Fable 5.1은 최강이지만 최고가, Gemini 3.8 Flash는 저평가된 코딩 가성비 모델

01핵심 개요

• Claude Fable 5.1, Artificial Analysis 지능지수 66으로 현존 최고(직전 1위 Opus 5는 63)
• 그러나 작업당 비용 $3.69로 전체 모델 중 최고가, "5보다 25% 저렴" 주장과 실측 데이터 상충
• Gemini 3.8 Flash, DeepSeek 코딩 벤치마크 73.7~74%로 Opus 5와 동급, 비용은 작업당 단 $0.58
• OpenAI Astra는 취약점 악용 성공률 11.5%→40%로 급등, 출시를 의도적으로 지연 중
• Claude Code로 게임 클론 제작 시 Fable 5.1은 1시간30분·$114 이상 소요, Gemini는 압도적으로 저렴

02핵심 주장 / 논점 구조

• Matt Wolfe의 중심 주장: "모델 출시 속도는 그대로인데 실제 삶의 변화는 크지 않다" — 대다수 일반 사용자 체감은 정체, 체감 변화는 주로 코딩·수학·과학 영역에 국한.
• Fable 5.1은 콘텐츠 크리에이터들 사이에서 "게임체인저"로 과도하게 포장되고 있지만, 실사용 경제성 관점에서는 오히려 최악의 선택지에 가깝다는 반론.
• Gemini 3.8 Flash는 Google이 오랫동안 화제성에서 밀려난 탓에 실제 성능 대비 언급량이 지나치게 적다는 "저평가" 프레임.
• Astra의 벤치마크는 "더 적은 토큰으로 더 높은 성공률"이라는 효율성 향상이 곧 보안 리스크 증가로 직결된다는 이중적 함의를 지님.
• 저자는 개별 벤치마크 몇 % 개선에 그치는 잦은 모델 발표보다, 세대를 가르는 큰 도약(GPT-5→GPT-6급)까지 기다렸다 공개하는 편이 낫다고 결론.

03모델별 평가

• Claude Fable 5.1: Anthropic이 선별 공개한 벤치마크에서 에이전틱 과학 연구 능력이 GPT-5.6 Sol 대비 거의 2배, 에이전틱 코딩·지식노동에서도 큰 폭 우위. 다만 이는 5.6 Sol이 상대적으로 약한 지표만 골라 비교한 "체리피킹"이라는 지적.
• 사이버보안 안전장치를 정밀화해 소프트웨어 취약점 식별에 활용 가능해졌고, 평균 개입(거부) 건수가 60% 감소. 단, 이중용도 사이버보안 작업 일부는 여전히 Opus 계열로 리다이렉트.
• distillation(증류) 방지 장치 강화: 신규 API 계정은 다중 턴 대화에서 Claude의 이전 사고 과정(트랜스크립트)을 유지한 채 프롬프트를 편집할 수 없게 됨 — 중국발 모델들의 증류 의혹을 겨냥한 조치로 해석.
• 가격은 입력 $10 / 출력 $50 per million token으로 Fable 5와 동일 유지. Anthropic은 캐시 읽기 비용 절감으로 "전형적 워크로드 기준 25% 저렴"을 주장했으나, Artificial Analysis 실측으로는 작업당 $3.69(Fable 5는 $3.14)로 오히려 더 비쌈.
• Gemini 3.8 Flash: DeepSeek(소프트웨어 엔지니어링 벤치마크) 73.7%(공식 사이트 기준 74%)로 Claude Opus 5와 동일 순위, Claude Fable 5(70%)를 상회. 평균 비용은 작업당 $2.36으로, Opus 5($11.84)·Fable 5($21.63) 대비 압도적으로 저렴.
• Artificial Analysis 종합 지능지수는 59점(10위권)으로 중위권이지만, 코딩에 특화되어 최적화된 것으로 추정. 지식노동(GDPval) 등 비코딩 영역에서는 상위권 모델에 못 미침.
• 작업당 비용 $0.58, 평균 처리 시간 2.5분(Opus 5·Fable은 7.4분)으로 속도와 비용 모두 최상위권. 다만 출력 토큰 사용량은 가장 비효율적(추론에 시간을 많이 씀).
• OpenAI Astra(예고): 아직 정식 출시 전이며 "Path to Astra" 공지를 통해 보안 위험성 때문에 출시를 의도적으로 지연 중이라 설명. "이 모델은 적절한 도구와 접근 권한이 있으면 사람의 단계별 지시 없이도 잘 보호된 시스템에서 알려지지 않은 보안 결함을 발견하고 악용 방법을 개발할 수 있는 최초의 모델"이라고 자체 등급 지정.

04전략적 의미

• 프론티어 모델 간 지능 격차는 좁혀지고 있지만, 비용 격차는 오히려 벌어지고 있다 — Fable 5.1과 Gemini 3.8 Flash의 작업당 비용 차이는 약 6배.
• Anthropic의 증류 방지 조치는 "자사 모델은 인터넷 데이터로 학습했으면서 타사의 증류는 막는다"는 이중잣대 논쟁을 재점화시켰다.
• OpenAI가 채택 중인 것으로 알려진 recurrent depth(looped transformer) 기법은 Chain of Thought 투명성 원칙과 충돌할 소지가 있어, 향후 AI 안전성 감사 체계 전반에 파급될 수 있는 이슈.
• 실사용자 관점에서는 "가장 똑똑한 모델"보다 "작업당 비용 대비 성능이 가장 좋은 모델"을 고르는 실용주의가 부상하고 있음을 시사.

05벤치마크 비교표

06활용 시나리오

• 예산이 넉넉하고 코딩·과학 리서치에서 최고 성능이 필요한 팀 → Fable 5.1, 단 비용 폭증 리스크를 반드시 사전 고지(예: 게임 클론 1건에 $114 소요 사례).
• 반복적인 코딩 작업을 저비용·고속으로 대량 처리해야 하는 개발팀 → Gemini 3.8 Flash가 Opus 5급 성능을 6분의 1 가격에 제공.
• SVG·이미지 생성처럼 소규모 크리에이티브 작업을 빠르게 테스트하고 싶은 사용자 → Gemini 3.8 Flash(9센트/1분32초)가 Fable 5.1(4.35달러/18분)보다 훨씬 실용적.
• 보안 연구·레드팀 성격의 취약점 탐지 업무를 다루는 조직 → Astra 출시 이후 안전장치와 감사 가능성(Chain of Thought 투명성)을 반드시 확인 후 도입 검토.

07현황 및 전망

• Fable 5.1은 아직 DeepSeek 벤치마크에 정식 반영되지 않은 상태로, Anthropic이 발표한 벤치마크는 자사 유리 지표 위주로 선별 공개되었다는 점에 유의해야 함.
• Google DeepMind는 Gemini 3.8 Flash로 코딩 가성비 시장에서 존재감을 회복하고 있으나, 화제성 측면에서는 Anthropic·OpenAI에 크게 못 미치는 상황.
• OpenAI Astra는 "이번 주 또는 다음 주 출시" 추측이 나오는 가운데, recurrent depth 기법에 대한 과학계 우려가 출시 시점과 안전성 검증 범위에 영향을 줄 가능성.
• Matt Wolfe는 향후 잦은 소규모 모델 업데이트보다 세대 교체급 발표를 기다리는 편이 낫다는 입장을 유지하며, 관련 후속 논의는 매주 금요일 뉴스 요약 영상에서 이어갈 예정.

08용어 사전

• Fable 5.1: Anthropic이 이번 주 공개한 Claude 최신 모델. 기존 Fable 5 가중치에 추가 강화학습(post-training)을 적용한 버전.
• DeepSeek(SWE 벤치마크): 소프트웨어 엔지니어링 실전 코딩 능력을 측정하는 벤치마크로, 실사용 코딩 체감과 상관관계가 높다고 평가됨.
• Artificial Analysis: 여러 벤치마크를 가중 결합해 모델의 전반적 "지능" 순위를 산출하는 제3자 평가 지표.
• Distillation(증류): 기존 대형 모델(교사)의 프롬프트·출력을 이용해 신규 모델(학생)을 학습시키는 기법. 중국발 모델의 증류 의혹이 논쟁이 됨.
• Recurrent depth(looped transformer): 동일 텍스트를 여러 번 반복 처리해 답변을 개선하는 신기법. Chain of Thought를 사람이 읽기 어렵게 만든다는 우려가 제기됨.
• Chain of Thought(사고 사슬): 모델이 최종 답을 내기 전 추론 과정을 텍스트로 드러내는 방식. 감사·안전성 점검의 핵심 수단으로 쓰임.