Claude Fable 5.2 출시, high와 max 중 무엇이 좋을까? 데이터로 품질과 비용 살펴보기

Claude Fable 5.2는 2026년 11월 9일에 출시됐으며, 표준 API 단가는 5.1보다 20% 낮아졌어요.

가격이 낮아졌으니 바로 max로 설정해도 되는지 궁금한 팀이 많을 거예요.

이 글에서는 Fable 5.2 high와 Fable 5.2 max를 같은 기준으로 비교해 품질과 작업당 비용을 함께 살펴봐요.

핵심 가치: 이 글을 읽고 나면 어떤 조건에서 Fable 5.2의 high와 max를 선택해야 하는지 알 수 있어요. 업그레이드 검수에 바로 활용할 수 있는 체크리스트도 확인할 수 있습니다.

목차

• 먼저 알아보기: Fable 5.2 단계 선택 관련 용어
• 1 Fable 5.2의 high와 max는 서로 다른 단가를 바꿔요
• 2 하나의 표로 살펴보는 Fable 5.2의 품질과 비용
• 3 독립 기관 데이터를 통해 확인하는 Fable 5.2 단계별 추세
• 4 작업 용도에 따라 Fable 5.2 단계 선택하기
• 5 자체 검수로 Fable 5.2를 max로 업그레이드할지 결정하기
• 자주 묻는 질문 FAQ / 핵심 요약 / 결론

미리 알아둘 점

1. Fable 5.2의 high와 max는 같은 단가를 바꾸는 설정이 아니에요

설정 단계가 높아질수록 단가도 비싸진다고 생각하는 분이 많아요. 하지만 Anthropic의 공식 표준 요금 기준으로 Fable 5.2의 입력 단가는 토큰 100만 개당 8달러, 출력 단가는 토큰 100만 개당 40달러예요. 이 단가는 설정 단계에 따라 달라지지 않아요.

Effort는 모델이 작업 하나에 얼마나 추론을 투입하고, 몇 단계에 걸쳐 얼마나 오래 처리하며, 토큰을 얼마나 소비할지를 바꿔요. 따라서 단가는 같아도 작업별 청구액은 몇 배까지 차이 날 수 있어요.

Fable 5.2 설정 단계가 청구액에 미치는 영향

Fable 5.2에서는 적응형 추론이 항상 활성화돼요. Effort는 추론 투입량의 상한과 성향을 결정해요. 설정 단계가 높아지면 모델은 대체로 추론과 도구 호출을 더 많이 수행하고, 이에 따라 과금되는 토큰도 늘어나요.

입력 토큰이 똑같이 10만 개여도 출력이 2만 개에서 4만 개로 늘어나면, 5.2 표준 모드의 비용은 1.60달러에서 2.40달러로 올라가요. 이는 기존 사용량을 기준으로 한 5.1의 2달러보다 오히려 더 높은 금액이에요.

또한 ‘기본값’이 두 가지 의미로 쓰인다는 점을 구분해야 해요. 공식 모델 문서에는 API의 기본 Effort가 high라고 명시돼 있어요. 반면 Cursor 같은 제품에는 자체 설정 계층이 있어요. 예를 들어 Cursor의 기본 컨텍스트는 300K예요. 이는 API 문서의 1M 사양과는 서로 다른 계층의 설정이에요.

한 가지 더 기억해 두세요. 공식 프롬프트 가이드에 따르면 이름이 같은 설정 단계라도 버전에 따라 추론량이 다를 수 있어요. 따라서 5.1 시기의 설정 경험을 5.2에 그대로 적용하면 안 돼요.

2 같은 표에서 살펴보는 Fable 5.2의 품질과 비용

CursorBench 4.0은 Cursor가 자체 작업과 도구 환경에서 진행한 평가예요. 일반적인 독립 재평가는 아니지만, 다섯 가지 단계의 모델을 동일한 하네스에서 비교하므로 단계별 상대적 변화를 살펴보기에 적합해요. 아래 데이터는 2026년 11월 10일 기준이에요.

참고: 토큰 열은 벤치마크 페이지의 집계 필드이므로 출력량만 포함한다고 볼 수 없어요. 출처: CursorBench 4.0.

Fable 5.2 High에서 Max로: 3.1%포인트 상승과 약 3.38배의 비용

이 표에서 점수는 High의 56.9%에서 Max의 60.0%로 3.1%포인트 올랐어요. 작업당 비용은 9.70달러에서 32.79달러로 약 3.38배가 됐고, 약 238% 증가했어요.

이 글의 계산에 따르면 토큰 필드는 약 3.55배로 늘었고, 단계 수는 69단계에서 218단계로 약 3.16배 증가했어요. 비용 상승의 주된 원인은 단가가 아니라 추론과 실행 단계가 늘어난 데 있어요.

이 데이터는 이 환경에서 더 높은 점수에 훨씬 큰 비용이 따른다는 점만 보여줘요.

Extra High의 이례적인 결과를 어떻게 볼까

표에서 한 가지 더 눈여겨볼 점이 있어요. Extra High는 High보다 약 60% 더 비싼데도 점수는 0.6%포인트 낮아요.

💡 선택 팁: 같은 표에 있는 단계끼리만 비교할 수 있어요. 서로 다른 평가의 수치를 한데 놓고 비교해서는 안 돼요. 자체 작업에서도 비슷한 비교를 재현하고 싶다면 APIYI apiyi.com의 통합 인터페이스와 호출 로그를 사용해 비용을 대조할 수 있어요. 단, 먼저 해당 날짜에 플랫폼이 지원하는 모델 ID와 단계가 무엇인지 확인해야 해요.

3 독립 기관 데이터를 통해 Fable 5.2 등급별 추세 확인하기

하나의 평가 환경만 보면 결론이 해당 환경의 특성에 좌우될 수 있어요. 독립 평가 기관인 AA의 리더보드를 활용하면 Cursor에서 관찰한 추세가 다른 환경에서도 나타나는지 확인할 수 있습니다. 아래는 2026년 11월 10일 기준 동적 스냅샷이며, 방법론 버전은 Intelligence Index v5.0.1입니다.

65는 정답률 65%를 뜻하지 않아요

AA 방법론 페이지에 따르면 v5.0.1 지수는 9개 평가로 구성되며, 네 가지 역량 영역이 각각 25%를 차지합니다. 따라서 65는 종합 지수 점수이지, 정답률 65%를 뜻하지 않아요. AA 환경에서는 high에서 max로 바뀔 때 지수가 3점 상승하고, 작업당 비용은 약 2.92배가 됩니다. high와 xhigh의 점수는 모두 62지만, 종합 점수가 같다는 뜻일 뿐 작업별 동작까지 완전히 같다는 의미는 아니에요.

두 환경의 결과는 각각의 환경 안에서만 비교해야 해요

두 환경 모두 “max의 점수가 더 높고, 비용은 high의 약 3배”라는 추세를 보여요. 이는 추세가 서로 일치한다는 근거가 될 수 있습니다. 하지만 AA와 Cursor는 작업, 채점 방식, 비용 산정 방식이 모두 다르므로 AA의 65와 Cursor의 60.0%를 하나의 정답률로 합산할 수는 없어요.

4 작업 목적에 따라 Fable 5.2 등급 선택하기

공식 프롬프트 가이드에서는 다음과 같은 기본 원칙을 제시해요. API는 기본값인 high로 시작하고, 자체 평가 결과에 따라 등급을 높이거나 낮추세요. medium은 대화형 시나리오에 적합하고, xhigh는 추가 이점이 입증된 어렵고 긴 작업에 사용하세요. max는 모델의 성능 한계를 평가하거나 시간과 토큰 비용이 중요하지 않은 일부 작업에 적합해요. 낮은 등급에서는 작업이 조기에 종료될 위험도 고려해야 해요.

Fable 5.2 시나리오별 추천 표

아래 세 가지는 선택 방법을 설명하기 위한 가상 시나리오예요.

Fable 5.2 high를 선택할 상황

• 명확한 승인 기준이 있고 강한 추론이 필요한 대부분의 API 작업
• 팀에 등급별 평가 체계가 아직 없어서 공식 권장 시작점이 필요한 경우
• 요청량이 많고 개별 작업의 비용에 민감한 프로덕션 워크플로

Fable 5.2 max를 선택할 상황

• 특정 유형의 문제에서 모델의 성능 한계를 평가할 때
• 실패 비용이 모델 사용료보다 훨씬 큰 일부 개방형 문제
• 자체 샘플 평가에서 max는 통과율을 기준 이상으로 높이지만 high는 그러지 못한다는 점이 입증된 경우

🎯 기술 제안: 요청마다 등급을 따로 정하기보다는 작업 유형별로 등급을 선택하세요. 공식 권장 모범 사례는 먼저 high로 대표 작업을 여러 개 실행해 보는 거예요. APIYI apiyi.com을 통해 통합 연결할 계획이라면, 본격적으로 실행하기 전에 플랫폼에서 해당 날짜의 모델 ID, 그룹, 엔드포인트와 effort 지원 여부를 확인하세요.

5 직접 검수해 Fable 5.2를 max로 업그레이드할지 결정하기

공개 벤치마크로는 추세만 파악할 수 있어요. 업그레이드할 가치가 있는지는 직접 검수한 결과를 바탕으로 판단해야 합니다. 아래 기록 항목을 그대로 활용해 보세요. 핵심은 매번 변경하는 변수를 모델 등급 하나로 제한하는 것입니다.

Fable 5.2 빠르게 시작하기: 먼저 usage 기록하기

아래의 간단한 예제에서는 호출을 시작하고 usage를 기록하는 방법만 보여드려요. 이 글에서는 effort 매개변수를 전달하는 방법을 다루지 않습니다. Fable 5.2가 플랫폼에 출시됐는지, effort를 전달할 수 있는지는 해당 플랫폼의 최신 문서를 확인하세요.

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI OpenAI 호환 인터페이스
)

resp = client.chat.completions.create(
    model="YOUR_MODEL_ID",  # 플랫폼의 최신 문서에서 사용 가능하다고 확인된 모델 ID를 입력하세요
    messages=[{"role": "user", "content": "按验收标准修复以下函数……"}]
)
print(resp.usage)  # 나중에 대조할 수 있도록 usage를 기록합니다

import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# Anthropic 공식 표준 요금(달러/백만 토큰). 추정에만 사용하며 실제 청구액과는 다릅니다
RATE_IN, RATE_OUT = 8.0, 40.0

def run_task(task_id: str, prompt: str, model: str, effort_label: str, passed_fn):
    """작업 하나를 실행하고 검수 기록 한 건을 반환합니다. effort_label은 기록용 레이블일 뿐입니다."""
    start = time.time()
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}]
    )
    text = resp.choices[0].message.content
    u = resp.usage
    est_usd = u.prompt_tokens / 1e6 * RATE_IN + u.completion_tokens / 1e6 * RATE_OUT
    return {
        "task_id": task_id,
        "model": model,
        "effort": effort_label,
        "passed": passed_fn(text),          # 미리 작성해 둔 검수 함수
        "prompt_tokens": u.prompt_tokens,
        "completion_tokens": u.completion_tokens,
        "est_usd": round(est_usd, 4),       # 추정값
        "seconds": round(time.time() - start, 1),
        "output": text,                     # 실패 사례의 원문을 보존합니다
    }

def quota_to_usd(quota: int) -> float:
    """플랫폼 로그의 quota를 500000으로 나누면 실제 청구액(달러)이 됩니다."""
    return quota / 500000

APIYI의 로그 문서에는 model_name, prompt_tokens, completion_tokens, quota, duration_for_view, request_id 등의 필드가 나와 있어요. quota÷500000은 실제 청구액(달러)이며, other 필드에는 그룹별 배율 등의 추가 정보가 포함됩니다. request_id로 검수 기록과 로그를 연결하면 단일 요청 비용만 보는 대신, “통과한 작업”을 기준으로 실제 비용을 계산할 수 있어요.

🚀 빠른 시작: 먼저 소규모 샘플로 절차를 검증하고 싶다면 APIYI apiyi.com에 가입한 뒤 신규 사용자 무료 테스트 크레딧을 사용해 보세요. “같은 작업, 변수 하나씩, 실제 청구액 기록” 방식으로 기록을 진행한 다음 샘플을 늘릴지 결정하면 됩니다.

최종 판단 기준은 다음과 같아요. 먼저 high가 품질 기준을 충족하는지 확인하세요. 기준을 충족한다면 몇 퍼센트 더 높은 성능을 위해 약 3배의 비용을 지불할 필요는 없습니다. high가 기준에 미달하고 max가 충족할 때만 max의 추가 비용이 실패나 재작업에 드는 비용보다 낮은지 비교하세요. 모든 요청의 기본값으로 max를 설정하는 것은 권장하지 않습니다.

자주 묻는 질문 FAQ

Fable 5.2 high와 max 핵심 요점

• 단가는 그대로지만 청구액은 달라져요: effort에 따라 사고량과 단계 수가 달라지므로, 같은 단가라도 작업 비용은 몇 배까지 차이 날 수 있어요.
• API 기본값은 high예요: 공식 권장에 따라 high로 시작한 뒤, 자체 평가 결과에 맞춰 높이거나 낮추세요.
• Cursor 비교: high에서 max로 올리면 점수는 3.1%포인트 높아지고, 비용은 약 3.38배가 돼요.
• AA 비교: 지수는 62에서 65로 오르고, 비용은 약 2.92배가 돼요. 여기서 65는 정답률이 아니에요.
• 평가 환경을 합치지 마세요: 두 평가 결과는 각 환경 안에서만 비교해야 해요. 하나의 가성비 점수로 합칠 수는 없어요.
• max는 일부 작업에만 사용하세요: 성능 한계 평가나 가치가 높은 개방형 문제에 적합해요.
• 실제 청구액으로 검증하세요: 같은 작업에서 변수를 하나씩 바꾸고 사용량을 기록하세요. APIYI apiyi.com 로그를 활용해 대조할 수 있어요.

요약

Fable 5.2의 high와 max 중 무엇을 선택할지는 세 가지로 정리할 수 있어요.

1. 단가와 작업별 청구액을 구분하세요: 등급에 따라 단가는 바뀌지 않지만, 투입량은 달라져요.
2. 같은 환경 안에서 데이터를 비교하세요: Cursor와 AA 모두 max의 점수가 조금 더 높고 비용은 high의 약 3배지만, 두 환경의 결과를 합쳐 비교하면 안 돼요.
3. 검수 기준에 따라 선택하세요: high로 기준을 충족하면 그대로 사용하세요. high는 기준에 못 미치고 max는 충족하는 경우에만 추가 비용과 재작업 비용을 비교하세요.

대부분의 팀에는 먼저 high를 기준으로 작업을 분류하고 검수 기록을 쌓은 다음, 가치가 높은 일부 작업만 따로 골라 max를 평가하는 방법이 안정적이에요. APIYI apiyi.com의 통합 인터페이스와 호출 로그를 활용해 자체 샘플로 빠르게 검증하고, 모델과 등급의 지원 여부를 확인한 뒤 규모를 확대하는 것을 권장해요.

📚 참고 자료

1. Anthropic 출시 공지: Fable과 Mythos 5.2의 출시 범위 및 자체 평가
2. 링크: anthropic.com/claude-fable-and-mythos-5-2

3. 설명: 출시일은 2026-11-09이며, 속도 기준과 평가표가 포함돼요.

4. Claude API 가격: 공식 표준 요금

5. 링크: platform.claude.com/docs/en/about-claude/pricing

6. 설명: Fable 5.2의 입력/출력 요금은 토큰 100만 개당 8 / 40달러예요.

7. Fable 5.2 모델 사양: 컨텍스트, 출력 한도, 기본 effort

8. 링크: platform.claude.com/docs/en/models/fable-5-2/overview

9. 설명: 적응형 사고 기능은 항상 켜져 있고, API 기본값은 high예요.

10. Fable 5.2 프롬프트 가이드: 공식 단계별 선택 가이드

11. 링크: platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5-2

12. 설명: medium, high, xhigh, max의 각 활용 사례를 안내해요.

13. CursorBench 4.0: Cursor 자체 환경에서 실시한 5단계 평가

14. 링크: prod.cursor.com/evals

15. 설명: 도구 제공업체 자체 평가이며, 일반적인 독립 재평가 결과는 아니에요.

16. Artificial Analysis 모델 순위: 독립 기관의 실시간 순위

17. 링크: artificialanalysis.ai/leaderboards/models

18. 설명: Intelligence Index와 작업별 비용을 확인할 수 있어요.

19. Artificial Analysis 평가 방법론: Intelligence Index v5.0.1의 구성

20. 링크: artificialanalysis.ai/methodology/intelligence-benchmarking

21. 설명: 9개 평가 항목으로 구성되며, 4개 역량 영역이 각각 25%를 차지해요.

22. Cursor의 모델 품질 비교 방법: 이전 버전 벤치마크 방법론 블로그

23. 링크: prod.cursor.com/blog/cursorbench

24. 설명: 설계 방향을 이해하는 데만 참고하고, 4.0의 통계 결론에는 적용하지 마세요.

25. APIYI 로그 조회 API: 로그 필드 및 실제 차감액 환산

26. 링크: docs.apiyi.com/api-capabilities/log-query
27. 설명: quota÷500000으로 실제 달러 차감액을 계산해요.

작성자: APIYI 기술팀
기술 문의: APIYI apiyi.com 홈페이지에서 문의해 주세요. 더 많은 자료는 docs.apiyi.com 문서 센터에서 확인할 수 있어요.

관련 글

• Fable 5.5 vs GPT-6.2 Astra: 어느 쪽이 더 강력하고 어떻게 선택할까? 데모 6개와 불공정한 점 3가지: Fable 5.5와 GPT-6.2 Astra는 모두 공개 데모가 있지만 같은 과제로 비교된 적은 없으며, 이 글에서는 데모 6개의 근거 수준과 현행 플래그십 모델인 Fable 5.1 및 GPT-6 Astra의 공식 사양과 가격을 정리하고 재실행 가능한 모델 선정 평가 방법을 제시합니다.
• GPT-6.1 Terra와 GPT-6 Luna 중 대량 자동화에 더 적합한 모델은? 실제 테스트 4건으로 비용과 정확도 비교: Terra의 토큰 단가는 Luna의 10배지만 정확도 차이는 4.7~18.7%포인트로, 이 글에서는 Plotly, DualEntry, OSWorld 등의 실제 테스트 데이터를 활용해 대량 자동화 시 ‘정확한 결과 한 건당’ 실제 비용을 계산합니다.
• 토큰 단가만 보지 마세요: 한 번의 작업 전체 비용을 추정하는 7단계: 입력, 출력, 추론, 캐시, 재시도부터 검증 및 업그레이드까지 7단계로 '100만 토큰당 얼마인지'를 '작업 한 번을 완료할 때마다 얼마인지'로 환산한다.
• 새 모델 장기 작업 검증 가이드: 5단계로 새 모델로 교체할 가치가 있는지 판단: 새 모델 출시 후 자신의 장기 작업으로 대조 검증하는 방법을 이 글에서 5단계 절차, 6개 평가 지표, 비용 산정 방법으로 제시해 교체할 가치가 있는지 판단하도록 돕습니다.
• MiniMax M3.1 Flash 오픈소스 가중치 10/23 공개: 로컬 배포 사양과 API 비용의 4가지 측면 비교: MiniMax M3.1 Flash 가중치는 10월 23일 공개될 예정이며, 이 글에서는 로컬 배포에 필요한 사양을 설명하고 규정 준수, 호출량, 운영 역량, 모델 수정 필요성의 4가지 측면에서 자체 배포와 API 직접 호출의 비용을 비교합니다.