. 첫 보고만 채점하면 오푸스와의 격차는 8.3%p에서 2.6%p로 줄었다. 미소스가 코드 전체에서 무엇부터 찾아내고 먼저 보고할지는, 최고 점수 옆에 남아 있는 문제다.
