앤스로픽(Anthropic)이 2026년 9월 1일 인공지능 모델 Claude Fable 5.1과 제한 공개 모델 Claude Mythos 5.1을 동시에 발표했다. 두 모델은 동일한 기반 구조를 사용하지만 안전장치 수준에서 차이가 있다고 회사는 설명했다. Fable 5.1은 일반 공개 모델로 제공되며, Mythos 5.1은 신뢰할 수 있는 접근 프로그램을 통한 제한 공개 방식으로 운영된다.
이번 발표의 핵심은 단순한 성능 개선에 그치지 않는다. 앤스로픽은 코딩, 과학 연구, 컴퓨터 사용 등 여러 영역의 성능 향상을 제시하는 동시에 비용 구조 변화와 안전 관리 방식을 함께 공개했다. 다만 가격 절감 효과에 대해서는 회사의 설명과 제3자 분석이 엇갈리고 있어 실제 활용 비용은 사용 방식에 따라 다르게 평가될 가능성이 있다.
무엇이 새로 나왔나…Fable 5.1과 Mythos 5.1의 차이
Claude Fable 5.1은 일반 이용자가 사용할 수 있는 모델로 공개됐다. 앤스로픽은 이전 버전인 Fable 5와 Opus 5 대비 성능 개선을 강조했으며, Claude.ai, Claude Code, Claude API(모델명 claude-fable-5-1), 아마존 AWS, 구글 클라우드, 마이크로소프트 애저 등에서 제공된다고 밝혔다.
반면 Claude Mythos 5.1은 동일한 기반 구조를 사용하지만 안전장치 수준을 다르게 적용한 제한 공개 모델이다. 외부 매체가 전한 내용에 따르면 Mythos 5.1은 미국 내 신뢰할 수 있는 접근 프로그램 참여자 대상으로 제공되고 있으며, 사이버 검증 프로그램과 생명과학 검증 프로그램을 통해 접근이 이뤄진다. 아직 미국 기관에 한정돼 있으며 향후 확대 여부는 공개되지 않았다.
앤스로픽은 Mythos 5.1을 활용한 과학 연구 사례도 공개했다. 회사 설명에 따르면 이 모델은 12개 표적 단백질에 대한 바인더 설계에서 약 50% 적중률을 보였으며, 업계 평균은 10~15% 수준이라고 밝혔다. 또한 금성 지도 해상도를 기존 10~20km에서 2~3km로 높이고, 오픈소스 딥러닝 모델 7종의 속도를 최대 2.5배 높였다고 설명했다.
수치로 보는 Fable 5.1의 성능 향상
공개된 벤치마크는 Fable 5.1이 이전 모델 대비 여러 작업 영역에서 개선됐다는 점을 보여준다. 과학 연구 관련 평가인 Terminal-Bench-Science 0.1에서는 Fable 5.1이 52.6%를 기록해 Fable 5의 24.7%, Opus 5의 29.0%보다 높은 결과를 보였다.
코딩 작업 평가인 Terminal-Bench 4.0에서는 Fable 5.1이 55.8%로 나타났다. 이는 Fable 5의 42.0%, Opus 5의 52.3%와 비교되는 수치다. 지식 작업 평가인 GDPval-AA v2에서는 Fable 5.1이 1853점을 기록했으며, Fable 5는 1723점, Opus 5는 1824점이었다.
컴퓨터 사용 능력을 평가하는 OSWorld 2.0 partial에서는 Fable 5.1이 77.9%를 기록했다. 이전 Fable 5는 72.9%, Opus 5는 75.4%였다. 학제간 추론 평가인 Humanity’s Last Exam(도구 사용)에서는 65.0%로 Fable 5의 63.8%, Opus 5의 63.6%보다 높은 결과를 보였다.
코딩 관련 평가인 CursorBench 3.2.0에서도 Fable 5.1은 73.4%를 기록했다. Fable 5는 70.5%, Opus 5는 70.0%였다. 다만 이러한 벤치마크 수치는 특정 평가 환경에서 측정된 결과이며, 실제 기업 업무 환경에서의 성능은 활용 방식에 따라 달라질 수 있다.
“정말 더 싸졌나”…비용 절감 주장과 반박
앤스로픽은 Fable 5.1의 기본 가격이 이전과 동일하다고 밝혔다. 입력 토큰 100만 개당 10달러, 출력 토큰 100만 개당 50달러이며, 일반 입력 가격과 출력 가격 자체는 변하지 않았다.
변화가 발생한 부분은 캐시 읽기 가격이다. 캐시 읽기 비용은 100만 토큰당 1달러에서 0.25달러로 75% 인하됐다. 앤스로픽은 이 할인 효과를 통해 일반적인 작업부하는 약 25%, 고도의 에이전트 작업은 최대 약 45% 저렴해질 수 있다고 설명했다.
하지만 비용 절감 효과에 대해서는 다른 분석도 제시됐다. Artificial Analysis는 The Decoder를 통해 앤스로픽의 “최대 45% 절감” 주장에 이의를 제기했다. 해당 분석에 따르면 최대 노력(effort) 설정에서 Fable 5.1은 이전 모델보다 출력 토큰을 1.7배 더 많이 사용하기 때문에, 실제 작업 하나당 비용은 오히려 약 20% 더 비쌀 수 있다고 분석했다.
즉 앤스로픽은 캐시 가격 인하를 중심으로 전체 비용 감소 가능성을 설명하고 있으며, Artificial Analysis는 실제 생성량 증가까지 고려해야 한다는 입장이다. 두 분석은 서로 다른 계산 기준을 사용하고 있으며, 실제 비용 변화는 이용 패턴과 작업 설정에 따라 달라질 수 있다.
안전장치 강화…워터마킹과 증류 공격 대응
앤스로픽은 Fable 5.1 발표와 함께 안전 관리 기능도 공개했다. 회사에 따르면 사이버보안 분야에서 발생하는 오탐(실제로 위험하지 않은 내용을 위험하다고 판단하는 오류)은 기존 대비 약 60% 감소했다. 또한 기초 생물학과 의료 질문에서 발생하던 과잉 차단도 약 85% 줄었다고 밝혔다.
새 모델은 방어적 목적의 취약점 발견 작업은 허용하지만 악용 코드 개발은 여전히 차단하는 방식으로 운영된다. 이는 보안 연구와 악용 가능성이 있는 활용 사이에서 접근 방식을 구분한 것이다.
또한 앤스로픽은 EU AI 법 대응을 위해 2026년 8월 2일 이후 모델부터 출력물에 보이지 않는 숫자 워터마크를 적용한다고 밝혔다. 워터마킹은 AI가 생성한 결과물임을 확인할 수 있도록 표시하는 기술이다. 회사는 이 워터마크에 이용자, 조직, 대화 내용 정보는 포함되지 않으며 정확성이 필요한 토큰에는 적용하지 않는다고 설명했다.
이와 함께 반증류(anti-distillation) 조치도 도입됐다. 증류 공격은 대량의 질의로 AI 모델의 능력을 복제하거나 빼내려는 시도를 의미한다. 앤스로픽은 신규 API 계정에서 멀티턴 대화 중 이전 대화 내용을 수동으로 편집할 수 없도록 제한하는 메커니즘을 추가했다고 밝혔다.
기업 활용 사례…코딩과 연구 영역에서 강조
앤스로픽은 여러 기업의 활용 사례를 함께 공개했다. Jane Street Capital은 회사 발표문에서 “내부 벤치마크에서 Fable 5.1이 Fable 5나 Opus 5보다 더 많은 코딩 문제를 해결”했다고 밝혔다.
Cognition은 “출시일에 Devin의 Opus 5 트래픽을 Fable 5.1로 전환, 작업당 비용 절감”이라고 밝혔으며, Millennium은 Fable 5.1이 다른 엔지니어나 모델이 설명하지 못한 희귀 충돌 원인을 찾아냈다고 소개했다. The Decoder가 전한 내용에 따르면 Millennium은 테스트 과정에서 수년간 해결하지 못했던 소프트웨어 버그의 근본 원인을 찾은 사례를 언급했다.
MongoDB는 “3일 만에 복잡한 프로토타입 구축부터 전체 구현까지 완료”했다고 밝혔고, Block은 “30일 시뮬레이션 운영에서 Opus 5보다 토큰당 효율이 높았다”고 설명했다. Ramp는 “38시간 무인 실행으로 머신러닝 문제의 레이블 아티팩트를 진단”했다고 밝혔다.
다만 이러한 사례는 각 기업이 공개한 활용 사례이며, 모든 기업 환경에서 동일한 결과가 발생한다고 일반화할 수는 없다.
AI 모델 경쟁 구도에 던지는 신호
Claude Fable 5.1 발표는 최신 AI 모델 경쟁이 단순한 벤치마크 점수 경쟁에서 벗어나고 있음을 보여준다. 성능 향상뿐 아니라 비용 구조, 안전 관리, 기업 데이터 보호 방식까지 함께 고려해야 하는 단계로 이동하고 있다.
특히 Enterprise Frontier Safeguards(EFS)는 고객 데이터를 앤스로픽 시스템이 아닌 고객 자체 클라우드 인프라에 저장하는 기능으로, 2026년 가을부터 단계적으로 출시될 예정이다. 기업 입장에서는 모델 성능뿐 아니라 데이터 관리 방식도 도입 판단의 중요한 요소가 될 수 있다.
이번 발표는 AI 모델이 얼마나 강력한지를 넘어, 실제 업무에서 얼마나 효율적으로 사용할 수 있는지에 대한 경쟁으로 이어지고 있다. 다만 비용 절감 효과와 실제 활용 성과는 기업별 환경에 따라 달라질 수 있어, 향후 실제 도입 사례와 검증 결과가 중요한 판단 기준이 될 전망이다.
