Claude Fable 5.1 출시와 'Covered Model' 데이터 제약

Claude Fable 5.1을 사용하면 입력한 데이터가 최대 30일간 보관되며 Amazon 인력이 이를 직접 검토할 수 있다. 이는 기업이 모델을 도입할 때 내부 보안 정책과 데이터 처리 방식을 전면적으로 다시 검토하게 만드는 핵심 제약 사항이다. 고성능 모델을 활용하는 대가로 데이터의 즉각적인 파기 대신 안전 검토를 위한 일시적 보관을 수용해야 하는 처리 흐름을 가진다. 데이터 보안이 최우선인 환경에서는 이 30일이라는 보관 기간과 인적 검토 가능성이 서비스 도입의 결정적인 판단 기준이 된다.

Claude Fable 5.1은 Amazon Bedrock(AWS가 제공하는 완전 관리형 생성형 AI 서비스)과 Claude Platform on AWS(AWS 환경에서 제공되는 Claude 전용 플랫폼)에서 이용 가능하다. Anthropic은 이 모델이 코딩, 과학 연구, 기업 워크플로우 등 고난도 과제를 수행하는 프론티어 지능을 제공함에 따라 이를 Covered Model로 지정하여 배포했다. Covered Model은 고성능 모델에 적용되는 특수 범주로, 일반 모델보다 엄격한 데이터 보관 및 안전 검토, 액세스 정책이 함께 적용되는 모델군을 의미한다. 모델의 지능 수준이 높아질수록 발생할 수 있는 잠재적 위험을 관리하고 모델의 오남용을 막기 위해 도입된 운영 체계다. 따라서 일반적인 Claude 모델과는 다른 데이터 거버넌스 규칙과 접근 권한 관리 체계가 적용된다.

구체적인 데이터 보관 기간은 최대 30일로 설정되어 있으며, 이 기간 내에 Amazon 인력에 의한 인적 검토가 수행된다. 인적 검토는 모델의 안전성을 확보하고 서비스 약관 위반 여부를 확인하는 안전 검토(safety review)의 일환으로 작동한다. 사용자는 자신이 입력한 프롬프트와 모델의 출력값이 Amazon의 검토 대상이 될 수 있음을 인지하고 데이터를 입력해야 한다. 상세한 운영 정책과 남용 방지 기준은 Amazon Bedrock abuse detection(남용 탐지) 페이지와 Anthropic의 Covered Models 안내 페이지에서 제공하는 공식 문서를 통해 확인할 수 있다. 이는 모델의 강력한 성능만큼이나 엄격한 안전 장치가 동반되며, 액세스 정책을 통해 허가된 사용자만 모델에 접근하도록 제어한다.

모델을 즉시 테스트하려는 사용자는 Amazon Bedrock 콘솔의 Test 메뉴 내 Playground(모델 성능을 즉시 테스트하는 환경)에서 Fable 5.1을 선택해 프롬프트를 실행할 수 있다. 또한 Claude Platform on AWS를 통해 접근하거나 GitHub에 공개된 Getting Started 노트북을 활용해 초기 설정을 진행할 수 있다. 이는 엔지니어가 실제 애플리케이션에 통합하기 전 모델의 추론 특성과 응답 품질을 빠르게 파악하도록 돕는 경로다. Bedrock 콘솔을 통한 접근은 별도의 복잡한 설정 없이 모델의 기본 성능을 확인하는 가장 빠른 방법이며, GitHub 노트북은 실제 개발 환경으로의 확장을 돕는 기술적 가이드 역할을 한다.

Fable 5 대비 고난도 추론 및 신뢰도 개선

Fable 5.1은 경진대회 수준의 수학 문제와 대학원 수준의 공학 및 과학 질문 처리 성능에서 Fable 5 대비 뚜렷한 개선을 보였다. Anthropic은 자사가 수행하는 가장 어려운 추론 테스트 항목에서 Fable 5.1이 명확한 성능 향상을 기록했다고 밝혔다. 이는 단순한 지식 검색이 아니라 논리적 전개 과정이 매우 복잡한 영역을 대상으로 하며, 특히 신뢰도가 핵심인 긴 다단계 문제(multi-step problems, 여러 단계의 논리적 추론을 순차적으로 거쳐 결론에 도달하는 문제) 해결 능력을 강화했다. 이는 수식의 전개 과정이 길거나 다층적인 인과 관계 분석이 필요한 전문 학술 영역에서 논리적 단절로 인해 발생하던 오답률을 낮추는 결과로 이어진다.

실제 사용 환경에서는 모호한 작업에 대한 판단력이 향상되었으며 확신에 찬 오답(confident wrong answers, 틀린 답을 정답인 것처럼 강하게 주장하는 현상)이 감소했다. 모델이 질문의 의도가 불분명하거나 정보가 부족한 상황에서 무리하게 답을 생성하기보다, 판단의 정확도를 높여 불필요한 환각을 줄이는 방향으로 개선되었다. 이러한 변화는 사용자가 모델의 출력을 일일이 검토하고 수정하는 시간을 줄여주며 결과물의 신뢰도를 높이는 실질적인 이득을 제공한다. 전문적인 지식이 필요한 질의응답에서 모델이 논리적 비약을 줄이고 주어진 근거에 기반해 답변을 내놓는 빈도가 늘어났다. 이는 모델이 자신의 한계를 더 잘 인지하고 답변의 확신도를 조절하게 되었음을 의미한다.

이전 버전인 Fable 5가 일반적인 대화와 기초적인 추론 작업에 최적화되었다면 Fable 5.1은 대학원 수준의 전문 지식이 요구되는 고난도 추론의 정확도를 높이는 데 집중했다. 수학적 증명이나 공학적 설계와 같이 각 단계의 정밀도가 최종 결과에 결정적인 영향을 주는 작업에서 누적 오차를 줄이는 특성을 보인다. 다단계 추론 과정에서 발생하는 작은 논리적 오류가 뒤로 갈수록 증폭되어 전혀 다른 답을 내놓던 기존의 한계를 보강하여 각 단계의 연결성을 강화했다. 결과적으로 전문 인력이 모델의 추론 과정을 재검증해야 하는 부담이 줄어들며 복잡한 워크플로우의 자동화 효율이 개선된다.

Anthropic은 이러한 성능 개선 사례를 구체적으로 확인할 수 있도록 Getting Started notebook(시작 가이드 노트북, 모델의 기본 사용법과 예제를 담은 대화형 문서)을 통해 다양한 예시를 제공한다. 사용자는 이 문서를 통해 Fable 5.1이 복잡한 논리 구조를 어떻게 분해하고 처리하는지 직접 실행하며 테스트할 수 있다. 고난도 추론 성능의 향상은 단순한 벤치마크 수치의 상승을 넘어 실제 산업 현장의 전문 업무에 모델을 적용할 수 있는 기술적 신뢰 기반을 마련한 것이다.

기술이 실제로 작동하는 방식

Claude Fable 5.1 모델을 호출하기 위해서는 `aws_review` 모드 설정이 필수적으로 선행되어야 한다. 이 모드는 AWS 경계 내부에서 인적 안전 검토를 수행하기 위해 사용자가 입력한 프롬프트와 모델이 생성한 출력값을 보관하는 설정이다. 사용자는 데이터 보관 API를 사용하여 자신의 AWS 계정이나 특정 Amazon Bedrock 프로젝트 수준에서 이 보관 모드를 세부적으로 제어한다. 이는 모델의 안전한 배포를 위해 필수적인 절차이며, 사용자는 API 설정을 통해 데이터 보관 여부를 명확히 관리할 수 있다. 중요한 점은 이 과정에서 데이터가 모델 제공자인 Anthropic으로 전송되지 않으며, 오직 AWS 내부 인력에 의해서만 안전성 검토가 이루어진다는 사실이다.

모델 호출을 위한 프로그래밍 인터페이스는 개발자의 기존 환경에 따라 세 가지 선택지를 제공한다. Anthropic SDK를 사용하는 경우 Anthropic Messages API를 통해 `bedrock-runtime`에 직접 접근하는 방식이 가능하다. 반면 AWS 생태계에 최적화된 환경을 선호한다면 AWS CLI(명령줄 인터페이스)나 AWS SDK를 통해 Invoke API와 Converse API를 사용할 수 있다. Invoke API는 단순한 요청과 응답 구조에 적합하며, Converse API는 대화형 인터페이스를 구현하는 데 최적화된 구조를 가진다. 이러한 다각적인 API 지원은 기존에 구축된 엔터프라이즈 애플리케이션의 코드 수정량을 최소화하면서 최신 모델로 전환할 수 있는 유연성을 제공한다.

파이썬 개발 환경에서 Boto3(AWS SDK for Python)를 이용해 모델을 호출하는 구체적인 구현 예시는 다음과 같다.

python
import boto3

client = boto3.client('bedrock-runtime', region_name='us-east-1')

response = client.converse(
 modelId='anthropic.claude-fable-5.1',
 messages=[
 {
 'role': 'user',
 'content': [{'text': 'Hello, Claude!'}]
 }
 ]
)
print(response['output']['message']['content'][0]['text'])

실제 추론 요청이 처리되는 경로는 지역별 추론 프로필의 설정에 따라 결정된다. 현재 US Geo CRIS(`us.`)와 Global CRIS(`global.`)라는 두 가지 추론 프로필이 제공되어 사용자의 위치나 요구사항에 맞는 경로를 선택할 수 있다. 여기서 CRIS는 클라우드 지역 추론 서비스의 약자로, 요청을 가장 효율적인 리전으로 분산하고 처리하는 라우팅 체계다. 특히 엄격한 보안 규정이 적용되는 AWS GovCloud (US) 환경에서는 bedrock-runtime 엔드포인트뿐만 아니라 bedrock-mantle 엔드포인트까지 모두 지원하여 정부 및 공공 기관의 특수한 접속 요구사항을 충족한다. 전체 지원 지역에 대한 상세 리스트와 설정 방법은 Amazon Bedrock 공식 문서에서 확인할 수 있다.

EFS를 통한 제로 데이터 보관(ZDR) 확보

Enterprise Frontier Safeguards(EFS, 기업용 프런티어 보호 장치)는 AWS와 Anthropic이 협력해 구축한 보안 솔루션으로, 자격을 갖춘 고객이 데이터를 직접 제어하는 클라우드 환경에서 Claude Fable 5 및 5.1 모델을 사용할 수 있게 한다. 자격을 갖춘 고객이라는 전제 조건이 붙지만, 일단 적용되면 데이터 저장이라는 근본적인 리스크가 제거된다. 이 솔루션의 핵심은 ZDR(Zero Data Retention, 제로 데이터 보관) 모드 제공에 있다. ZDR 모드를 적용하면 모델 호출 시 전달되는 프롬프트와 생성된 결과값이 서버 저장소에 남지 않는다. 현재 이 기능은 2026년 12월 31일까지 내부 사용 목적으로 제공된다. 데이터가 물리적으로 저장되지 않으므로 저장 기간 설정이나 삭제 요청 같은 추가 관리 공수가 사라진다. 이는 데이터 외부 유출 가능성을 원천적으로 차단해야 하는 금융이나 의료 같은 엄격한 보안 요구 사항을 충족하는 실질적인 수단이 된다.

올해 말 예정된 추가 업데이트는 데이터 제어권을 계정 수준으로 확장한다. 기업은 프롬프트와 출력값을 자신의 AWS 계정 내에 보관하며, 자체 암호화 키와 액세스 정책, 감사 로그를 직접 적용해 관리할 수 있다. 데이터에 접근하는 모든 경로를 기록하고 통제하는 권한을 기업이 완전히 갖게 된다는 뜻이다. 특히 안전 모니터링 체계가 자동화된 검토 방식으로 전환된다. 기존의 안전 검토 과정에서 발생할 수 있는 인적 검토(Human Review, 사람이 직접 데이터를 확인하는 과정) 단계를 완전히 제거하고, 시스템이 자동으로 정책 위반 여부를 판단한다. 내부 데이터가 외부 인력에게 노출될 가능성을 완전히 배제하면서도 모델의 안전 가이드라인을 준수하는 구조를 완성한다.

엔지니어 관점에서 EFS는 인프라 설정 단계에서 보안 정책을 코드화하여 적용할 수 있는 환경을 제공한다. 자체 암호화 키를 사용하면 데이터 저장 시점부터 복호화 시점까지의 전 과정을 기업이 제어하며, 감사 로그를 통해 누가 언제 어떤 데이터에 접근했는지 명확한 증적을 남길 수 있다. 자동화된 안전 모니터링은 실시간으로 작동하며, 인적 검토를 위해 데이터를 별도로 격리하거나 보관하는 대기 시간이 사라진다. 이는 보안 심사로 인해 지연되던 모델 도입 속도를 높이면서도, 데이터 거버넌스라는 기술적 제약을 동시에 해결하는 효과를 낸다. 단순한 기능 추가를 넘어 기업의 컴플라이언스 요구 사항을 기술적으로 자동화하는 과정이다. 기업은 이를 통해 모델의 성능 향상과 데이터 보안이라는 두 가지 상충하는 목표를 단일 환경에서 달성하며 운영 효율성을 극대화한다.

최종적으로 사용자는 표준 Bedrock의 30일 데이터 보관 및 인적 검토 정책을 수용할 것인지, 아니면 EFS를 통해 데이터 보관이 전혀 없는 ZDR 모드와 자동 검토 환경을 확보할 것인지에 따라 도입 경로를 결정해야 한다.