2026년 6월 10일, Anthropic의 새 모델 Fable 5가 출시되었습니다. 저는 전날 저녁 첫 테스트(700개 응답)를 돌려본 뒤, 오늘 아침부터 모든 작업 세션을 Fable 5로 전환했습니다. 기업 PM 워크숍 제안서, WordPress 매거진 운영, 프롬프트 팩 레지스트리 관리까지 — 평소와 똑같은 하루를, 모델만 바꿔서 보냈습니다.

이 글은 그 하루의 실측 기록입니다. 새 모델 리뷰는 대개 인상 비평이 되기 쉽습니다. 저는 같은 저장소(git)·같은 하네스 위에서 직전 12일(Opus 4.8)과 오늘 하루(Fable 5)의 세션 로그 557개 파일을 직접 집계한 숫자로 비교했습니다.

모델 비교에 앞서, 비교 대상인 업무부터 정의하겠습니다. 저의 업무는 세 레이어로 구성됩니다.

세 레이어는 분리된 것이 아니라 곱셈 구조입니다. Business 레이어의 워크숍 경험이 Agentic 레이어의 도메인 프롬프트 팩이 되고(예: 손해보험 그라운딩 체인이 구매 도메인 팩으로 복제), Agentic 레이어의 자동화가 Technical 레이어의 발행 속도를 만들고, Technical 레이어의 발행물이 다시 Business 레이어의 영업 자산이 됩니다.

이 곱셈 구조 전체가 하나의 저장소에서 GitHub 이슈 라이프사이클로 관리됩니다 — 모든 작업은 이슈로 시작해 계획(plan)→진행(progress)→결과(result)→종결(closeout)로 닫힙니다. 그래서 “모델이 일을 얼마나 했는가”를 커밋·결과 문서·종결 이슈라는 동일 단위로 셀 수 있습니다.

지식 구조는 3-플레인으로 운영합니다. Control plane(운영 저장소: 프롬프트 팩 113개 레지스트리·라우터·규칙과 훅 — “오늘 변경되는 모든 것”), Knowledge plane(Obsidian 지식 베이스 약 1.5만 노트 — 재사용 가능한 지식 원소만 선별 이관), Distribution plane(정적 사이트·WordPress — 배포 게이트 통과분만 외부 노출).

읽는 법: Fable 5는 응답 하나하나가 19% 더 간결한데, 같은 결과물(커밋)에 도달하는 데 드는 총 토큰은 절반입니다. 응답이 짧아져서가 아니라 재시도와 우회가 줄어서 나는 차이입니다. 지시를 한 번에 맞게 수행하면 교정 왕복이 사라지는데, 그 왕복이야말로 토큰의 최대 소비처였습니다.

두 기간의 업무 믹스도 적어둡니다. Opus 4.8 기간은 PM 체계·러닝 커뮤니티·하네스 정비의 다중 도메인 병렬이었고, 오늘은 발행·고객 제안·체계화에 집중했습니다. 믹스가 다르므로 배수를 그대로 모델 성능으로 읽어서는 안 됩니다.

모델 교체 당일 가장 인상적이었던 것은 Fable 5의 성능이 아니라, 아무것도 다시 설정하지 않았다는 사실입니다. 저는 지난 1년간 ‘실록(Sillok)’이라는 이름의 운영 하네스를 쌓아왔습니다 — 요청을 적합한 프롬프트 팩으로 라우팅하고, 작업 경로에 따라 품질 규칙을 자동 적용하고, 위험한 변경을 훅으로 차단하는 구조입니다.

이 전부가 모델 비종속(model-agnostic)으로 설계되어 있어서, 모델 교체일의 마이그레이션 작업은 0건이었습니다. 같은 작업 트리거, 같은 라우터, 같은 게이트가 새 모델 위에서 그대로 돌았습니다. 출시 당일 아침에 엔진을 갈아끼우고, 점심 전에 평소 속도로 복귀했습니다.

여기서 정직해져야 할 부분이 있습니다. Part 2의 배수에는 하네스 성숙 효과가 섞여 있습니다 — 12일 전의 Opus 4.8은 지금보다 덜 다듬어진 하네스 위에서 일했습니다. 그런데 바로 그것이 이 글의 핵심 주장입니다.

하네스가 “어떻게 일할 것인가”를 담당한다면, 지식 레이어는 “무엇을 알고 일할 것인가”를 담당합니다. 저는 두 개의 지식 저장소를 운영합니다 — 지식 베이스(obsidian-vault): 큐레이션 노트 약 1.5만 건, 재사용 가능한 지식 원소(atom) 단위. 아카이브(llm-wiki): 문서 약 1.6만 건, 과거 자산 보존용 읽기 전용.

이 표에서 가장 정직한 발견은 세 번째 줄입니다. 임베딩 기반 시맨틱 검색 도구를 깔아두고도 두 기간 모두 0회 호출했습니다. 실제 retrieval(지식 인출)은 전부 경로·구조 기반 직접 접근이었습니다 — 모델이 디렉토리 분류 체계와 역참조 메타데이터(출처 저장소·이슈 번호)를 읽고 곧장 해당 노트로 갑니다.

RAG 활용성 평가 4가지 (라벨: n=1 운영 관찰)

한계도 기록합니다. 지식 레이어의 사각지대는 구조 밖에 있는 자산입니다 — 클라우드 드라이브에만 존재하던 강의 산출물이 지식 베이스에 누락된 사례가 있었고, 이후 이슈 종결 시 외부 산출물 스캔을 절차화했습니다.

제 운영에서 자주 쓰는 두 레버의 사용 빈도를 같은 세션 로그에서 집계했습니다. /goal은 세션에 목표 조건을 걸고 그 조건이 충족될 때까지 세션이 멈추지 않게 하는 명령이고, ultrathink는 확장 추론(깊은 사고 예산)을 명시적으로 트리거하는 키워드입니다.

/goal — 모델 무관의 거버넌스 레이어. 저는 /goal에 역할 부여 프롬프트(예: “당신은 PMP·SAFe SPC 자격의 Enterprise ALM 수석 컨설턴트입니다”)를 결합해 씁니다. 효과는 두 모델에서 동일하게 유효했습니다 — 적용 세션은 중간 산출물에서 멈추지 않고 완결 조건까지 자율 주행하고, 미적용 세션은 “다음에 할 일 목록”을 남기고 끝나는 경향이 있습니다(운영자 관찰 라벨). 모델이 바뀌어도 사용 강도가 유지된 것(37회)은, 목표 관리가 모델이 아니라 하네스의 일이라는 방증입니다.

ultrathink — 모델이 바뀌자 필요가 줄었다. Opus 4.8 기간에는 복잡한 감사·설계 작업마다 붙여 일 50~64회까지 썼지만, 오늘은 11회입니다. 해석(가설 라벨): Fable 5는 기본 추론 품질이 높아 명시 트리거 없이도 첫 패스 정답률이 충분한 경우가 많았고, 자연스럽게 “어려운 작업에만 선별 투입” 패턴으로 이행했습니다. 적용 효과 자체는 여전히 유효합니다 — 오늘의 11회도 무결성 감사·아키텍처 결정 같은 고부하 지점에 썼고, 그 지점에서는 분명히 값을 했습니다.

곱셈 모델 — 어느 한 항이 0이면 결과도 0

덧셈이 아니라 곱셈입니다. 최고 모델도 게이트 없는 하네스 위에서는 조판 표준을 빠뜨리고(하네스 항 ↓), 정돈 안 된 지식 위에서는 일반론을 생성합니다(RAG 항 ↓). 반대로 하네스와 RAG가 아무리 좋아도 모델의 첫 패스 정답률이 낮으면 교정 왕복으로 토큰이 새어 나갑니다(모델 항 ↓). 오늘의 배수(커밋 ×3.3)는 세 항이 동시에 곱해진 결과이며, 그래서 어느 하나의 공으로 돌릴 수 없습니다 — 그것이 정확한 결론입니다.

그럼에도 ‘모델’을 바꿔야 하는 이유 — evidence 5건

곱셈 구조라면 “하네스·RAG나 다듬지, 모델은 아무거나 쓰면 되는 것 아닌가”라는 반론이 가능합니다. 오늘의 실측은 반대를 가리킵니다.

작업 상황별 권장 — 기본값은 Fable 5, 예외 두 줄만 Opus

마지막으로, 이 하루가 남긴 가장 큰 교훈을 다시 곱셈으로 적습니다. 출시 당일 아침에 모델을 갈아끼우고 점심 전에 평소 속도로 복귀할 수 있었던 것 — 그것은 새 모델이 잘나서만이 아니라, 113개 팩·152개 평가 케이스·9개 규칙(하네스)과 1.5만 노트의 구조화된 지식(RAG)이 모델 무관하게 쌓여 있었기 때문입니다.

본 글의 모든 수치는 2026-06-10 18:43 KST 기준 필자 단일 운영 환경의 실측값이며, 일반화에는 표본 한계(n=1 · 하루 표본 · 업무 믹스 차이)가 있습니다.