Fable 5.1 is the BEST Model so far (but is it worth the cost?)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Fable 5.1은 영상 제작자가 지금까지 본 최고의 시각 구현 결과를 보여줬지만, 높은 실사용 비용 때문에 계획 수립에 집중해 활용할 가치가 있다는 평가다.

📌 핵심 요점

1. 발표 자료상 코딩·연구·장기 에이전트 작업이 개선됐다. 제작자는 Terminal Bench 4.0에서 GPT-5.6 Soul보다 18% 높다고 소개하지만, 비교 조건과 수치 산식은 영상에 제시되지 않는다.
2. 시각 구현에서는 Helm’s Deep의 성벽과 진입로 분리, Hogwarts 비행의 충돌 회피, 중국 건축 조립의 완성된 지붕과 노후화 표현이 돋보였다. 캐릭터 표시 오류와 어색한 균열 표현 등 한계도 남았다.
3. 일반 작업에서 Fable 5보다 비용이 25% 적다는 추정과 제작자의 체감 비용은 달랐다. Cursor 사용 한도 안에서 이전에는 시각 벤치마크를 9회 실행했지만, 이번에는 3회 만에 한도를 소진했다고 한다.
4. 캐시 읽기 비용이 낮아져도 추론량·출력 길이·도구 호출·재시도가 늘면 총비용은 커질 수 있다. 제작자는 더 철저한 계산과 검증이 결과물의 품질과 비용을 함께 높였다고 해석한다.
5. 선택한 모델과 실제 작업을 수행한 모델을 구분해야 한다는 것이 후반부의 핵심이다. 제작자는 Opus 폴백 여부를 기록으로 확인하고, Fable 5.1로 계획과 handoff.md를 만든 뒤 GPT-5.6 Soul에 구현을 맡기는 방식을 유지한다.

🧩 배경과 문제 정의

이 영상은 Fable 5.1의 성능 향상과 그 성능을 얻기 위해 지불하는 비용을 함께 평가한다. 제작자는 발표 자료의 벤치마크와 비용 절감 주장을 소개한 뒤, Cursor에서 수행한 세 가지 시각 구현 사례를 보여준다. 핵심 문제는 좋은 결과물이 실제로 비용을 정당화하는지, 그리고 선택한 모델이 작업 전체를 수행했는지 확인할 수 있는지다. 후반부에는 폴백 관찰 방법과 계획·구현을 분담하는 사용 전략을 제시한다.

🕒 시간순 섹션별 상세정리

1. 뛰어난 첫인상과 두 가지 평가 축

• 제작자는 Fable 5.1을 비싸지만 매우 인상적인 모델로 소개하며, Helm’s Deep 시각 벤치마크를 대표 사례로 제시한다. [00:12]
• 코딩·연구·장기 에이전트 작업의 개선과 캐시 읽기 비용 절감이라는 발표 내용에 더해, 출시 후 성능 유지와 Opus 라우팅 문제를 함께 다루겠다고 예고한다. [00:59]

2. 벤치마크 우위와 체감 비용의 차이

• Terminal Bench 4.0에서 GPT-5.6 Soul보다 18% 높다는 비교와 내부 코딩·트레이딩 직관 평가를 보여준다. 제작자는 Pine Script와 백테스트 일관성을 직접 시험하고 싶다고 드러낸다. [02:36]
• 일반 작업 비용이 Fable 5보다 25% 적다는 추정을 소개하지만, 본인은 Cursor 한도 내 시각 벤치마크 실행 횟수가 9회에서 3회로 줄었다고 보고한다. [03:06]
• 비용에는 캐시뿐 아니라 추론 노력, 출력 길이, 도구, 재시도도 영향을 준다고 설명하며, 이번 모델이 검증을 더 철저히 수행했다고 관찰한다. [03:49]

3. Helm’s Deep과 Hogwarts 구현의 성과와 오류

• Helm’s Deep에서는 횃불, 비 표현, 진입로와 성벽의 분리 등을 높이 평가한다. 제작자는 제공된 아트 자산 없이 책과 웹 이미지 검색을 참고해 구현했다고 보여준다. [04:45]
• Fable 5 결과와 비교해 외부 구조가 더 잘 표현됐다고 평가하고, 진입로 이동과 동굴·성 내부 공간을 살펴본다. [05:31]
• Hogwarts 비행 시뮬레이터에서는 충돌 회피 계산과 속도 패널을 긍정적으로 보지만, 캐릭터의 SVG 표시 오류와 충분히 크지 않은 성의 규모도 지적한다. [06:33]

4. 중국 건축 조립에서 확인한 시각적 완성도

• 중국 건축 조립 사례에서는 부재가 튀어나오지 않는 완성된 지붕과 조립 애니메이션을 특히 높게 평가한다. [07:10]
• 화면을 가리는 라벨과 X-ray 보기를 살펴본 뒤, 노후화 과정의 질감 변화를 호평한다. 다만 균열처럼 보여야 할 표현은 실제 균열과 다소 다르다고 인정한다. [07:49]

5. 폴백 주장과 실제 수행 모델 확인 방법

• 제작자는 Fable을 Mythos에 보호 장치를 적용한 버전이라고 설명하며, 사이버보안·생물학 관련 코딩 요청이 Opus 5로 전환될 수 있다고 드러낸다. 향후 임의 성능 조정 가능성은 우려로 제기한다. [08:46]
• 새 대화에서 메시지 표시 시 모델을 전환하는 설정을 끄면 전환 대상 요청이 대신 멈춘다고 보여준다. 비교 실험은 이전 유발 요청의 영향을 피하도록 별도 세션에서 하라고 제안한다. [09:26]
• 모델에게 정체를 묻기보다 API의 최상위 모델, 폴백 블록, usage iterations를 확인하라고 권한다. 일반 터미널 작업도 라우팅되는 것 같다는 발언은 제작자의 느낌으로 드러난다. [10:11]

6. 반복 작업의 경제성과 최종 활용 전략

• 제작자는 X의 반응이 혼재하지만 긍정 쪽에 가깝다고 전해진다. 같은 도구와 상세한 지시문을 반복 사용하는 작업은 캐시 절감 효과를 얻을 수 있다고 보여준다. [10:38]
• 참고 자료가 적은 시각 창작은 도구와 추론 사용을 늘려 비용을 높일 수 있다며, 다른 사용자의 경험을 관찰하고 보수적으로 사용하겠다고 드러낸다. [11:07]
• 최종적으로 Fable 5.1은 계획과 handoff.md 작성에 사용하고 GPT-5.6 Soul에 구현을 맡기는 습관을 유지하겠다고 밝힌 뒤 영상을 마무리한다. [11:42]

🧾 결론

• 영상의 강한 긍정 평가는 세 가지 시각 구현 사례에 근거한다. 모든 코딩·연구 작업에서 최고라는 결론으로 확대하기에는 근거가 제한적이다.
• 비용 대비 가치는 캐시 할인 자체보다 작업당 총사용량과 완성도에 따라 판단해야 한다.
• 제작자의 최종 선택은 Fable 5.1을 보수적으로 사용하면서 계획 수립에 배치하고, 구현은 GPT-5.6 Soul에 맡기는 것이다.

📈 투자·시사 포인트

• AI 도입 비용을 평가할 때는 토큰 단가와 함께 작업 완료까지 필요한 추론·도구·재시도 비용을 살펴볼 필요가 있다.
• 같은 도구와 상세한 지시문을 반복 사용하는 작업은 캐시 재사용의 이점을 얻을 가능성이 있다. 반면 참고 자료가 적은 창작 작업은 추가 계산이 절감 효과를 상쇄할 수 있다.
• 계획과 구현을 서로 다른 모델에 배분하는 방식은 고성능 모델의 활용 범위와 예산을 조절하는 사례로 해석할 수 있다.
• 내부 평가에서 언급된 트레이딩 직관 성능은 실제 투자 수익의 증거가 아니다. 제작자도 Pine Script 작성과 진입 모델 백테스트의 일관성을 앞으로 확인하고 싶다고 말한다.

⚠️ 불확실하거나 확인이 필요한 부분

• Terminal Bench 4.0의 18% 우위와 일반 작업 비용 25% 절감은 영상이 소개하는 주장이다. 원점수, 평가 설정, 비용 산정 조건은 제공되지 않는다.
• Cursor 한도 내 실행 횟수 3회와 9회는 제작자의 경험이다. 작업별 사용량과 설정을 통제한 비교가 아니므로 비용이 정확히 세 배라고 단정할 수 없다.
• 사이버보안·생물학 관련 요청의 Opus 폴백과 이를 확인하는 설정·응답 필드는 제작자의 설명이다. 영상에는 해당 정책이나 실제 로그를 검증할 충분한 자료가 없다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 동일한 과제와 설정으로 모델별 결과물의 완성도, 오류, 수정 횟수와 총비용을 함께 기록한다.
• 반복 작업과 시각 창작 작업을 나누어 캐시 재사용, 출력 길이, 도구 호출, 재시도가 비용에 미치는 영향을 비교한다.
• 실제 사용 환경에서 영상이 설명한 모델 전환 설정과 로그 필드가 제공되는지 확인하고, 지원된다면 최상위 모델·폴백 블록·usage iterations를 기록한다.
• 라우팅 비교는 새 대화에서 수행해 이전 요청의 맥락이 결과에 영향을 주는지 점검한다.

❓ 열린 질문

• 캐시 재사용이 어느 정도일 때 추가 추론과 검증 비용을 상쇄할 수 있는가?
• 세 가지 시각 구현 사례에서 관찰된 품질 개선이 일반적인 코딩 작업에서도 반복되는가?
• 실제 폴백의 발생 조건과 빈도는 무엇이며, 작업 결과와 비용에 어떤 영향을 주는가?