Claude Fable 5.1은 코딩, 지식 업무, 장기적인 문제 해결 및 과학 연구를 위한 Anthropic의 새로운 상용 모델입니다. 이 제품은 2026년 9월 1일에 출시되었습니다. 가장 두드러진 변화는 API 정가가 인상된 것이 아닙니다. 입력 요금은 여전히 토큰 100만 개당 $10이며, 출력 요금도 $50으로 유지됩니다. 대신, Anthropic는 캐시 읽기 가격을 토큰 100만 개당 $0.25로 인하했으며, 컨텍스트를 많이 재사용하는 워크로드의 경우 비용이 더 낮아질 것으로 예상됩니다.
따라서 업무가 긴 문서, 반복되는 맥락, 또는 세심하게 제한된 분석에 의존하는 경우, Fable 5.1을 진지하게 검토해 볼 가치가 있습니다. 이는 모든 접근 경로를 동일하게 만들지 않으며, 벤더의 벤치마크 결과를 독립적인 평가로 전환하지도 않습니다. 더 유용한 질문은 간단합니다. 사용하려는 경로가 워크플로우에 필요한 맥락, 제어 기능, 개인정보 보호 조건 및 모델 동작을 제공합니까?
한 곳에서 여러 모델 계열을 비교하는 팀의 경우, GlobalGPT의 다중 모델 작업 공간 이는 공식적인 방법과 함께 활용할 수 있는 실용적인 대안입니다. 동일한 작업에 대해 사용 가능한 모델들을 비교하는 데 유용하며, 특정 플랫폼을 Fable 5.1 액세스 경로로 지정하기 전에 현재 디렉터리와 계획 범위를 확인해야 합니다.
Claude Fable 5.1이란 무엇인가요?
Anthropic는 Mythos 5.1과 함께 Fable 5.1을 출시했습니다. 이 회사는 두 제품이 기본적으로 동일한 모델이지만, 보안 조치와 접근 규칙이 다르다고 설명합니다. Fable은 일반에 공개된 반면, Mythos는 사이버 보안 및 생명과학 분야의 신뢰할 수 있는 접근 프로그램 전용으로 제공됩니다. 이러한 구분은 중요합니다. Mythos의 기능을 일반적인 Fable 접근 권한으로 해석해서는 안 됩니다.
Anthropic는 Fable 5.1을 코딩, 지식 업무, 장기적인 문제 해결 및 과학 연구 분야에 중점을 두고 있습니다. 이는 제품에 대한 설명일 뿐, 모든 API 플랫폼이 동일한 도구나 제한 사항을 제공한다는 약속은 아닙니다.
이번 릴리스가 단순한 모델 이름 변경보다 더 중요한 의미를 갖는 이유는, 기능, 노력 관리, 캐시 효율성, 그리고 보다 명확한 배포 경계가 결합되었기 때문입니다. 개발자의 입장에서 이는 반복적인 컨텍스트 작업에 대해 모델의 도입 근거를 제시하기가 더 쉬워진다는 것을 의미합니다. 연구팀의 입장에서 이는 강력한 소스 기반 답변을, 여전히 도구 접근, 사람의 검토, 경로별 보존 조건이 필요한 워크플로우와 분리할 수 있게 된다는 것을 의미합니다.
- 다음 용도로 사용하세요: 코드 진단, 문서 종합, 제약 조건이 많은 분석, 이미지-텍스트 변환 해석.
- 먼저 확인하세요: 선택한 경로의 컨텍스트 제한, 도구 사용 가능 여부, 데이터 보존 기간, 지역 및 요금제 이용 권한.
- 다음과 같이 추론해서는 안 됩니다: 클라우드 전용 사양인 Mythos 액세스나 공식 벤치마크가 귀하의 계정에 자동으로 적용된다는 의미는 아닙니다.
한눈에 보는 정체성
Claude Fable 5.1은 어디에서 이용할 수 있나요?
Anthropic는 Fable 5.1 모델이 자사 플랫폼 전반에서 이용 가능하며, AWS, Google Cloud, Microsoft Azure를 예로 들었습니다. Anthropic의 API에서 이 모델의 식별자는 클로드-파블-5-1. AWS Bedrock 경로의 경우, 문서에 명시된 컨텍스트, 출력, 입력, 캐시 및 보존 규칙은 AWS 문서에 포함된 내용이며, 다른 모든 경로에도 동일하게 적용된다고 가정해서는 안 됩니다.
- Anthropic API: 문서에 명시된 모델 식별자와 현재 플랫폼의 제한 사항을 사용하십시오.
- AWS Bedrock: AWS는 자사의 라우트에 대해 1M 토큰의 컨텍스트 윈도우, 최대 128K의 출력, 텍스트 및 이미지 입력, 그리고 텍스트 출력을 지원한다고 명시하고 있습니다.
- 기타 클라우드 경로: 마이그레이션 전에 지역, 계획, 도구 지원 및 데이터 처리 방식을 확인하십시오.
접근 경로: 환승이 필요한 경우와 그렇지 않은 경우
각 사양은 해당 경로에 특화된 것으로 간주하십시오. 모델명만으로는 동일한 제한 사항, 입력값, 도구 또는 데이터 조건이 보장되지 않습니다.
모델 ID:
클로드-파블-5-1현재 제한 사항, 지역 및 지원되는 제어 기능.
1M 컨텍스트, 128K 출력, 텍스트/이미지 입력, 텍스트 출력.
지역 및 계정 자격 요건.
정확한 모델 ID, 구조화된 JSON 출력, 그리고 PNG 이미지 입력.
파일 시스템 도구 및 에이전트 실행.
Fable 5.1은 어떤 용도로 설계되었나요?
공식적인 정의 범위가 광범위하기 때문에, 문서에 명시된 내용과 간단한 실습을 통해 확인할 수 있는 내용을 구분해 두는 것이 도움이 됩니다. Anywhere API를 통한 폐쇄형 입력-선행 출력 테스트에서, Fable 5.1은 0 값을 유지한 최소한의 JavaScript 수정 코드를 생성하고, 추측에 의존하지 않고 문서 집합의 예산 불일치를 추적하며, 관찰 결과를 비인과적으로 유지했을 뿐만 아니라 PNG 차트에서 레이블이 지정된 값을 추출해 냈습니다. 이는 제약 조건이 있는 작업에 유용한 신호일 뿐, Anthropic의 장기간 실행되는 에이전트 벤치마크를 재현한 것은 아닙니다.
해당 API 경로에서는 파일 시스템이나 유효성 검사 도구를 제공하지 않았습니다. 이러한 이유로, 우리는 진정한 자율 에이전트 결과를 도출했다고 주장하지 않았습니다.
기능 맵: 청구, 확인, 경계
Claude Fable 5.1 가격 및 비용 변경 사항
Anthropic는 Fable 5.1의 경우 입력 토큰 100만 개당 $10, 출력 토큰 100만 개당 $50을 기록하며, 이는 Fable 5와 동일한 목록 처리 속도입니다. 캐시 읽기 속도는 토큰 100만 개당 $0.25입니다. Anthropic는 일반적인 워크로드의 경우 약 25%, 복잡하고 컨텍스트가 많은 에이전트 기반 작업의 경우 최대 약 45%의 비용 절감을 예상합니다. 이는 명시된 워크로드 가정을 바탕으로 한 Anthropic의 추정치일 뿐, 보장된 할인율은 아닙니다.
핵심 변수는 재사용입니다. 일회성 프롬프트의 경우 캐시 읽기 요금제의 혜택을 크게 누릴 수 없지만, 방대한 브리핑, 코드베이스 요약 또는 정책 팩을 반복적으로 전송하는 워크플로우는 그 혜택을 누릴 수 있습니다. 이전 세대의 맥락에 대해서는 당사의 Claude Fable 5 가격 안내서. 만약 API 토큰 과금이 아닌 별도의 구독 간 비교를 하고 계신다면, GlobalGPT 계획 별도의 다중 모델 구독 경로를 제공하며, 이는 Anthropic API 요금제의 변환 버전이 아닙니다.
공식 API 정가 목록
월간 입력량을 설정하려면 슬라이더를 이동하세요. 이 추정치는 출력이 입력량의 20%에 해당하고, 입력 토큰 중 50%가 캐시 읽기라고 가정합니다.
월 1,000만 개의 입력 토큰Claude Fable 5.1 대 Fable 5: 의미 있는 업그레이드인가?
Anthropic는 여러 과제별 평가에서 Fable 5.1보다 높은 점수를 기록했으며, 여기에는 Terminal-Bench-Science에서 52.6% 대 24.7%, Terminal-Bench에서는 55.8% 대 42.0%, AutomationBench에서 31.4% 대 17.1%, CursorBench에서 73.4% 대 70.5% 등입니다. GDPval-AA v2 결과는 1853 대 1723입니다. 이는 Anthropic가 자체 테스트 환경과 조건 하에서 보고한 수치이므로, 독립적으로 재현된 종합 순위라기보다는 참고할 만한 맥락으로 볼 수 있습니다.
우리는 동일한 환경에서 Fable 5에 대한 직접적인 기준 테스트를 수행하지 않았습니다. 따라서 업그레이드에 대한 객관적인 결론은 조건부입니다. 공식적인 증거는 특정 작업에서 성능 향상과 캐시 읽기 비용 감소를 시사하는 반면, Fable 5.1과 Fable 5를 비교한 독립적인 평가는 아직 완료되지 않았습니다.
만약 귀하가 이 한 가지 업그레이드보다 더 폭넓은 선택지를 원하신다면, 당사의 Claude Fable 5 대 GPT 5.5 비교 단일 벤치마크 행을 보편적인 순위표로 간주하는 것보다, 이 글을 다음으로 읽어보는 편이 더 낫습니다.
Anthropic에서 보고된 과제 결과
실제 테스트: 우리가 실제로 확인한 사항
Anywhere API 경로를 사용했습니다. /v1/chat/complaints 반환된 모델 ID를 확인한 후 클로드-파블-5-1 그리고 작은 구조화된 출력 프로브. 아래의 모든 결과는 입력이 고정된 상태에서 수행된 작업에서 나온 첫 번째 유효한 출력입니다. T05가 모델에 도달하기 전에 SVG 입력이 거부되었으므로, 동일한 피스처를 PNG로 변환하여 한 번 실행했으며, 유효한 결과는 대체되지 않았습니다.
최초 출력 증거
이 답변은 0 값이 사라진 원인을 파악하고, 최소한의 코드 수정안을 제시했으며, 테스트 실행에 대해서는 명시적으로 언급하지 않았습니다.
{
"root_cause": "scores.filter(Boolean)은 숫자 점수 0을 포함한 모든 falsy 값을 제거하므로, normalize([0, 4, null, undefined])는 0을 제외하고 [0, 4] 대신 [4]를 반환합니다. 이 조건이 너무 광범위합니다. null과 undefined만 제외해야 합니다.",
"unified_diff": "--- a/normalize.js\n+++ b/normalize.js\n@@ -1,3 +1,3 @@\n function normalize(scores) {\n- return scores.filter(Boolean);\n+ return scores.filter((score) => score != null);\n }",
"expected_test_results": "normalize([0, 4, null, undefined])는 [0, 4]를 반환해야 합니다. score != null 조건은 null과 undefined에 대해서만 false가 되므로 0은 유지되기 때문입니다. normalize([7])는 변경 없이 [7]을 반환해야 합니다. 이는 코드를 읽은 데 기반한 예상 결과이며, 실제 테스트 실행은 수행되지 않았습니다.",
"remaining_risk": "이전에 필터링되어 제외되었던 다른 falsy 값들(NaN, 빈 문자열, false)은 이제 유지됩니다. 이는 명시된 요구 사항(null/undefined만 제거)과 일치하지만, 기존 필터링 방식에 의존하던 호출자가 있다면 동작 변경으로 나타날 수 있습니다. 입력이 배열이 아닐 수 있는 경우, 이 함수는 이전과 마찬가지로 예외를 발생시킵니다."
}이 응답은 제공된 클레임을 매핑하고, $18,000/$20,000 충돌을 발견했으며, 원인을 억지로 만들어내기보다는 미해결 상태로 남겨두었습니다.
{
"claims": [{"claim":"이 시범 사업은 3월 3일에 120명의 등록 학생을 대상으로 시작되었습니다.","source":"문서 A","section":"A1","status":"명시됨"},{"claim":"출석은 매주 기록되었다.","source":"문서 A","section":"A2","status":"명시됨"},{"claim":"3월 31일 점검 시점에서 등록생 120명 중 96명이 최소 3회 이상의 수업에 출석했다.","source":"문서 B","section":"B1","status":"명시됨"},{"claim":"프로그램 예산은 $18,000이었다.","source":"문서 B","section":"B2","status":"반박됨"},{"claim":"재정 메모에는 승인된 프로그램 예산이 $20,000으로 기재되어 있다.","source":"문서 C","section":"C1","status":"반박됨"},{"claim":"이 설명서에는 예산 차액이 수정 사항인지 기록 오류인지 명시되어 있지 않다.","source":"문서 C","section":"C2","status":"명시됨"}],
"모순 사항": [{"주제":"프로그램 예산","출처":[{"출처":"문서 B","절":"B2","값":"$18,000"},{"source":"문서 C","section":"C1","value":"$20,000"}],"description":"문서 B에는 프로그램 예산이 $18,000이라고 명시되어 있는 반면, 문서 C에는 승인된 프로그램 예산이 $20,000으로 기재되어 있다."}],
"unresolved": [{"issue":"$18,000 예산(문서 B, B2)과 $20,000 승인된 예산 (문서 C, C1) 간의 $2,000 차액이 예산 수정인지, 아니면 기록 오류인지 여부.","source":"문서 C","section":"C2","reason":"문서 C에는 해당 주석이 차액의 원인을 명확히 설명하지 않는다고 명시되어 있으며, 제공된 다른 문서 중 이 문제를 다루는 것도 없다."}]
}검증된 채팅 엔드포인트는 파일 쓰기 기능이나 검증 도구를 제공하지 않았습니다. 따라서 이 작업은 모델 품질 테스트로 전송되지 않았으며, 출력 결과나 점수는 보고되지 않았습니다.
이 분석 결과는 관찰된 차이를 산출하고, 근거가 부족한 인과적 결론을 배제했다.
{
"mean_control": {"value": 10, "units": "points"},
"mean_treatment": {"value": 14, "units": "points"},
"difference": {"value": 4, "units": "points", "direction": "treatment minus control"},
"supported_conclusion": "이 데이터셋에서, 실험군의 평균 점수는 대조군보다 4점 더 높았습니다(14점 대 10점).",
"unsupported_conclusion": "이 4점의 점수 차이가 치료의 결과라고 단정할 수 없습니다. 두 그룹은 무작위로 배정되지 않았고 기저 점수도 수집되지 않았으므로, 이 차이는 그룹 간에 이미 존재하던 차이를 반영한 것일 수 있습니다.",
"한계": ["비무작위 집단 배정으로 인해 선택 편향을 배제할 수 없음", "기저 점수가 없어 집단 간의 기존 차이를 평가할 수 없음", "표본 크기가 매우 작음(집단당 n=4)", "추론 통계가 계산되지 않았으며; 이 차이에 대한 통계적 유의성 검정이 이루어지지 않았음", "관찰 연구 설계로는 인과 관계 주장을 뒷받침할 수 없음"]
}이 PNG 실행 결과, 라벨이 지정된 4월 값이 반환되었으며, 시각적 추정치와 라벨이 지정된 값을 구분해 주었고, 근거 없는 외삽을 피할 수 있었습니다.
{
"april_alpha": 30,
"april_beta": 25,
"trend": "1월부터 4월까지 알파와 베타 모두 매월 꾸준히 증가하며, 알파는 베타보다 지속적으로 약 5시간 정도 앞선다(시각적 추정: 1월 ~15/10, 2월 ~20/15, 3월 ~25/20, 4월 30/25로 표기됨)",
"unsupported": ["4월 값은 차트에 명시적으로 표기되어 있으나; 1월, 2월, 3월의 값은 시각적 추정치에 불과함", "4월 이후 또는 1월 이전의 데이터는 표시되지 않으므로 다른 달에 대해서는 어떤 주장도 할 수 없음", "단위는 학습 시간으로 표기되어 있으나, 출처, 표본 크기 또는 알파/베타 그룹에 대한 정의는 제공되지 않음"]
}안전, 데이터 및 호환성 제한 사항
Fable 5.1은 소프트웨어 취약점을 탐지하는 데 사용할 수 있지만, Anthropic에 따르면 이 도구는 익스플로잇 개발용으로 의도된 것이 아니며, 일부 이중 용도 작업은 Opus로 이관될 수 있습니다. 생명과학 연구와 Mythos 접근에는 별도의 제한 사항이 적용됩니다. 데이터 보존 기간은 경로별로 다르며, 예를 들어 AWS 문서의 내용을 모든 Claude 또는 타사 API 경로에 일률적으로 적용해서는 안 됩니다.
Anthropic는 또한 매우 긴 컨텍스트, 다중 에이전트, 불가능한 과제 설정에 대해 자체 정렬 범위에서 미비한 점이 있음을 지적하고 있습니다. 이는 모델의 입증된 개선점을 무시해야 할 이유가 아니라, 자체적으로 정의한 제한된 과제를 통해 위험이 큰 배포 환경을 검증해야 할 이유입니다.
Claude Fable 5.1은 어떤 분들에게 추천할까요?
신중한 코딩 지원, 소스 기반 합성, 문서 모순 검사, 이미지-텍스트 추출 등이 업무에 도움이 될 때 이 기능을 사용해 보세요. 특정 지역 배포, 데이터 비보관 조건, 도구 사용 에이전트, 또는 Fable 5와의 직접적인 비교가 필요한 경우에는 먼저 확인해 보시기 바랍니다. API 액세스 대신 일반적인 Claude 플랜을 선택하는 경우, 별도의 Claude AI 가격 가이드 ‘플랜’과 ‘API’의 차이점을 설명합니다.
Claude Fable 5.1 자주 묻는 질문
Claude Fable 5.1과 Mythos 5.1의 실질적인 차이점은 무엇인가요?
Anthropic는 이를 기본 모델은 동일하지만 보안 조치와 접근 규칙이 다른 것으로 설명합니다. Fable 5.1은 여기서 논의된 일반 공개 경로입니다. Mythos 5.1은 사이버 보안 및 생명과학 분야의 신뢰할 수 있는 접근 프로그램을 위해 예약되어 있으므로, Mythos의 기능은 표준 Fable 계정에 대해 보장되는 사항은 아닙니다.
Claude Fable 5.1을 Claude 앱에서 사용할 수 있나요, 아니면 API 전용인가요?
API나 클라우드 관련 발표 내용만 보고 소비자용 앱에 대한 접근 권한이 있다고 추측해서는 안 됩니다. Anthropic는 자사 플랫폼과 주요 클라우드 제공업체를 접근 경로로 명시하고 있지만, 구체적인 계획, 지역, 할당량 및 도구 세트는 선택한 경로에 따라 달라집니다. 관련 워크플로를 변경하기 전에, 사용하려는 정확한 계정 범위를 반드시 확인하십시오.
Claude Fable 5.1 모델의 정확한 ID는 무엇입니까?
Anthropic 목록 클로드-파블-5-1 API의 경우입니다. 클라우드 제공업체는 경로별 식별자를 사용할 수 있으므로, 실제로 호출하는 엔드포인트에 대한 모델 ID를 해당 제공업체의 문서에서 복사해 오십시오.
Claude Fable 5.1에는 1M 토큰 규모의 컨텍스트 윈도우가 있나요?
AWS는 Bedrock 라우트에 대해 100만 토큰의 컨텍스트 윈도우와 최대 128K의 출력 크기를 명시하고 있습니다. 이는 Bedrock을 계획하는 데 유용하지만, 해당 API, 소비자 또는 타사 라우트의 자체 문서를 확인하지 않고는 이를 모든 Claude API, 소비자 또는 타사 라우트에 일반화해서는 안 됩니다.
Fable 5.1은 이미지를 불러오고 이미지를 생성할 수 있나요?
AWS는 Bedrock 라우트에 대해 텍스트 및 이미지 입력과 텍스트 출력에 관한 내용을 문서화하고 있습니다. 이는 해당 문서에 이미지 이해 기능이 설명되어 있음을 의미할 뿐, 해당 모델이 이미지 생성기이거나 모든 라우트가 동일한 형식을 허용한다는 뜻은 아닙니다. 저희가 수행한 경계 지정 API 테스트에서, 요청 계층에서 SVG 파일이 거부된 후 PNG 파일 입력은 정상적으로 작동했습니다.
캐시 읽기 비용이 낮을 때 어떤 차이가 생길까요?
동일한 대규모 컨텍스트가 여러 요청에 걸쳐 재사용될 때 이 점이 중요합니다. 예를 들어, 지속적으로 사용되는 코드베이스 개요, 정책 모음집, 또는 방대한 연구 자료 모음 등이 이에 해당합니다. 독립적인 짧은 프롬프트의 경우, 일반적인 입력 및 출력 양이 비용의 대부분을 차지합니다. 위의 계산기를 계획 수립을 위한 추정치로 활용한 후, 해당 경로의 실제 캐싱 동작과 비교해 보십시오.
Fable 5.1은 스스로 도구를 사용하는 에이전트를 실행할 수 있나요?
이는 모델 주변 환경에 따라 다릅니다. 채팅 자동 완성 엔드포인트는 파일 쓰기, 유효성 검사기, 브라우징 또는 리포지토리 샌드박스를 노출하지 않고도 강력한 텍스트 응답을 반환할 수 있습니다. 당사의 테스트 경로는 이러한 도구를 노출하지 않았기 때문에, 자율 에이전트 실행을 입증하는 데 사용되지 않았습니다.
Claude Fable 5.1이 Fable 5보다 확실히 더 나은가요?
Anthropic 테스트 결과, 특정 작업에서 성능 향상이 나타났으며 캐시 읽기 비용도 감소한 것으로 보고되었습니다. 이는 여러분의 작업 환경과 유사한 환경에서 업그레이드를 검토해 볼 만한 강력한 근거가 되지만, 이를 통해 업그레이드가 모든 상황에서 확실한 최상의 선택이라는 결론을 내릴 수는 없습니다. 본 기사에서는 동일한 환경에서 Fable 5 기준 테스트를 수행하지 않았습니다.
출처: Anthropic 출시 공지; AWS 발표; 아마존 베드록 모델 카드.
