Claude Opus 5 vs Fable 5: 절반 가격 모델이 실제로 더 나을까?

Claude Opus 5와 Fable 5 한눈에 비교

사양은 Anthropic의 현재 모델 비교에서 가져왔습니다. 이 표는 이번 비교가 일반적인 ‘프리미엄 모델 대 저가 모델’ 경쟁이 아닌 이유를 보여줍니다. 컨텍스트 크기, 최대 출력 및 지원 모달리티가 동일하기 때문입니다. Fable의 근거는 더 큰 컨텍스트 윈도우나 Opus가 사용할 수 없는 기능이 아니라 판단력과 장기 작업의 안정성에 있습니다.

벤치마크가 실제로 말하는 것

출시 당시의 핵심 주장은 사실이지만, 한 단어를 추가해야 합니다. Opus 5는 토큰 가격이 절반인데도 Fable 5와 대략 비슷한 역량을 제공합니다. 모든 면에서 더 나은 것은 아닙니다.

Artificial Analysis는 최고 노력 수준에서 Opus 5를 Intelligence Index 61점으로 평가했으며, 이는 Fable 5의 60점보다 1점 높습니다. 1점 차이는 저렴한 모델이 모든 작업에서 이긴다는 증거가 아니라 사실상 동점으로 해석해야 합니다. 더 흥미로운 결과는 에이전트형 작업에서 나타납니다.

AA-Briefcase가 특히 유용한 이유는 수천 개의 파일과 보고서, 프레젠테이션, 스프레드시트 같은 결과물을 포함한 비공개 현실적 작업에서 에이전트를 테스트하기 때문입니다. Opus 5는 최대 노력 수준에서 Fable을 간신히 앞선 것이 아닙니다. 높은 노력 설정에서 1,606 Elo를 기록해 Fable보다 32점 높았으며, 작업당 평균 비용은 Fable의 $22.30에 비해 $10.41이었습니다. Artificial Analysis는 최고 노력 Opus의 작업당 비용이 $17.79였음에도 Fable의 점수를 앞섰다고 보고합니다.

비용은 있습니다. Opus의 상위 세 노력 수준은 AA-Briefcase 작업당 평균 25분 이상이 걸렸습니다. 최대 노력 수준은 평균 36.2분과 103턴이 필요했습니다. 즉 Opus는 더 오래 작업하고 더 많은 단계를 거쳐 더 높은 성능의 한계에 도달할 수 있습니다. 저렴한 토큰이 고노력 에이전트를 즉시 실행해 주는 것은 아닙니다.

Fable은 사실 지식에서도 측정 가능한 우위를 유지합니다. AA-Omniscience에서 Opus는 Opus 4.8보다 정확도가 향상되었지만, 확신이 없을 때도 더 자주 답변해 특정 테스트에서 환각률 50%를 기록했습니다. 이는 Opus 5의 모든 답변 중 절반이 환각이라는 뜻이 아닙니다. AA-Omniscience 방법론에서는 근거 없는 질문에 답하려는 성향 때문에 Fable보다 오류율이 높아졌다는 뜻입니다.

한 가지 주의할 점이 더 있습니다. Artificial Analysis는 Opus와 Fable 평가에서 Opus 4.8 폴백을 활성화했습니다. 이는 배포 가능한 시스템 구성을 측정하지만, 모델 자체만을 비교한 결과로서는 다소 순수하지 않게 만듭니다.

결론은 출시 당시의 과장된 홍보보다 좁습니다. Opus 5는 현재 역량 대비 비용 곡선이 더 좋습니다. 사실에 대한 절제와 어려운 장기 판단이 평균 벤치마크 성능보다 중요할 때는 Fable이 더 안전한 후보로 남습니다.

코딩에서 Claude Opus 5와 Fable 5 비교

‘어느 모델이 더 나은 코드를 작성하는가?’는 잘못된 질문입니다. 코딩 에이전트는 저장소를 이해하고, 문제를 진단하고, 방향을 선택하고, 패치를 작성하고, 테스트를 실행하며, 첫 번째 가설이 틀렸을 때 이를 알아차려야 합니다. 모델이 깔끔한 코드를 만들면서도 프로젝트를 잘못된 방향으로 이끌 수 있습니다.

진단 및 계획 수립

초기 커뮤니티 증거가 갈리는 지점이 바로 여기입니다.

한 출시 당일 프로덕션 디버깅 비교에서 개발자는 이전에 해결된 이슈를 기반으로 한 동일한 일회성 프롬프트를 여러 Claude 모델에 제공했습니다. Opus 5는 근본 원인이 포함된 정확한 구성 요소를 식별한 유일한 모델이었고, Fable은 올바른 일반 범주를 찾았지만 구체성이 떨어졌습니다. 작성자는 이것이 표본 크기 1의 단일 테스트라고 명시했습니다.

또 다른 개발자는 거의 정반대의 경험을 보고했습니다. Opus 5와 Fable 5로 테스트한 1년 된 프로젝트에서 Opus는 건전한 코드를 작성했지만 구성 플래그에 대해 잘못된 결론을 반복해서 내렸습니다. 이후 Fable은 Opus의 추론에서 추가 문제를 발견했습니다. 해당 개발자가 제안한 워크플로는 시사하는 바가 큽니다. 계획과 오케스트레이션에는 Fable을 사용하고, 제한된 구현에는 Opus를 사용하는 방식입니다.

어느 게시물도 통제된 벤치마크는 아닙니다. 하지만 실제 실패의 경계를 드러내므로 일반적인 칭찬보다 유용합니다. Opus는 더 날카로운 일회성 진단이 가능해 보이지만, 이론에 너무 빨리 고착될 수도 있습니다. Fable의 가치는 더 예쁜 코드가 아니라 비용이 큰 잘못된 방향 전환을 줄일 가능성에 있습니다.

코드 작성 및 리팩터링

여기서는 Opus 5가 더 강력한 기본 선택입니다. Anthropic은 이를 복잡한 에이전트형 코딩에 적합한 모델로 포지셔닝하고 있으며, 독립 테스트에서는 Claude Code와 함께 Artificial Analysis Coding Index 공동 1위에 올랐습니다. Anthropic은 또한 모델이 증상을 수정하는 대신 근본 원인을 찾고, 실시간 피드가 없을 때 자체 검증 모음을 구축하며, 작업을 넘기기 전에 브라우저 출력을 확인한 어려운 사례를 보고합니다. 이는 공급업체가 선택한 예시이므로 예상 성공률이 아니라 역량 시연으로 봐야 합니다. 그럼에도 테스트해야 할 올바른 행동을 설명합니다.

기능 구현, 파일 리팩터링, 실패한 테스트 수정처럼 범위가 정해진 작업에서는 Opus의 낮은 가격 덕분에 반복 실행과 검토를 정당화하기 쉽습니다. Fable도 같은 작업을 수행할 수 있지만, 토큰 요금이 두 배인 만큼 차이를 상쇄할 정도로 턴 수, 재작업 또는 사람의 개입을 줄이는 경우에만 의미가 있습니다.

최종 구현 검증

어느 모델이든 자기 자신을 검토하게 하지 마세요.

두 모델에 동일한 고정 커밋, 작업, 도구, 시간 제한 및 완료 정의를 제공하세요. 그런 다음 검사를 통과한 결과를 평가하세요.

가치가 높은 마이그레이션에서는 Fable로 초기 계획을 세우고, Opus로 구현하며, 별도의 모델이나 사람이 검증하는 워크플로가 합리적입니다. 한 번의 Opus 실행보다 비용이 더 들지만, 잘못된 아키텍처를 승인하는 것보다 저렴할 수 있습니다.

Opus 5와 Fable 5의 가격 및 실제 작업 비용

공식 API 정가 기준으로 Opus 5는 입력 토큰 100만 개당 $5, 출력 토큰 100만 개당 $25입니다. Fable 5는 각각 $10와 $50입니다. 비율은 정확히 2배입니다. 토큰당 Fable이 두 배 더 비쌉니다. Anthropic의 Opus 5 발표와 Fable 5 통합 가이드에 해당 요금이 명시되어 있습니다.

입력 토큰 1,000만 개와 출력 토큰 200만 개를 사용하는 워크로드를 가정해 보겠습니다.

GPT Proto Fable 5 API 페이지에는 현재 입력 토큰 100만 개당 $8, 출력 토큰 100만 개당 $40가 표시되어 있습니다. 위 예시는 비교를 쉽게 보여주기 위해 캐싱, 배치 할인, 재시도, 폴백 동작 및 도구가 생성한 컨텍스트를 제외했습니다.

토큰 가격은 청구서의 첫 번째 항목일 뿐입니다. Opus 5는 low, medium, high, xhigh, max의 다섯 가지 노력 수준을 제공하며, Artificial Analysis는 GDPval-AA v2에서 low와 max 사이의 출력 토큰 사용량이 약 8배 차이 난다는 점을 관찰했습니다. 모든 자동완성, 추출 및 소규모 코드 수정에 max를 사용하면 예상 절감액의 일부가 사라질 수 있습니다.

더 나은 지표는 성공한 작업당 비용입니다.

성공한 작업당 비용 =
총 모델 지출
+ 재시도 및 폴백 비용
+ 사람의 검토 시간
÷ 승인된 작업 수

AA-Briefcase에서 Opus의 높은 노력 수준은 Fable을 앞섰고 작업당 비용은 절반도 되지 않았습니다. 이는 Opus를 지지하는 강력한 증거입니다. 하지만 여러분의 저장소에서도 같은 결과가 보장되지는 않습니다. Fable이 Opus가 승인했을 실패한 마이그레이션 하나를 막아 준다면, 비싼 모델이 더 저렴한 결정일 수 있습니다.

Fable 5가 여전히 더 나은 모델인 경우

작업이 길고 모호하며 다시 시작하는 비용이 클 때는 Fable 5에 비용을 지불할 가치가 있습니다.

첫째, Anthropic은 여전히 Fable 5를 가장 뛰어난 광범위 공개 모델이라고 부르며, 이용 가능한 최고 역량이 필요한 워크로드에 권장합니다. Opus는 권장 시작점이고 Fable은 단계적 상향 경로입니다. 이러한 구분은 의도적입니다.

둘째, Fable의 더 신중한 행동은 계획, 사실 기반 연구 및 익숙하지 않은 시스템에서 도움이 될 수 있습니다. 이용 가능한 독립 사실 지식 결과는 Fable을 지지하며, Opus에 대한 부정적인 커뮤니티 보고는 벤치마크 표가 숨길 수 있는 실패를 정확히 보여줍니다. 잘못된 결론에 기반한, 겉보기에는 올바른 코드입니다.

셋째, Fable은 장시간 실행되는 에이전트를 위해 설계되었습니다. Anthropic은 이를 까다로운 추론, 며칠에 걸친 프로젝트 및 여러 단계를 아우르는 자율 작업에 적합한 모델로 포지셔닝합니다. 한 시간짜리 코딩 작업에서는 장점이 드러나지 않을 수 있지만, 수백 가지 결정을 포함한 3일간의 마이그레이션에서는 드러날 수 있습니다.

문서화된 통합상의 절충점은 상당합니다.

• Fable의 공식 입력 및 출력 토큰 가격은 Opus 5의 두 배입니다.

• Anthropic은 Fable의 비교 지연 시간을 ‘느림’으로 분류합니다.

• Fable의 적응형 사고는 항상 활성화되지만 노력 수준은 조정할 수 있습니다.

• Fable은 30일 데이터 보존 요건이 있으며 데이터 무보존 정책에서는 사용할 수 없습니다.

• 안전 분류기는 HTTP 200 응답에서도 stop_reason: "refusal"을 반환할 수 있으므로 프로덕션 통합에는 거부 처리와 폴백 로직이 필요합니다.

Fable은 ‘예산이 중요하지 않다면 더 나은 모델’이 아닙니다. 계획 품질, 사실에 대한 절제 또는 장기 일관성에 측정 가능한 프리미엄을 지불할 가치가 있을 때 사용하는 전문 모델입니다.

개발자에게 중요한 차이를 벤치마크 표가 놓치는 이유

Anthropic은 Opus 5의 사이버 분류기가 Fable 5보다 약 85% 덜 자주 개입해야 한다고 말합니다. 따라서 Opus는 많은 합법적인 코드 보안 및 디버깅 워크플로에서 더 실용적인 Claude 모델이지만, 위험도가 높은 범주는 여전히 차단합니다. 같은 출시 문서는 일반 액세스에서 Opus 5에 모델별 데이터 보존 요건이 없는 반면 Fable의 통합 가이드에는 30일 보존이 명시되어 있다고 설명합니다.

마이그레이션에는 모델 ID를 바꾸는 것 이상의 작업이 필요합니다. Opus 5는 기본적으로 사고가 활성화되어 있으므로 비용이나 지연 시간이 중요하다면 애플리케이션에서 노력 수준을 명시적으로 설정해야 합니다. Fable은 항상 추론하며 완료된 HTTP 응답으로 거부를 반환할 수 있습니다. 파서, 폴백 규칙, 토큰 예산 및 평가 임계값을 업데이트하지 않고 전환하면 조용한 실패가 발생할 수 있습니다.

Claude Opus 5와 Kimi K3는 어떻게 비교할까?

Kimi K3는 Claude를 그대로 대체할 수 있는 모델은 아니지만, 비용과 긴 컨텍스트 에이전트 작업이 결정의 핵심일 때 가장 관련성 높은 세 번째 선택지입니다.

Moonshot의 Kimi K3는 1M 토큰 컨텍스트 윈도우를 제공하고 텍스트, 이미지, 동영상 입력을 지원하며 항상 켜진 추론을 사용합니다. 공식 정가는 입력 토큰 100만 개당 $3, 출력 토큰 100만 개당 $15입니다. GPT Proto의 Kimi K3 API는 현재 $2.70과 $13.50으로 표시되어 두 Claude 모델보다 저렴합니다.

그렇다고 Kimi가 자동으로 비용 최적의 승자가 되는 것은 아닙니다. 장기 추론은 더 많은 턴, 보존되는 추론 기록 및 출력 토큰을 생성할 수 있습니다. 가격표의 숫자가 아니라 완료된 작업 비용을 측정하세요.

출시 시점에 이용 가능한 광범위한 독립 비교에서도 역량은 더 낮습니다. Artificial Analysis는 Kimi K3를 57점으로 평가했으며, Opus 5는 61점, Fable 5는 60점이었습니다. 그럼에도 동영상 입력이나 낮은 토큰 요금이 중요한 멀티모달 에이전트 워크플로라면 Kimi를 후보 목록에 넣을 만합니다.

한 가지 상태 세부 정보는 주의해서 처리해야 합니다. Moonshot은 Kimi K3의 전체 가중치를 2026년 7월 27일까지 공개한다고 말합니다. 7월 25일 현재 정확한 표현은 ‘오픈 웨이트 출시 예정’이지 ‘이미 다운로드 가능하고 완전히 오픈 소스’가 아닙니다.

이용 가능하고 저렴한 멀티모달 모델이 필요하며 에이전트 동작을 검증할 의향이 있다면 Kimi K3를 선택하세요. 현재 가장 나은 기본 선택을 원한다면 Opus를 선택하세요. Anthropic의 가장 높은 역량의 공개 등급으로 상향할 가치가 있는 작업이라면 Fable을 선택하세요.

어떤 모델을 선택해야 할까?

오늘 한 모델만 선택할 수 있다면 Opus 5를 선택하세요. 애플리케이션이 작업별로 라우팅할 수 있다면 Opus를 기본값으로 사용하고 가장 어려운 계획 또는 장기 실행 작업만 Fable로 보내세요. 이렇게 하면 실제로 Fable의 장점을 얻을 수 있는 작업에만 Fable의 프리미엄을 적용할 수 있습니다.

GPT Proto에서 Fable 5와 Kimi K3 테스트하기

Opus 5는 게시 시점에 GPT Proto에서 이용할 수 없었으므로 현재 활성 옵션으로 제시해서는 안 됩니다. 이미 하나의 GPT Proto 계정과 공유 잔액으로 Fable 5와 Kimi K3를 테스트하고, 동일한 작업과 승인 기준으로 답변을 비교할 수 있습니다.

Messages 엔드포인트를 통해 Fable 5를 호출하세요.

curl 명령어 예시https://gptproto.com/v1/messages

curl 명령어 예시https://gptproto.com/v1/chat/completions

동일한 프롬프트, 파일, 도구 권한 및 평가 기준을 사용하세요. 입력 및 출력 토큰, 실제 소요 시간, 근거 없는 주장, 재시도 및 승인 전에 필요한 사람의 수정 횟수를 기록하세요. 승자는 가장 자신감 있게 첫 답변을 작성하는 모델이 아니라 여러분의 작업을 완료하는 모델입니다.

GPT Proto 통합 AI API에서 시작하거나 AI 모델 갤러리를 둘러보며 동일한 계정으로 다른 코딩 및 추론 모델을 비교할 수 있습니다.

최종 결론

Claude Opus 5가 더 나은 기본 모델입니다. 여러 중요한 독립 평가에서 Fable 5와 대등하거나 앞서고, 공식 요금 기준 토큰당 비용이 절반이며, 비교적 낮은 지연 시간으로 실행되고, 개발자에게 더 폭넓은 실용적인 노력 수준을 제공합니다.

Fable 5가 쓸모없어진 것은 아닙니다. 이제 Fable은 기본 모델이 아니라 전문 모델로 정당화하기 쉬워졌습니다. 가장 어려운 장기 실행 에이전트, 중요한 계획 수립, 하나의 잘못된 결론이 전체 API 비용보다 큰 손실을 초래할 수 있는 작업에 사용하세요.

더 직설적으로 말하면 Opus 5는 대부분의 팀이 시작해야 할 모델이고, Fable 5는 상향 전환해야 할 모델입니다.