Claude Fable 5, 직접 써본 첫인상

먼저 주요 특징을 살펴보자.

Anthropic은 Claude Fable 5가 Claude Mythos 5와 동일한 성능을 제공하되, 유해한 사용을 차단하는 더 엄격한 가드레일이 적용됐다고 밝혔다. 이 가드레일이 작동하는 빈도가 꽤 높아서, Claude API에는 차단 발생 시 이를 알려주는 새로운 알림 메커니즘이 추가됐다. 요청이 거부될 경우 자동으로 다른 모델로 폴백하도록 설정할 수 있는 새로운 기능도 도입됐다.

Claude Mythos 5도 오늘 함께 공개됐다. Anthropic 측 설명에 따르면, "Claude Fable 5와 동일한 기능을 갖추되 안전성 분류기가 없는 모델"이다.

두 모델 모두 컨텍스트 윈도우 100만 토큰, 최대 출력 토큰 128,000개, 지식 컷오프 날짜 2026년 1월을 지원한다.

가격은 Claude Opus 4.5/4.6/4.7/4.8의 두 배로, 입력 토큰 100만 개당 $10, 출력 토큰 100만 개당 $50이다. 긴 컨텍스트 사용에 따른 추가 요금은 없다.

그 외에 업그레이드 가이드의 분량은 Opus 4.8용 가이드에 비해 상당히 얇은 편이다.

거대 모델의 냄새

Fable를 한마디로 표현하자면, 크다는 느낌이다. 단순히 속도나 비용의 문제가 아니라, 이 모델이 알고 있는 것의 양 자체가 그렇다.

아래는 Fable와 Opus 4.8의 지식 수준을 비교해보기 위해 사용한 프롬프트다(오타 포함):

List all of Simon Willion's open source projects, most recent first, each with a rough date of when they were first released

Opus 4.8의 답변은 이렇게 시작됐다:

Simon Willison의 오픈소스 프로젝트 전체를 날짜까지 검증해 정리한 신뢰할 수 있는 목록은 갖고 있지 않습니다. 부정확한 날짜나 없는 항목을 제공하는 것보다는 솔직하게 말씀드리는 편이 낫다고 생각합니다.

비교적 자신 있게 말씀드릴 수 있는 내용은 다음과 같습니다:

Simon Willison의 주요 프로젝트:

• LLM (~2023) – 대규모 언어 모델과 상호작용하기 위한 커맨드라인 도구 및 Python 라이브러리.

• Datasette (~2017) – 데이터를 탐색하고 게시하기 위한 도구로, 최근 그의 가장 대표적인 프로젝트.

• sqlite-utils (~2018-2019) – SQLite 데이터베이스를 다루기 위한 Python 라이브러리 및 CLI 도구. Datasette와 함께 자주 사용됨.

• Django (2005) – Adrian Holovaty와 함께 Lawrence Journal-World 신문사에서 개발한 Django 웹 프레임워크의 공동 창시자 중 한 명.

또한 다수의 Datasette 플러그인과 여러 소규모 유틸리티(shot-scraper, 데이터 가져오기용 *-to-sqlite 도구 등)도 유지 관리하고 있습니다.

나쁘지 않은 답변이다. 동일한 프롬프트를 Fable 5에 입력했을 때 답변의 첫 부분은 다음과 같다 — 두 모델 모두 검색 도구 없이 실행했다:

Simon Willison을 말씀하시는 것 같네요 — 다작으로 유명한 오픈소스 개발자이자 Django 공동 창시자, 그리고 Datasette 창시자입니다.

미리 말씀드릴 중요한 점이 있습니다. 완전한 목록을 제공하는 것은 사실상 불가능합니다. Simon Willison은 워낙 다작으로 유명해서 수백 개의 저장소를 공개했으며(Datasette 플러그인만 해도 100개가 넘고, 상당수는 직접 작성한 것입니다), 제 지식에도 컷오프 날짜가 있어 최근 작업들은 누락될 수 있습니다. 아래에 주요 프로젝트를 최신순으로 대략적인 최초 공개 날짜와 함께 정리했습니다:

주요 프로젝트 (대략적인 날짜)

• files-to-prompt (2024년 4월) – 여러 파일을 LLM용 단일 프롬프트로 합쳐주는 도구
• datasette-extract (2024년) – LLM을 이용해 구조화된 데이터를 추출하는 플러그인
• LLM (2023년 5~6월) – 대규모 언어 모델과 상호작용하기 위한 CLI 도구 및 Python 라이브러리. 다수의 플러그인 생태계 포함 (llm-gpt4all, llm-mistral, llm-claude 등, 2023년 이후)
• symbex (2023년 6월) – Python 코드에서 심볼을 검색하는 도구
• ttok과 strip-tags (2023년 5월) – LLM 파이프라인에서 토큰 카운팅 및 HTML 정리를 위한 CLI 도구
• datasette-lite (2022년 5월) – WebAssembly/Pyodide를 통해 브라우저에서 완전히 실행되는 Datasette
• shot-scraper (2022년 3월) – Playwright를 이용한 웹사이트 자동 스크린샷 도구
• s3-credentials (2021년 11월) – 범위가 제한된 AWS S3 자격 증명 생성을 위한 CLI
• django-sql-dashboard (2021년) – Django용 SQL 리포팅 대시보드
• Dogsheep 스위트 (2019년) – 개인 분석 도구 모음: twitter-to-sqlite, github-to-sqlite, healthkit-to-sqlite, dogsheep-beta 등
• sqlite-utils (2018년) – SQLite 데이터베이스 조작을 위한 CLI 및 Python 라이브러리
• Datasette (2017년 11월) – 그의 대표 프로젝트. 데이터 탐색 및 게시 도구
• csvs-to-sqlite (2017년) – CSV 파일을 SQLite로 변환하는 도구
• 초기 다양한 도구들 (~2007~2010년) – soupselect, json-head, geocoders 등
• Django (2003~2005년 개발, 2005년 7월 오픈소스 공개) – Lawrence Journal-World에서 Adrian Holovaty와 공동 창시

(참고로 GPT-5.5의 결과도 확인해봤는데, Fable보다도 더 많은 프로젝트를 나열했다!)

지금까지 나는 모델이 얼마나 많이 알고 있느냐에는 크게 관심이 없다고 말해왔다. 나는 모델이 텍스트와 코드를 유용하게 다룰 수 있기를 원하고, 필요한 정보는 가중치에 구워 넣는 것이 아니라 검색 도구를 통해 능동적으로 찾아오길 바란다.

하지만 이러한 지식의 폭은 모델 크기를 가늠하는 나름 유효한 척도이기도 하다. 더 많은 파라미터에는 그만큼 더 많은 세계의 세부 정보를 담을 수 있기 때문이다.

그렇다면 더 많이 아는 것이 모델의 실제 과제 수행 능력으로 이어질까? 최신 라이브러리와 패턴에 대한 더 깊은 지식을 갖춘 코딩 모델이라면 코딩 작업을 더 효과적으로 처리할 수 있다는 것은 충분히 상상 가능한 일이다.

Fable가 Opus보다 정말 큰 모델일까? Anthropic이 모델 크기에 대해 아무런 언급을 하지 않아 추측에 의존할 수밖에 없지만, 속도, 가격, 그리고 직접 지식을 테스트해본 결과를 종합하면 상당히 큰 모델임을 짐작하게 된다. 어쩌면 지금까지 어떤 벤더에서도 내놓지 않은 가장 큰 모델일 수도 있다.

Claude.ai에서 Fable 사용하기

Anthropic은 Fable 5를 Claude.ai 채팅 인터페이스, 웹용 Claude Code, Claude Code CLI, Claude Cowork 등 자사의 모든 서비스에서 이용 가능하도록 했다. 구독 플랜에서는 "6월 22일까지" 모델을 사용할 수 있으며(현재 월 $100 Max 플랜을 이용 중이다), 이후에는 추가 요금이 부과된다.

Claude.ai는 종종 저평가되는 경향이 있다. 2025년 9월부터 모든 채팅에 전체 컨테이너 환경이 제공돼 코드 실행은 물론, 추가 패키지 설치와 GitHub에서 직접 저장소를 클론하는 것도 가능해졌다.

지난주 나는 micropython-wasm을 공개했다. wasmtime을 사용해 MicroPython 커스텀 빌드를 WebAssembly로 실행함으로써 신뢰할 수 없는 Python 코드를 위한 샌드박스 환경을 제공하는 Python 라이브러리다.

여기서 Fable가 이것을 풀 Python 실행으로 업그레이드할 수 있는지 시험해보기로 했다. 다음 프롬프트로 시작했다:

Clone simonw/micropython-wasm from GitHub and research how this could use a full Python as opposed to MicroPython

Fable는 이 작업에 Brett Cannon의 cpython-wasi-build 빌드를 활용할 수 있다는 점을 파악했지만, 환경 제약으로 인해 직접 다운로드하는 것은 불가능했다.

그래서 해당 페이지에서 zip 파일 두 개를 직접 다운로드해 Claude에 업로드했다:

Here's the Brett Cannon builds (첨부파일: python-3.zip, _build-python-3.zip)

그걸로 충분했다. 몇 분간 묵묵히 작업을 진행하더니 모든 것을 완성시켜버렸다.

답변 중에는 이런 내용도 포함돼 있었다:

더 깔끔한 단일 zip-stdlib 방식으로 파일시스템 노출 범위를 줄여보려 했지만, CPython의 getpath 부트스트랩이 zip 내부에서 encodings를 찾는 데 prefix 조정 없이는 실패합니다 — directory-preopen 방식이 안정적으로 동작하므로 PoC에서는 이 방식을 사용했습니다. zip 경로 문제는 해결 가능하지만 _PYTHONHOME/frozen-getpath 작업이 필요합니다.

그래서 이렇게 말했다:

Try a bit more at the single-zip-stdlib problem

그리고 조금 후:

I want a wheel that has the whole system in it, the Python wrappers and the WASM files and the stdlibrary, so I can do uv run --with path-to-whl python -c "demo code"

... 그러자 13.9MB 크기의 cpython_wasm-0.1.0-py3-none-any.whl 파일을 건네줬다. 해당 wheel URL과 uv을 이용하면 샌드박스에서 Python 코드를 실행해볼 수 있다:

uv run --with https://static.simonwillison.net/static/cors-allow/2026/cpython_wasm-0.1.0-py3-none-any.whl \
  cpython-wasm -c 'print(45 ** 56)'

전체 대화 기록은 여기서 확인할 수 있다.

매우 인상적인 출발이었다.

Claude Code로 Datasette Agent와 LLM에 기능 추가하기

오늘이 Fable 출시일인 줄도 모르고, 애초에 오늘의 목표는 Datasette Agent에 새 기능을 추가하는 것이었다. 에이전트 소프트웨어 내 툴 호출이 실행 중간에 멈추고 사용자에게 직접 승인을 요청할 수 있는 기능이었다.

새 모델에 던져볼 만큼 충분히 묵직한 작업이었다.

하루가 지나고 보니, Fable는 그 문제를 해결했을 뿐 아니라 이런 고급 일시정지-재개 메커니즘을 지원하는 데 필요한 하위 LLM 라이브러리의 이슈 여섯 개를 스스로 발견하고 수정까지 완료했다.

처음에는 다소 복잡한 임시방편으로 모든 것을 작동시켰지만, LLM 자체의 수정도 범위에 포함된다고 알려주자 곧바로 그 임시방편을 걷어내고 LLM의 공식 기능으로 재구성하는 작업에 착수했다.

내가 설정한 목표는 LLM 0.32a3으로 결실을 맺었는데, 거의 전부가 Fable의 작업이었다. 릴리스 노트는 다음과 같다:

Datasette Agent의 human-in-the-loop ask_user() 기능 구현 필요에 따라, 툴 호출 동작 방식을 다음과 같이 개선했습니다:

• 툴 구현체에서 llm_tool_call이라는 파라미터를 선언하면 현재 호출에 해당하는 llm.ToolCall 객체를 전달받을 수 있습니다. 이를 통해 현재 llm_tool_call.tool_call_id에 접근할 수 있습니다. 툴 내부에서 툴 호출 접근하기 참고. #1480
• 모든 툴 호출에 고유한 tool_call_id가 보장됩니다. 자체 ID를 제공하지 않는 프로바이더의 경우 tc_ 접두사가 붙은 합성 ULID가 생성됩니다. #1481
• 툴에서 llm.PauseChain 예외를 발생시켜 툴 체인을 깔끔하게 일시정지할 수 있습니다. 사람의 승인을 기다리는 경우 등에 유용합니다. 예외는 .tool_call와 .tool_results(완료된 형제 결과)가 첨부된 채로 호출자에게 전파되며, 플레이스홀더 결과로 모델 호출이 이루어지지 않습니다. 툴 내부에서 체인 일시정지하기 참고. #1482
• 동시 툴 실행의 실패 처리 방식: 비동기 형제 툴 호출은 일시정지 또는 훅 예외가 전파되기 전에 항상 완료까지 실행됩니다. #1482
• 미결 툴 호출로 끝나는 messages= 히스토리에서 체인을 재개할 수 있습니다. 첫 번째 모델 호출 전에 일반 before_call/after_call 처리 과정을 통해 호출이 실행되며, 이미 결과가 있는 항목은 건너뜁니다. execute_tool_calls() 메서드에는 응답에서 요청된 호출 대신 실행할 ToolCall 객체의 명시적 목록을 받는 새로운 선택적 인수 tool_calls_list=도 추가됐습니다. 보류 중인 툴 호출로 체인 재개하기 참고. #1482
• 비동기 툴 실행기에서 tools=에 없는 툴 호출을 조용히 누락시키던 버그를 수정했습니다. 이제 동기 실행기와 동일하게 Error: tool "..." does not exist 결과를 반환합니다. #1483

Fable가 구성한 API 설계, 테스트, 코드, 문서의 품질이 정말 인상적이었다. 오늘 몇 시간을 투자했는데, 체감상 며칠치 작업량을 해낸 느낌이다.

비용은 얼마나 썼나

최근 다양한 코딩 에이전트에서의 로컬 LLM 사용량을 추적하기 위해 AgentsView를 쓰기 시작했다. Fable 커스텀 가격을 이 도구에 추가하는 방법에 대한 TIL을 오늘 게시했는데, 아마 머지않아 직접 설정할 필요가 없어질 것 같다.

가격을 설정한 후, 다음 명령어로 로컬호스트 웹 서버를 실행해 사용량을 확인했다:

uvx agentsview serve

오늘 여러 프로젝트에 걸친 Fable 사용량을 트리맵으로 나타내면 다음과 같다:

오늘 하루 $110.42어치의 토큰을 사용했으며, 모두 월 $100 구독 플랜 안에서 이루어졌다.

그리고 펠리컨 이야기

"자전거를 타는 펠리컨을 SVG로 그려줘"라는 프롬프트를 Fable의 다섯 가지 사고 수준 모두에 적용해봤다.

결과와 각각의 토큰 비용은 다음과 같다:

이번 실행에서 high가 medium보다 토큰을 적게 사용한 점이 흥미롭다.

비교를 위해 Opus 4.8 펠리컨도 함께 확인해보자.

현재 내 블로그의 장문 아티클만 보고 계십니다. 모든 포스트를 받아보려면 /atom/everything/을 구독하거나, 다른 구독 옵션을 확인해보세요.