Fable 5 vs GPT 5.6 소울 비교 — 가격 절반, 성능은? 미 정부 규제까지 총정리

핵심 메시지

• Fable 5는 다시 일반 사용자에게 열렸지만, 안전 분류기가 강화되면서 코딩·디버깅 같은 평범한 요청까지 차단되는 경우가 늘었다.
• OpenAI의 GPT 5.6 소울은 Fable 5의 약 절반 API 가격으로 나왔지만, 미 정부 요청으로 신뢰할 수 있는 소수 파트너에게만 우선 공개돼 직접 검증이 어렵다.
• 시스템 카드의 공통 비교 지점을 역산하면 Fable(Mythos 계열)이 전반적으로 소울보다 근소하게 낫고, 특히 사이버 영역에서 앞서지만 가격은 두 배다.
• 성능 대비 가격만 놓고 보면 더 저렴하고 토큰 소모가 적은 GPT 5.6 소울이 유리할 수 있다.
• 모델 접근이 정부·승인 기업 위주로 게이팅되면서, 권력이 소수 미국 기업과 정부로 쏠릴 수 있다는 우려가 커지고 있다.

쉽게 이해하기

영상은 며칠 사이 벌어진 프런티어 AI 지형 변화를 정리한다. Anthropic의 Fable 5(Mythos의 안전 강화판)가 일반 공개로 돌아왔고, OpenAI는 이에 맞서 GPT 5.6 소울을 내놓았으며, Anthropic은 막판에 Sonnet 5까지 추가했다. Fable이 처음 차단된 계기였던 취약점은 Amazon이 지적한 것으로, GLM 5.5나 중국의 오픈웨이트 모델 Kimi K2.5로도 식별 가능한 종류였다고 한다.

Fable이 돌아오면서 Anthropic은 안전 분류기의 기준선을 더 보수적으로 옮겼다. 안전 여유는 늘었지만, 그 대가로 코딩·디버깅 같은 무해한 작업까지 차단 대상으로 잡히는 빈도가 늘었다. 발표 시점 기준으로 모델의 잠재력을 통째로 여는 '보편적 탈옥(universal jailbreak)'은 아직 발견되지 않았다고 Anthropic은 밝혔다.

OpenAI의 GPT 5.6 소울은 Fable의 절반 수준 API 가격이 핵심이다. 입력은 정확히 절반, 출력은 그보다 조금 높은 수준이다. 다만 미 정부 요청에 따라 신뢰할 수 있는 소수 파트너에게만 우선 제공되며, 프리뷰 기간 동안 접근 승인은 고객별로 이뤄진다는 정보 유출 메모도 있었다. 일반 공개는 몇 주 뒤로 예상된다.

영상은 직접 테스트가 막힌 상황에서, 두 진영의 시스템 카드가 공통으로 비교한 모델(Opus, 5.5 등)을 매개로 성능을 역산한다. Healthbench Professional에서 Mythos 5는 66.0%, 소울은 60.5%(길이 보정 시 64%)였고, 바이러스학 객관식에서는 각각 56%와 55.5%로 거의 같았다. Exploit Bench에서는 Mythos가 약 78%로 소울보다 근소하게 높았지만, 소울은 토큰을 훨씬 적게 쓰고(약 12~13만 vs 35만) 단가도 낮아 비용 대비 성능은 소울이 크게 앞섰다.

규제와 지정학도 얽혔다. Anthropic은 Alibaba가 Qwen 학습을 위해 Claude와 약 2,900만 건을 주고받으며 응답을 추출했다고 주장했고, 이런 증류(distillation) 위협 때문에 앞으로 최신 모델은 정부·승인 기업에만 먼저 제공하고 일반 사용자에겐 구형 모델을 나중에 여는 유인이 생길 수 있다는 관측도 제기됐다. OpenAI가 미 정부에 지분 5%를 제안했다는 이야기도 이런 흐름과 맞닿아 있다.

주요 인사이트

• 안전 강화는 공짜가 아니다. 분류기를 보수적으로 조이면 무해한 코딩 요청까지 막히는 부작용이 따라오며, 실제 사용성 저하는 앞으로 몇 주간 드러날 것이라고 영상은 본다.
• 가격이 새로운 전선이다. Claude의 Pro·Max 요금제에서 특정 모델이 주간 사용량에서 빠지게 되면, 그동안 API 가격을 신경 쓰지 않던 사용자도 결국 단가 차이를 체감하게 된다.
• 벤치마크는 조건을 따져야 한다. 같은 Exploit Bench라도 Anthropic은 3회 시도 평균, OpenAI는 5회 시도로 측정해 수치 차이가 생겼고, 겉으로 드러난 헤드라인 지표만으로 우열을 단정하기 어렵다.
• Sonnet 5는 대부분 항목에서 Opus·Mythos 계열에 뒤처지지만, 프롬프트 인젝션 저항성은 두드러진다. 성공률이 1% 미만으로, Mythos 5(약 30%)·Opus 4.8(32%)·Sonnet 4.6(50% 이상)와 대비된다.
• 영상이 인용한 스탠퍼드·MIT·하버드·Anthropic 공동 논문은, 파라미터가 많은 큰 모델이 희귀한 작업까지 학습할 여유가 있어 결국 연산 자원이 가장 많은 미국 프런티어 랩이 지속적으로 더 똑똑한 모델을 낼 것이라고 본다.

자주 묻는 질문

관련 AI 소식