Claude Fable 5.1과 Mythos 5.1 공개
Claude Fable 5.1 and Claude Mythos 5.1
TL;DR Highlight
Fable 5.1은 캐시 읽기 가격 인하로 평균 25% 저렴해지고 코딩 성능이 올랐다
Who Should Read
Claude API로 코딩 에이전트를 돌리며 모델 교체와 비용 최적화를 고민하는 백엔드 개발자
Core Mechanics
- Fable 5.1과 Mythos 5.1은 같은 모델이다
- 안전장치 수준만 다르다.
- Fable 5.1은 일반 공개이고 Mythos 5.1은 신뢰된 접근 프로그램으로만 쓸 수 있다.
- 캐시 읽기 가격을 내려 비용이 줄었다
- 토큰 과금 기준 일반 워크로드에서 Fable 5보다 약 25% 저렴하다.
- 에이전트 작업이 많으면 절감 폭이 최대 약 45%다.
- 낮은 effort(추론 강도)로도 Fable 5 수준이 나온다
- Low나 Medium effort에서 Fable 5와 비슷하거나 더 나은 결과를 훨씬 낮은 비용에 낸다고 한다.
- Claude Code 기본값은 High이고 Claude Cowork와 Claude.ai 기본값은 Medium이다.
- 벤치마크는 Fable 5보다 전반적으로 올랐다
- Terminal-Bench 4.0은 55.8%이고 Fable 5는 42.0%다.
- CursorBench 3.2.0은 73.4%이고 Fable 5는 70.5%다.
- Terminal-Bench-Science 0.1은 52.6%이고 Fable 5는 24.7%다.
- 보안 필터의 오탐이 줄었다
- 사이버보안 영역에서 오탐(정상 요청을 막는 것)이 이전보다 60% 적다.
Community Reactions
- 새 모델이 파일 전체를 다시 쓴다는 지적
- 작은 수정에도 파일 전체를 다시 쓰는 경향이 있어 출력 토큰과 시간이 더 든다는 내용이 변경 이력에 있다는 댓글이 있었다.
- 공식 문서가 권하는 "가능하면 부분 수정하라"는 지시문을 시스템 프롬프트에 추가하면 된다는 의견이다.
- 사용량 한도가 빨리 소진된다는 경험
- Team Premium과 Max 20x 계정 모두 첫 작업이 끝나기 전에 5시간 한도에 걸렸다는 경험이 올라왔다.
- 장시간 작업이 plodding해서 정리를 시켰더니 1시간 15분이 더 걸렸다는 경험도 있었다.
- 성능 향상이 크지 않다는 반론
- Terminal-Bench-Science를 빼면 Opus 5 대비 개선폭이 1.5~3.5%p 수준이라는 의견이 있었다.
- Artificial Analysis 평가에서는 Fable 5.1이 5.0보다 비용이 더 든다는 댓글도 있었다.
- 모델 자체보다 토큰 예산이 중요하다는 의견
- 일상 모델로 쓰려면 월 한도 안에서 예측 가능한 지출이 필요하다는 의견이 있었다.
- 저렴한 모델인 DeepSeek V4 Flash나 GLM 5.3 Flash로 충분하다는 의견도 있었다.
How to Apply
- 작은 수정용 부분 편집 지시문 붙이기
- 오늘 코딩 에이전트의 시스템 프롬프트 끝에 아래 프롬프트의 지시문을 붙여라.
- 같은 수정 작업을 전후로 돌려 출력 토큰 수를 비교하라.
- effort를 Low·Medium으로 낮춰 비용 비교하기
- 기존 Fable 5나 Opus 5 작업 몇 개를 Fable 5.1의 Low와 Medium에서 돌려라.
- 작업당 비용과 결과 품질을 표로 기록해 기본 effort를 정하라.
- 캐시 히트가 많은 에이전트부터 이전하기
- 같은 컨텍스트를 반복해서 읽는 코드 리뷰나 장기 에이전트 작업을 우선 옮겨라.
- 이전 전후 청구서에서 캐시 읽기 비용 변화를 확인하라.
- 보안 도구는 오탐 재측정하기
- 이전에 안전장치에 막혀 모델이 내려갔던 취약점 분석 프롬프트를 다시 돌려라.
- 막힌 비율을 기록하라.
Try It
# Claude Code나 API 시스템 프롬프트 끝에 붙여넣는 지시문 (원문 댓글이 인용한 공식 문서 권장 문구)
The number of tokens used to edit files is best minimized, all else being equal. Therefore, when it will not affect the end result, try to surgically edit a file rather than rewrite the entire thing.
# 이 지시문을 넣기 전후로 {{파일}}에 같은 작은 수정 {{요청}}을 시키고 출력 토큰 수를 비교해 보세요.Terminology
관련 논문
Mercury 3: 규모를 키운 diffusion LLM, 초당 1,000토큰 이상
Diffusion LLM을 40배 키웠더니 속도 4~8배, 품질은 속도 특화 모델 수준
Timestral: Mistral의 시계열 파운데이션 모델
209M 파라미터 시계열 모델이 3대 벤치마크 1위, CPU에서도 돌아간다
DeepSeek V4.1 Flash 1017 (Max) 성능·속도·가격 분석
DeepSeek V4.1 Flash 1017 Max는 지능 지수 45에 211 tok/s, 입력 $0.30
LLM 프록시를 직접 안 돌리면 무슨 일이 벌어지는지 어떻게 아나
자체 LLM 프록시를 세웠더니 키·모델·캐시 미스를 직접 볼 수 있다
DeepSeek V4.1 Flash 1017: 싼 가격에 1M 컨텍스트를 주는 에이전트용 모델
DeepSeek V4.1 Flash 1017은 입력 $0.05/M, 1M 컨텍스트의 에이전트용 모델
DeepSeek-V4.1-Flash-1017 공개: 더 짧게 생각하고 더 빠르게 일하는 에이전트용 모델
DeepSeek V4.1 Flash 마이너 업데이트로 코딩·에이전트 벤치 점수↑, 실행 시간·출력 길이↓
Llmspeed: 로컬 LLM 속도를 하드웨어 구매 전에 체감해 보는 시뮬레이터
GPU·모델을 고르면 로컬 LLM 속도를 미리 체감하게 해 주는 시뮬레이터