Fable은 도대체 뭐가 그렇게 다른 걸까?
What makes Fable so extremely different?
핵심 요약
Fable 모델의 압도적인 성능 차이에 놀란 작성자가 그 이유를 묻는 글.
- 모델 성능 차이 — Opus와 비교했을 때 Fable의 지능과 추론 능력이 비약적으로 향상됨.
- 학습 데이터 및 규모 — 더 큰 모델 크기와 방대한 코드 학습 데이터가 성능 향상의 원인으로 추측됨.
- 시스템 프롬프트 — 모델의 행동을 제어하는 프롬프트가 성능에 영향을 미치지만, 그것만으로는 설명이 부족함.
- 실제 활용 사례 — 복잡한 알고리즘 설계나 리팩토링에서 인간 전문가 수준의 통찰력을 보여줌.
20년 넘게 소프트웨어 개발을 해왔고, 주로 난해한 도메인 특화 과학 모델링 분야에 종사함. LLM 업계의 과장 광고에 회의적이었지만, 최신 기술 수준을 확인하려고 몇 달마다 LLM을 테스트해 봄.
최근 Claude Code에서 Fable 모델을 사용해 3~4시간 동안 까다로운 소프트웨어 설계 및 구현 논의를 진행했는데, 성능이 비현실적일 정도로 좋음. 지난번에 썼던 Opus와는 차원이 다른 무언가와 상호작용하는 느낌임.
모델의 말투를 조절하는 법(개발자 특유의 허세나 끊임없는 동격, 비유를 빼고 과학 논문처럼 절제되고 세련된 담론을 선호하도록 설정)을 터득한 후, 이 모델이 얼마나 지능적이고 통찰력 있는지 감탄을 금할 수 없음.
모델 가용성과 가격 정책 때문에 지난 이틀 동안 Fable과 Opus를 번갈아 사용했는데, 하늘과 땅 차이임. Fable을 쓰다가 Opus로 돌아오면, Opus는 마치 스스로의 출력에 혼란을 겪으며 서서히 붕괴하는 루프에 빠진 것처럼 느껴짐. 반면 Fable은 내가 만난 가장 지능적이고 합리적이며 통찰력 있는 사람들과 대화하는 것 같고, 소통도 훨씬 빠르고 명확함. 운영 연구부터 종교 사회학까지 모든 분야를 꿰뚫고 있는 교수님과 박사 과정생들로 가득 찬 방에서, 복잡한 추상적 추론 속에서도 내 실수를 잡아내고 설명해 주는 느낌임. 진심으로 좀 충격적임.
LLM과의 상호작용 경험에서 나타난 이런 급격한 변화를 설명할 수 있는 구체적인 이유를 아는 사람 있음?
