Fable 5.1 Just Dropped. It''s Not Even Close.

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Fable 5.1은 영상에서 연구·업무 자동화 성능과 비용 효율이 함께 개선된 모델로 소개되며, 실제 격차는 자신의 업무에서 검증해야 한다.

📌 핵심 요점

1. 과학 연구 성능이 크게 올랐다. 발표자는 Terminal Bench Science 1.0에서 기존 Fable 5와 Opus 5가 약 24.7~29%였던 반면, Fable 5.1은 50%를 넘었다고 설명하며 자율 연구 반복 작업의 개선을 기대한다.
2. 코딩·지식 업무·컴퓨터 사용에서도 상승을 제시했다. 에이전트 코딩 55.8%, GDP-Val-AA-V2 1853점, OSWorld 2.0 부분 달성 기준 77.9%, Cursor Bench 3.2.0 73.4%다. 다만 점수 상승과 실제 사용 만족도는 구분해야 한다.
3. 기업 업무 자동화가 주요 변화로 강조됐다. Automation Bench 성공률은 Fable 5의 17.1%에서 31.4%로 상승했다. 이는 14.3%포인트, 약 1.84배의 개선이지만, 기업 업무 전반의 완전 자동화를 뜻하지는 않는다.
4. 비용 비교의 중심이 토큰 단가에서 작업당 비용으로 이동한다. 발표자는 그래프상 약 17달러에서 점수가 약 15%에서 거의 40%로 오른 사례를 들어 달러당 성능이 약 2.5배라고 해석한다. 캐시 변경에 따른 비용 감소도 일반적으로 약 25%, 에이전트 활용이 많은 경우 최대 45%라고 소개한다.
5. 정상 요청이 안전장치에 걸리는 빈도도 줄었다고 설명한다. 무해한 요청의 탐지 빈도는 60%, 생물학·의학 질문의 하위 모델 전환율은 85% 감소했다는 주장이다. 영상의 최종 초점은 지능 순위보다 가격과 경제적 활용 가능성에 있다.

🧩 배경과 문제 정의

영상은 Fable 5.1과 Mythos 5.1이 막 공개됐다는 언급으로 시작하지만, 구체적인 평가는 Fable 5.1에 집중한다. 발표자는 새 모델의 벤치마크 상승이 개인과 기업의 실제 활용에 어떤 의미를 갖는지 설명하려 한다.

핵심 문제는 높은 점수가 좋은 사용 경험과 경제적 성과로 이어지는지다. 발표자는 자신이 Fable 5와 Opus 5를 사용한 경험을 근거로 벤치마크와 체감 품질의 차이를 지적하고, 후반부에는 작업당 비용과 정상 요청의 처리 경험으로 평가 기준을 넓힌다.

🕒 시간순 섹션별 상세정리

1. 출시 직후 비교와 연구·코딩 성능 상승

• Fable 5.1과 Mythos 5.1의 공개를 알리고, Terminal Bench Science 1.0에서 Fable 5.1이 50%를 넘어 기존 두 모델의 약 24.7~29%보다 높았다고 보여준다. 이를 사람의 감독 없이 반복하는 과학 연구 작업의 개선 가능성과 연결한다. [00:59]
• 에이전트 코딩 점수 55.8%를 제시하고, 이번 업데이트를 혁명적 변화보다는 상당한 개선으로 평가한다. [01:20]
• GDP-Val-AA-V2에서 Fable 5.1은 1853점, Fable 5는 1723점, Opus 5는 1824점, GPT-5.6-Sol은 1711점이라고 보여준다. [01:51]

2. 컴퓨터 사용과 기업 업무 자동화

• OSWorld 2.0에서 부분 달성 기준 77.9%, 다학제 추론에서 60.9%를 제시한다. 컴퓨터 사용 점수는 여러 단계를 거쳐 초기 과제의 대부분을 수행한 경우를 포함한다는 설명이 붙는다. [02:35]
• Automation Bench는 기업의 파이프라인과 시스템을 대표하는 업무를 평가한다고 보여준다. Fable 5의 17.1%에서 Fable 5.1의 31.4%로 상승한 점을 근거로 업무 자동화 수요 확대를 예상한다. [03:42]
• Cursor Bench 3.2.0에서는 Fable 5.1이 73.4%, Fable 5가 70.5%, Opus가 70%라고 보여준다. [03:50]

3. 벤치마크와 실제 사용 경험의 간극

• 발표자는 Opus 5가 여러 벤치마크에서 좋은 점수를 냈어도 자신은 Fable 5에서 더 높은 품질의 결과를 얻었다고 드러낸다. 점수가 실제 대화와 작업 경험을 항상 설명하지는 않는다는 주장이다. [04:35]
• 향후 12~24시간 동안 3D 세계 제작이나 새로운 상호작용 설계 같은 실제 사용자 과제로 모델의 취향 적합성과 결과물 품질이 평가될 것이라고 예상한다. [05:04]
• 평가의 관심을 과제 수행 가능성에서 비용으로 옮기며, Anthropic이 공개했다는 점수 대비 평균 작업 비용 그래프를 보여준다. [05:46]

4. 작업당 비용과 경제성 중심의 경쟁

• 그래프에서 약 17달러를 쓸 때 Fable 5는 약 15%, Fable 5.1은 거의 40%의 점수를 낸다고 읽고, 이를 약 2.5배의 달러당 성능으로 해석한다. [06:17]
• 모델마다 작업 완료에 필요한 토큰 수가 다르므로 토큰 단가보다 작업당 비용이 중요해질 것이라고 보여준다. 캐시 읽기 변경으로 비용이 약 25%, 에이전트 활용이 많은 경우 최대 45% 줄었다는 주장도 전해진다. [07:36]
• 과거 ChatGPT 수준의 지능을 얻는 비용이 크게 하락했다고 추정하며, 경제적 활용의 질문이 가능 여부에서 수익성 여부로 옮겨간다고 주장한다. [08:34]

5. 안전장치 개선과 최종 판단 기준

• 기존에는 생물학이나 앱 보안 강화 같은 정상 질문도 안전장치에 걸려 하위 모델로 전환되는 문제가 있었다고 보여준다. Fable 5.1은 무해한 요청을 문제로 탐지하는 빈도를 60% 줄였다고 보여준다. [09:19]
• 생물학·의학 질문의 하위 모델 전환율은 85% 감소했다고 전한 뒤, 자신의 설명을 비판적으로 받아들일 것을 당부한다. [09:34]
• 일상적인 응답에서는 모델 간 차이를 구별하기 어려울 수 있다고 말하며, 앞으로는 지능 점수의 작은 차이보다 가격을 통해 모델을 경제 전반에 효과적으로 보급하는 일이 중요하다는 결론으로 마친다. [10:21]

🧾 결론

• 발표자는 이번 업데이트를 혁명적 변화보다는 의미 있는 성능 개선으로 평가한다. 특히 과학 연구와 업무 자동화에서 상승 폭을 강조한다.
• 벤치마크는 표준화된 비교 수단이지만, 대화 품질·결과물의 취향 적합성·실제 업무 완수 경험을 모두 설명하지 못한다.
• 모델 선택의 기준은 수행 가능성에서 수익성으로 확장된다. 작업 완료까지 드는 비용과 실제 결과물의 품질을 함께 봐야 한다.

📈 투자·시사 포인트

• 기업 AI 도입에서는 최고 점수보다 업무 자동화 성공률과 작업당 비용의 조합이 중요해진다는 시사점이 있다.
• 토큰 단가가 낮아도 작업에 더 많은 토큰이 필요하면 비용 우위가 사라질 수 있다. 가격 비교는 같은 업무를 끝내는 데 드는 비용으로 해야 한다.
• 정상 요청의 불필요한 차단과 하위 모델 전환이 줄어든다면 생물학·의학·보안 관련 업무의 사용 경험이 개선될 가능성이 있다.
• 영상은 경제적 확산의 출발점으로 가격을 강조하지만, 특정 기업의 매출·이익이나 투자수익률을 판단할 자료는 제공하지 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• 출시 직후의 해설이며, 제공된 전사에는 벤치마크 원문·실험 설정·가격표가 없다. 수치는 발표자가 소개한 주장으로 취급해야 한다.
• 일부 비교 점수의 모델 대응 관계가 전사에서 불명확하다. 특히 에이전트 코딩의 52.3%와 컴퓨터 사용의 비교 수치를 임의로 특정 모델에 배정하면 안 된다.
• OSWorld 2.0의 77.9%는 부분 달성 기준이다. 완전 성공률이나 실제 기업 업무 자동화 성공률과 직접 비교하기 어렵다.
• 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

• 제시된 벤치마크의 평가 조건, 비교 모델, 부분 달성 여부를 원문 자료에서 확인한다.
• 반복적으로 수행하는 실제 업무를 골라 기존 모델과 Fable 5.1에 동일한 지시를 주고 결과물 품질과 완료 여부를 비교한다.
• 토큰 단가와 함께 작업 완료까지의 총비용을 기록해 영상의 비용 효율 주장이 자신의 업무에서도 성립하는지 확인한다.
• 캐시 읽기 변경의 적용 조건을 확인하고, 반복 질의와 에이전트 실행에서 실제 비용 감소를 측정한다.

❓ 열린 질문

• Automation Bench의 31.4%가 실제 기업의 복잡한 업무에서도 비슷한 성공률로 이어질까?
• 벤치마크 상승이 대화 품질, 창작 결과물, 사용자의 취향에 맞는 결과에서도 체감될까?
• 약 2.5배의 달러당 성능 개선은 어떤 작업과 추론 강도에서 유지될까?