Claude Fable 5.2와 Mythos 5.2 출시: 더 싸고 빠른 최상위 모델
Claude Fable 5.2 and Mythos 5.2
TL;DR Highlight
Fable 5.2는 5.1보다 출력이 최대 30% 빠르고 가격은 더 낮다
Who Should Read
Opus급 모델로 코딩 에이전트를 돌리면서 더 상위 모델로 올릴지 비용 대비 효과가 궁금한 백엔드 개발자
Core Mechanics
- 가격은 내리고 속도는 올렸다
- Fable 5.2와 Mythos 5.2는 5.1보다 출력 생성이 최대 30% 빠르다.
- 가격은 입력 100만 토큰당 $8, 출력 100만 토큰당 $40이다.
- 선택 기능인 fast mode는 생성 속도가 최대 2.5배이고 입력 $16, 출력 $80이다.
- Fable과 Mythos는 같은 모델이다
- Fable은 사이버·바이오 안전장치를 걸어 모든 사용자에게 열었다.
- Mythos는 Life Sciences·Cyber Verification Program을 통해 신청한 조직이 쓴다.
- Fable 5.2는 사이버 관련 작업 대부분을 막는다.
- effort를 낮춰도 Opus 5.5급이다
- FrontierCode 2.0에서 Fable 5.2 High effort는 45.3%로 Opus 5.5 Max effort(45.5%)와 비슷하다.
- 작업당 비용은 대략 절반이다.
- Xhigh effort에서는 49.1%로 Anthropic이 테스트한 출시 모델 중 최고다.
- 벤치마크마다 비용 차이가 크다
- WANDR에서 Medium effort가 Opus 5.5 최고점을 맞추는 데 작업당 비용의 약 40%가 든다.
- Humanity's Last Exam에서는 Low effort가 Opus 5.5 최고점을 1/10 미만 비용으로 맞춘다.
- Chartography에서는 Medium effort 66.4%로 Opus 5.5 Max(64.4%)를 1/10 미만 비용으로 앞선다.
- 일상 작업은 Opus 5.5부터 시작하라고 한다
- 대부분의 코딩·지식 작업은 Opus 5.5로 시작해 필요하면 Fable·Mythos로 올리거나 Sonnet 5.5·Haiku 5.5로 내리라고 권한다.
- Fable 5.2는 Advisor(작은 모델이 어려운 문제를 물어보는 상담역)로 쓸 수 있다.
- Orchestrator(단순 작업을 작은 모델에 나눠 주는 조율역)로도 쓸 수 있다.
- 장기·대규모 에이전트 작업 사례를 내놨다
- 1,000개 넘는 서브에이전트가 8일간 돌며 부팅되는 운영체제 프로토타입을 만들었다.
- 에이전트 팀이 프로덕션 서비스를 Python에서 Rust로 옮겼고, 시작이 약 26배 빨라졌다.
- 에이전트 1,000개로 페르마의 마지막 정리를 30시간에 형식화했고, Opus 5.5는 같은 구성으로 18시간에 26%만 끝냈다.
Community Reactions
- 일반 코딩에선 차이를 못 느꼈다는 경험
- 평범한 코딩 작업에서는 Fable 5.2와 Opus 5.5를 구분하기 어렵다고 한다.
- 프롬프트의 야심 수준을 높여야 차이가 보이고, 5.1에서 겪던 느린 속도와 max output token 초과는 5.2에서 없었다고 한다.
- 토큰을 더 써서 좋아 보인 것이라는 반론
- SVG 벤치마크에서 High effort 기준 Fable 5.2는 76,158 토큰($3.05), Opus 5.5는 19,767 토큰($0.40)을 썼다는 의견이다.
- Max에서는 Fable 5.2가 스트리밍 시 128K 출력 한도를 사고에 다 써서 결과가 비었다고 한다.
- 그 사람은 계속 Opus 5.5를 쓰라고 권한다.
- 가격이 비싸다는 의견
- Artificial Analysis 기준 GPT-6.1 Sol은 작업당 $1.27, Fable 5.2는 $26.54로 약 21배 차이라는 의견이다.
- 그만큼 21배 낫지는 않아 정당화하기 어렵다고 한다.
- 레거시 코드 최적화에 효과를 봤다는 경험
- 60만 줄짜리 fortran 코드베이스로 계산 재료과학 작업을 36배 빠르게 했고 이틀이 걸렸다는 경험이다.
- 결과는 오픈소스로 공개했다고 한다.
How to Apply
- 내 작업 3개를 Opus 5.5와 Fable 5.2로 비교하기
- 오늘 실제 작업 3개를 Opus 5.5와 Fable 5.2 Medium effort에 같은 프롬프트로 돌려라.
- 성공 여부, 사용 토큰, 비용을 표로 적어라.
- 기본은 Opus 5.5, 막히면 Fable로 올리기
- 에이전트 파이프라인에서 평소 모델은 Opus 5.5나 Sonnet 5.5로 고정하라.
- 같은 단계에서 두 번 실패하면 Fable 5.2를 Advisor로 호출하도록 분기하라.
- effort를 바꿔 가며 작업당 비용 기록하기
- 같은 작업을 Low·Medium·High로 돌려 점수와 작업당 비용을 함께 로그에 남겨라.
- 비용 대비 점수가 꺾이는 지점을 기본 effort로 정해라.
- Fable 쓰려는 작업에 사이버 내용이 있는지 확인하기
- 보안 점검 작업은 Fable 5.2가 대부분 막으므로, 필요하면 Cyber Verification Program 신청을 검토하라.
Try It
# Claude Code 또는 Claude에 붙여넣기 (원문의 Advisor/Orchestrator 구조를 프롬프트로 옮긴 간이 버전)
너는 Orchestrator다. 아래 작업을 단계로 쪼개고, 단순한 단계는 작은 모델(서브에이전트)에 맡겨라.
막히거나 두 번 실패한 단계만 상위 모델에 Advisor로 물어봐라.
작업: {{작업 설명}}
지시:
1. 단계 목록을 먼저 보여줘라.
2. 각 단계마다 어떤 모델에 맡길지와 이유를 한 줄로 적어라.
3. 끝나면 단계별 사용 토큰과 실패 횟수를 표로 정리해라.
이어서 해 볼 것: 같은 작업을 모델·effort만 바꿔 다시 돌리고 표를 비교해 보기Terminology
관련 논문
Gemini 4 Neon 출시: 프런티어급 성능, 빠른 속도, 낮은 작업당 비용
Gemini 4 Neon은 Carbon보다 작업당 비용 32%↓, 입력 $3·출력 $15
AI가 All About Berlin을 죽이고 있다
Google AI Overviews 도입 후 베를린 가이드 사이트 트래픽이 70~75% 줄었다
모든 걸 LLM에 맡기지 마라: PostHog의 decision model 활용기
PostHog는 작은 decision model로 LLM 호출 98.7%를 건너뛰었다
GPT-6.2 Astra·Sol 출시, 댓글로 본 비용·속도와 에이전트 동작 후기
GPT-6.2 Astra·Sol은 비용이 크게 줄었지만 과설계·조기 종료 후기가 엇갈린다
TrnRT: AWS Trainium용 오픈소스 LLM 추론 엔진
trn2.48xlarge 한 대로 GLM-5.3-Flash를 OpenAI 호환 API로 서빙한다
언제 줌해야 할까: VLM에게 이미지는 얼마나 작아야 너무 작은가
큰 사진을 타일로 쪼개 보내니 Claude·Gemini 정확도가 11~14.5%p 올랐다
최신 LLM의 Positional Embedding 이해하기
GPT-2부터 RoPE까지, LLM이 토큰 위치를 넣는 방식을 정리했다
DeepSeek V3를 순수 JAX 190줄로 구현해 MacBook Air에서 학습
DeepSeek V3 핵심 구조를 JAX 190줄로 짜서 맥북에어에서 2.6시간 학습