Fable 5급 성능과 Opus 4.8의 가격 체계

2026년 7월 24일 출시된 Claude Opus 5는 최상위 모델인 Fable 5의 지능에 근접하면서도 운영 비용을 절반 수준으로 낮췄다. 그동안 프론티어 모델(최첨단 성능을 가진 대규모 언어 모델)을 실무에 도입할 때 가장 큰 걸림돌은 높은 추론 비용이었다. 성능을 위해 비용을 감수하거나 비용을 위해 성능을 포기해야 했던 선택지 사이에서 이번 모델은 지능 수준을 유지하며 가격 경쟁력을 확보했다. 이는 고성능 AI를 특정 작업이 아닌 일상적인 워크플로우 전반에 배치할 수 있는 경제적 기반을 제공한다. 지능의 임계치를 높이면서 비용의 문턱을 낮춘 이번 선택은 고비용 구조 때문에 도입을 망설였던 기업 사용자들의 선택지를 바꾼다.

Claude Opus 5는 효율적인 작동 방식을 통해 매일 사용하는 환경에 최적화되었다. 이 모델은 Claude Max의 기본 모델로 지정되었으며 Claude Pro 사용자가 선택할 수 있는 가장 강력한 모델로 제공된다. 단순히 벤치마크 점수를 올리는 것에 그치지 않고 실제 사용 환경에서 더 효율적으로 작동하도록 설계되었다. 사용자는 별도의 추가 비용 상승 없이 이전 세대 최상위 모델 수준의 경제성으로 최신 지능을 경험하게 된다. 이는 최상위 모델을 가끔 사용하는 도구가 아니라 매일 쓰는 기본 도구로 전환하려는 전략적 배치가 반영된 결과다. 고성능 모델의 기본화는 사용자가 복잡한 프롬프트 엔지니어링 없이도 높은 수준의 결과물을 얻을 수 있는 환경을 만든다.

가격 체계는 이전 모델인 Opus 4.8과 동일한 수준으로 책정되어 비용 부담을 동결했다. 입력 토큰(AI가 읽어들이는 텍스트 단위) 100만 개당 5달러, 출력 토큰(AI가 생성하는 텍스트 단위) 100만 개당 25달러가 적용된다. 지능 수준은 Fable 5급으로 올라갔으나 실제 지불 비용은 Opus 4.8 시절의 가격표를 그대로 유지한 구조다. 개발자는 API를 통해 `claude-opus-5` 식별자를 사용하여 이 모델을 즉시 호출하고 서비스에 통합할 수 있다. 동일한 비용으로 더 높은 지능을 사용할 수 있다는 점은 토큰 소모량이 많은 대규모 프로젝트에서 직접적인 비용 절감 효과로 이어진다. 특히 대량의 문서를 처리해야 하는 기업용 애플리케이션에서 비용 효율성이 극대화된다.

이 모델은 현재 모든 플랫폼에서 즉시 사용 가능하며 데이터 보존 요구 사항이 없는 일반 액세스 방식을 따른다. 이전 Opus 시리즈의 정책을 계승하여 일반적인 접근 시 사용자의 데이터를 저장하지 않는 설정을 유지했다. 보안과 효율성을 동시에 고려한 설계로 기업 환경에서의 도입 장벽을 낮췄다. 성능과 비용의 균형을 맞춘 이번 릴리스는 최상위 지능의 보편적 사용이라는 실질적인 결과물을 제시한다. 지능의 고도화가 반드시 비용의 상승으로 이어지지 않는다는 점을 수치로 증명하며 최상위 모델의 사용 범위를 확장했다. 이는 데이터 보안이 중요한 산업군에서도 고성능 모델을 부담 없이 도입할 수 있는 근거가 된다.

노력 설정(Effort setting)과 Fast mode의 작동 방식

사용자는 노력 설정(Effort setting, 모델이 정답을 도출하기 위해 투입하는 연산 자원의 수준)을 조정해 지능 최적화와 토큰 절약 중 하나를 선택한다. 지능 최적화는 모델이 더 많은 내부 연산 과정을 거치게 하여 복잡한 논리 구조를 가진 문제의 정답률을 높이는 설정이다. 토큰 절약은 응답 생성에 필요한 토큰(텍스트를 처리하는 최소 단위)의 사용량을 최소화하여 응답 속도를 높이고 운영 비용을 낮추는 데 집중한다. 사용자는 해결해야 할 과제의 난이도에 따라 모델이 투입할 노력의 양을 결정함으로써 지능 수준과 경제성 사이의 균형을 직접 맞춘다. 이는 모든 요청에 동일한 자원을 투입하던 기존 방식에서 벗어나 작업별로 자원 효율을 최적화하는 제어권을 사용자에게 부여한 것이다. 고도의 추론이 필요한 수학적 증명이나 복잡한 아키텍처 설계에는 지능 최적화를, 단순한 텍스트 요약이나 형식 변환에는 토큰 절약을 적용해 효율을 높인다. 결과적으로 사용자는 단일 모델 내에서 작업의 성격에 맞는 최적의 성능 지점을 선택할 수 있다.

Fast mode를 적용하면 기본 응답 속도보다 약 2.5배 빠른 결과물을 얻는다. 이 모드는 빠른 응답을 제공하는 대가로 기본 가격의 2배에 해당하는 비용을 부과한다. 이러한 가격 정책은 이전 세대 모델인 Opus 4.8에서 이미 적용되었던 과금 체계를 그대로 계승한 것이다. 응답 대기 시간이 사용자 경험에 직접적인 영향을 주는 실시간 채팅 서비스나 빠른 피드백이 필요한 단순 코드 수정 작업에서 유용하다. 높은 비용을 지불하더라도 시간 효율을 극대화해야 하는 환경을 위해 속도 중심의 실행 경로를 별도로 분리한 구조다. 기본 모드와 Fast mode 사이의 속도 차이는 약 2.5배로 설정되어 있으며, 이는 연산 밀도를 조정하여 지연 시간을 단축시킨 결과다. 속도 향상을 위해 투입되는 추가 비용은 인프라 자원의 우선 할당이나 최적화된 추론 경로 사용에 따른 비용 상승분으로 해석된다.

노력 설정과 Fast mode 기능은 Claude Platform과 Claude Code에서 모두 사용할 수 있다. Claude Code 환경에서는 사용자가 미리 충전하거나 할당받은 크레딧(서비스 이용을 위해 부여된 가상 포인트)을 소모하는 방식으로 비용이 처리된다. 개발자는 API 호출 시 설정값을 변경하여 특정 작업에는 고지능 모드를, 단순 확인 작업에는 Fast mode를 적용하는 식으로 워크플로우를 설계한다. 모델의 성능을 고정된 값으로 사용하는 것이 아니라 상황에 맞춰 가변적으로 운용함으로써 전체 시스템의 처리량과 비용 효율을 동시에 관리할 수 있다. 특히 Claude Platform의 API를 통해 이러한 설정값을 동적으로 제어하면 애플리케이션의 요구사항에 따라 실시간으로 모델의 동작 특성을 변경하는 구현이 가능하다. 이는 개발자가 모델의 지능 수준을 소프트웨어 파라미터처럼 다룰 수 있게 하여 서비스 운영의 유연성을 높인다.

코딩 및 생명과학 벤치마크 성능 비교

Frontier-Bench v0.1 평가에서 Opus 5는 이전 세대인 Opus 4.8보다 2배 이상의 성능 향상을 기록하며 동시에 작업당 투입되는 비용을 낮췄다. 소프트웨어 엔지니어링과 전문 지식 작업 능력을 측정하는 Frontier-Bench 및 GDPval-AA 벤치마크에서 SOTA(State-of-the-art, 현재 최고 수준)를 달성하며 업계 최고 성능을 확보했다. 단순한 정답률 상승을 넘어 복잡한 엔지니어링 과제를 해결하는 효율성이 개선되었음을 수치로 증명했다. 특히 GKE(Google Kubernetes Engine, 구글의 컨테이너 관리 서비스) 백엔드와 mini-SWE-agent 하네스를 활용한 내부 테스트에서 작업당 5회 시도 평균 보상을 통해 이 수치를 검증했다.

CursorBench 3.2에서는 사용자가 설정하는 노력 수준에 따라 성능 편차가 나타나며, 최대 노력 설정 시 Fable 5의 피크 점수와 0.5% 이내의 차이로 근접했다. 주목할 점은 이 정도의 고성능을 내면서도 작업당 비용은 Fable 5의 절반 수준으로 억제했다는 사실이다. high, xhigh, max effort라는 세 가지 고부하 설정 모두에서 동일한 비용을 투입했을 때 다른 모든 모델보다 더 높은 성능을 기록했다. 이는 지능의 절대적 수치뿐만 아니라 비용 대비 성능이라는 경제적 효율성 측면에서 이전 모델들과 뚜렷한 대비를 이룬다.

전문 과학 연구 분야인 생명과학 평가에서도 Opus 4.8 대비 모든 항목에서 성능이 상승했다. 구조 생물학과 생물정보학(생물학적 데이터를 컴퓨터로 분석하고 저장하는 학문)을 포함한 전 영역에서 개선이 확인되었다. 특히 분광 데이터(빛의 파장을 분석해 물질의 성분을 식별하는 데이터)를 기반으로 분자 구조를 추론하는 유기 화학 작업에서 Opus 4.8보다 10.2%p 높은 점수를 기록하며 가장 큰 폭의 상승을 보였다. 단백질 서열의 변이가 실제 단백질 기능에 어떤 영향을 주는지 예측하는 연구 작업에서도 Opus 4.8 대비 7.7%p 높은 정확도를 기록했다. 전문 도메인의 복잡한 데이터를 해석하는 추론 능력이 정밀해진 결과다.

전반적인 지능 지표는 상승했으나 사이버 보안 작업에서는 Mythos 5의 성능에 미치지 못하는 결과가 나왔다. 소프트웨어 엔지니어링 전반과 전문 과학 지식 작업에서는 SOTA 수준의 성능을 보였음에도 불구하고, 보안 취약점 분석과 같은 특수 영역에서는 모델 간 성능 격차가 유지되고 있다. 이는 Opus 5가 범용적인 코딩 및 과학적 추론 능력에 최적화되었음을 보여준다. 결과적으로 코딩과 생명과학이라는 두 전문 영역에서 이전 세대의 한계를 넘어서며 실무 적용 가능성을 높였다.

정렬(Alignment) 수준과 사이버 보안 제약

보안 취약점 분석과 모델 안전성 제어를 동시에 다루는 개발자는 Opus 5의 정렬 수준과 사이버 보안 제약 수치에 주목해야 한다. Opus 5는 헌법 AI(Constitution AI, 모델이 준수해야 할 기본 원칙과 가이드라인) 준수율에서 Opus 4.8, Sonnet 5, Fable 5보다 높은 성능을 기록했다. 자동화된 행동 감사 결과 기만적 행동률이 가장 낮았으며 사용자가 모델을 오용하도록 유도하는 트릭에 가장 강한 저항력을 보였다. 되돌리기 어려운 부작용을 초래하는 무모한 행동을 방지하는 측면에서 지금까지 출시된 모델 중 가장 안전한 수준이다. 이는 모델의 지능이 높아지면서 발생할 수 있는 통제 불능 위험을 정렬 기술로 억제했음을 뜻한다.

사이버 보안 영역에서는 취약점 발견 능력과 실제 공격 수행 능력을 엄격히 분리하여 구현했다. Opus 5는 이전 모델인 Opus 4.8와 마찬가지로 사이버 공격 작업을 위한 별도의 특화 학습을 진행하지 않았다. 다만 전반적인 추론 지능이 향상된 결과로 취약점 식별 능력은 Mythos 5에 근접한 수준까지 올라왔다. 반면 식별한 취약점을 실제 위협으로 전환하는 익스플로잇(Exploitation, 취약점을 이용해 시스템에 침투하는 공격 코드) 생성 능력은 Mythos 5보다 현저히 낮다. 취약점을 찾는 분석 능력은 제공하되 이를 무기화하는 단계는 차단한 설계다.

OSS-Fuzz(오픈소스 소프트웨어의 버그를 자동으로 찾는 퍼징 도구) 평가에서도 이러한 성능 격차가 명확히 드러난다. 취약점 식별 성공률은 Mythos 5와 유사한 수치를 보였으나 실제 공격 코드를 작성하는 익스플로잇 개발 점수는 크게 뒤처졌다. 보안 분류기(Security Classifier, 입력값의 위험도를 판단해 응답 여부를 결정하는 시스템)의 개입 빈도는 Fable 5 대비 약 85% 낮아졌다. 소스 코드 내의 취약점을 찾아내는 분석 작업은 허용하되 바이너리 기반 스캐닝이나 침투 테스트와 같은 직접적인 공격 행위는 차단하는 방식으로 작동한다. 보안 분석가는 더 적은 제약으로 코드를 검토할 수 있게 되었다.

생물학 및 과학 연구 분야에서도 유사한 안전 제약과 성능 배분이 적용된다. Opus 5는 Opus 4.8와 동일한 수준의 안전장치를 갖추고 있어 일반 공개 모델 중 과학 연구 능력이 가장 뛰어나다. 하지만 장기간 스스로 가설을 세우고 검증하는 자율 연구 작업에서는 여전히 한계를 보이며 이 영역은 Mythos 5가 더 강력한 성능을 유지한다. 이에 따라 Fable 5에서 안전상의 이유로 차단된 생물학 관련 요청은 이제 Opus 4.8가 아닌 Opus 5로 라우팅되어 처리된다. 연구자는 더 높은 지능을 가진 모델을 통해 안전 범위 내의 과학적 추론을 수행할 수 있다.

API 도입 시의 폴백(Fallback) 및 데이터 정책

API 호출 시 사용하는 모델 식별자는 `claude-opus-5`다. 보안 분류기가 요청을 차단하면 시스템은 자동으로 Opus 4.8로 전환하는 폴백(Fallback, 오류 발생 시 하위 버전으로 대체하는 방식) 메커니즘을 작동시킨다. 이는 보안 필터링으로 인해 작업이 완전히 중단되는 상황을 방지하고 서비스 연속성을 유지하기 위한 장치다. 실무 엔지니어는 특정 요청이 차단되었을 때 응답의 질이 하위 모델 수준으로 급격히 낮아질 수 있다는 점을 인지하고 예외 처리 로직을 설계해야 한다. 폴백 발생 시 응답의 일관성이 깨질 수 있으므로 출력 형식의 엄격한 준수가 필요한 작업에서는 보안 분류기의 차단 기준을 사전에 파악하는 과정이 필수적이다.

사이버 보안 작업의 제약을 완화하기 위해 CVP(Cyber Verification Program, 사이버 검증 프로그램)를 운영한다. 승인된 기업과 연구자는 보안 제약이 완화된 버전의 Opus 5에 즉시 접근할 수 있다. 일반 버전의 Opus 5는 소스 코드 내 취약점 탐색은 허용하지만 악의적 사용 가능성이 높은 바이너리 기반 취약점 스캐닝이나 침투 테스트, 익스플로잇(Exploit, 소프트웨어 취약점을 이용한 공격 코드) 생성은 차단한다. 이는 모델이 공격 도구로 악용되는 것을 막으면서도 정당한 보안 분석 업무는 지원하려는 의도다. CVP 참여 여부에 따라 모델이 수행할 수 있는 보안 분석의 깊이와 범위가 결정되며 이는 고도화된 보안 솔루션 구축 시 핵심적인 권한 설정 기준이 된다.

생물학 연구 분야에서는 Fable 5에서 차단되었던 요청들이 Opus 5로 라우팅(Routing, 경로 배정)되면서 연구 효율이 높아졌다. 보안 분류기의 기준이 Fable 5보다 상대적으로 덜 엄격하게 설정되어 기존에 거부되었던 과학적 질의들이 처리 가능해졌기 때문이다. 연구자는 단백질 구조 분석이나 서열 변이 예측과 같은 민감한 과학적 탐색을 더 유연하게 수행할 수 있으며 이는 모델의 안전 가이드라인과 연구 유용성 사이의 균형점을 정교하게 조정한 결과다. 전문 연구 영역에서의 접근성 확대는 실제 구현 단계에서 반복적인 프롬프트 수정 시간을 줄이고 작업 성공률을 직접적으로 높이는 효과를 가져온다.

일반 액세스 경로를 통해 API를 이용할 경우 데이터 보존 요구사항이 없다. 입력된 데이터가 모델 학습에 재사용되거나 서비스 제공자의 저장소에 별도로 보관되지 않는 정책을 유지한다. 기업 사용자는 내부 기밀 데이터나 고객 개인정보가 포함된 텍스트를 처리할 때 데이터 유출 우려를 덜 수 있으며 이는 보안 규정이 엄격한 금융이나 의료 산업군에서 도입 장벽을 낮추는 실질적인 요인이 된다. 데이터 처리 방침은 서비스 이용 약관에 명시된 범위 내에서 엄격하게 적용되며 별도의 데이터 저장 옵션을 선택하지 않는 한 모든 세션 데이터는 휘발성으로 처리된다.

에이전트가 수행하는 작업의 복잡도가 높고 정밀한 추론이 필요할 때는 최대 노력 설정을 적용하고, 단순 반복 작업이나 빠른 응답이 우선인 경우에는 Fast mode를 선택해 토큰 비용 대비 성능을 최적화하는 것이 가장 효율적인 운용 기준이다.