#AI 활용법#페이블 5.1 GPT-6 아스트라 비교

클로드 페이블 5.1 vs GPT-6 아스트라: 전 세계 평가·가격·실전 비교

핵심부터 말하겠습니다 Claude Fable 5.1과 GPT-6 Astra는 표준 API 가격이 똑같습니다. 둘 다 입력 100만 토큰당 10달러, 출력 100만 토큰당 50달러입니다. 컨텍스트도 각각 100만, 105만 토큰으로 사실상 같은 급입니다. 그래서 가격표만 보면 둘 중 하나가 다른 하나를 대체할 것처럼 보입니다. 그런데 2026년 9월 7일까지 공개된 공식 자료…

제코2026년 9월 7일 27분 조회 18

핵심부터 말하겠습니다

Claude Fable 5.1과 GPT-6 Astra는 표준 API 가격이 똑같습니다. 둘 다 입력 100만 토큰당 10달러, 출력 100만 토큰당 50달러입니다. 컨텍스트도 각각 100만, 105만 토큰으로 사실상 같은 급입니다. 그래서 가격표만 보면 둘 중 하나가 다른 하나를 대체할 것처럼 보입니다.

그런데 2026년 9월 7일까지 공개된 공식 자료, 독립 평가기관, 보안 평가, 해외 매체의 실사용기, 개발자 커뮤니티 반응을 한데 모으면 결론은 정반대입니다. 둘은 같은 체급이지만 같은 선수는 아닙니다.

페이블 5.1은 복잡한 코드베이스와 긴 문서를 끝까지 읽고, 처음 가정이 틀렸을 때 원인까지 거슬러 올라가는 능력에서 강한 평가를 받았습니다. 아스트라는 브라우저·컴퓨터·터미널·문서 도구를 연결해 낯선 환경을 파악하고 실제 결과물을 완성하는 능력에서 강한 숫자를 냈습니다. 독립 종합지능 지수는 페이블 쪽에 손을 들어주지만, 컴퓨터 사용과 일부 과학·코딩·추상추론 평가는 아스트라 쪽으로 기웁니다.

제스토코스트의 한 줄 결론은 이렇습니다.

이미 존재하는 복잡한 일을 깊이 이해하고 고쳐야 한다면 Fable 5.1, 여러 도구를 직접 움직여 처음부터 끝까지 일을 닫아야 한다면 Astra를 먼저 시험하십시오. 다만 전사 기본 모델은 둘 중 하나가 아니라 더 저렴한 하위 모델이어야 합니다.

검색에서 `아스트로`라고 적는 사람이 많지만 공식 영문명은 Astra, 한글 표기는 아스트라에 가깝습니다. 이 글에서는 공식명을 사용하겠습니다.

출시 이틀 차이, 방향은 완전히 달랐습니다

Anthropic은 2026년 9월 1일 Claude Fable 5.1을 발표했습니다. API 모델 ID는 `claude-fable-5-1`입니다. 회사가 내세운 핵심 문장은 “가장 야심차고 오래 걸리는 프로젝트”였습니다. 몇 시간에서 며칠까지 이어지는 에이전트 작업, 대형 코드베이스, 복잡한 연구, 여러 앱을 넘나드는 지식 작업이 대표 사용처입니다.

OpenAI는 이틀 뒤인 9월 3일 GPT-6 Astra를 발표했습니다. API 모델 ID는 `gpt-6-astra`입니다. OpenAI가 앞세운 것은 최고난도 엔드투엔드 업무와 컴퓨터 사용입니다. 브라우저 폼 입력, CRM 수정, 캘린더 정리, 웹 조사, 데이터 분석, 웹사이트 제작과 프론트엔드 검사까지 하나의 흐름으로 묶겠다는 포지션입니다.

둘의 차이는 “누가 더 많이 생각하나”보다 생각한 뒤 어디까지 책임지나에서 드러납니다. 페이블 5.1은 잘못된 전제를 의심하고 복잡한 맥락을 보존하는 쪽에 무게가 실립니다. 아스트라는 화면과 도구를 조작하고 중간 실패에서 복구해 완성 상태까지 가는 쪽에 무게가 실립니다.

공식 사양을 같은 표에 놓으면

항목	Claude Fable 5.1	GPT-6 Astra
발표일	2026년 9월 1일	2026년 9월 3일
API 모델 ID	claude-fable-5-1	gpt-6-astra
표준 입력가	100만 토큰당 10달러	100만 토큰당 10달러
표준 출력가	100만 토큰당 50달러	100만 토큰당 50달러
캐시 읽기	100만 토큰당 0.25달러	100만 토큰당 1달러
캐시 쓰기	5분 12.50달러·1시간 20달러	12.50달러
컨텍스트 창	100만 토큰	105만 토큰
최대 출력	12만8천 토큰	12만8천 토큰
공식 지식 절단일	2026년 6월	2026년 4월 30일
대표 포지션	고난도 추론·장기 에이전트	최고난도 엔드투엔드·컴퓨터 사용
이미지 입력	지원	지원
텍스트 외 출력	미지원	미지원
공식 API 도구 표면	Claude 도구·에이전트 생태계	웹·파일 검색, 코드 실행, 셸, 컴퓨터 사용, MCP 등 명시

사양표에서 105만과 100만의 차이는 실무적으로 큰 의미가 없습니다. 중요한 것은 그 문맥을 몇 번 다시 읽히는지, 출력이 얼마나 길어지는지, 도구 호출이 몇 번 발생하는지, 사람이 마지막에 몇 분을 고치는지입니다.

Anthropic 모델 문서와 OpenAI 모델 문서를 보면 두 모델 모두 텍스트와 이미지 입력, 12만8천 토큰 출력, 장문 추론을 전제로 합니다. 하지만 아스트라 문서에는 웹 검색, 파일 검색, 이미지 생성, 코드 인터프리터, 호스티드 셸, 패치 적용, 스킬, 컴퓨터 사용, MCP가 구체적으로 명시돼 있습니다. 모델 한 번의 답변보다 업무 체인 전체를 구매하는 회사에는 이 차이가 큽니다.

전 세계 평가는 왜 한 줄로 합쳐지지 않을까요

모델 출시일이 되면 “A가 1위”, “B가 압살”이라는 표가 동시에 돌아다닙니다. 양쪽 팬덤 중 하나가 거짓말을 해서가 아닙니다. 평가 버전, 추론 노력 단계, 도구 하네스, 캐시, 재시도, 안전 필터, 채점 시점이 다르기 때문입니다.

실제로 Artificial Analysis의 Fable 5.1 출시 평가는 max effort에서 지능지수 66점을 기록해 당시 측정 최고점이었다고 발표했습니다. 반면 Artificial Analysis의 현재 Astra 모델 페이지는 Astra max를 지능지수 55점, 초당 약 63토큰, 첫 토큰까지 약 339초로 표시합니다. OpenAI의 출시 표에는 이전 지수 버전인 v4.1.1 기준 Astra 61.2, Fable 5.1 65.7이 실려 있습니다.

숫자가 바뀐 이유는 모델이 며칠 만에 갑자기 바보가 돼서가 아닙니다. 평가기관이 9월 4일 지수 v4.2를 내면서 더 복잡한 과제와 비공개 테스트셋을 반영했고, 모델별 노력 설정과 서버 측 fallback 여부도 결과에 영향을 줬기 때문입니다. 그래서 “66 대 55”라는 숫자를 영구적인 서열처럼 박아두면 안 됩니다.

우리가 읽어야 할 것은 순위보다 패턴입니다.

독립 종합지능과 지식업무의 상단에서는 Fable 5.1이 우세했습니다.
컴퓨터 사용, 추상 환경 탐색, 과학 터미널 같은 실행형 과제에서는 Astra가 강했습니다.
둘 다 최고 노력 단계에서는 느리고 비쌉니다.
모델 자체뿐 아니라 하네스와 안전장치가 점수에 큰 영향을 줍니다.
출시 직후 커뮤니티 반응은 표본 편향이 심해 방향성만 봐야 합니다.

독립 종합평가: 페이블 5.1이 앞서지만 공짜 승리는 아닙니다

Artificial Analysis는 여러 추론·지식·코딩·도구사용 과제를 묶어 동일한 평가 환경에서 모델을 측정합니다. 이 기관의 Fable 5.1 출시 분석에서 max effort는 지능지수 66점, xhigh는 65점을 기록했습니다. Humanity's Last Exam은 59.1%, Terminal-Bench v2.1은 91.4%, SciCode는 62.0%였습니다.

전문가형 업무를 보는 GDPval-AA v2에서는 1,853 Elo, 문서·표·프레젠테이션 같은 업무 산출물을 평가하는 AA-Briefcase에서는 1,694 Elo였습니다. 다만 Claude Opus 5와의 GDPval 차이는 신뢰구간이 겹쳤고, AA-Briefcase도 사실상 동률이었습니다. 세부적으로는 페이블 5.1이 분석 품질과 채점 기준 충족에서 앞섰지만 표현과 프레젠테이션에서는 Opus 5보다 낮았습니다.

여기서 중요한 반전이 나옵니다. 캐시 읽기 가격이 75% 내려갔는데도 Fable 5.1 max의 지수 과제당 비용은 3.76달러로 이전 Fable 5보다 약 20% 높았습니다. 출력 토큰을 약 1.7배 더 사용했기 때문입니다. xhigh는 65점에 과제당 2.72달러로 max보다 효율적이었습니다.

즉 “캐시가 4배 싸다”와 “총비용이 싸다”는 같은 문장이 아닙니다. 페이블 5.1을 쓸 때 첫 번째 최적화는 모델을 버리는 것이 아니라 max를 기본값에서 빼는 것입니다. 대부분의 회사는 xhigh 또는 high에서 먼저 합격선을 측정해야 합니다.

코딩 평가: 한쪽의 완승이라고 쓰면 틀립니다

OpenAI가 공개한 비교표에서는 Terminal-Bench 4.0에서 Astra가 57.9%, Fable 5.1이 55.8%였습니다. DeepSWE v1.1은 Astra 74.1%, Fable 5.1 67.4%였습니다. 반면 FrontierCode 1.1 Main에서는 Astra 53.3%, Fable 5.1 50.9%로 간격이 작았고, Artificial Analysis Coding Agent Index에서는 Astra 67.0, 기존 Fable 5가 67.2, Opus 5가 68.1이었습니다. 이 표만으로도 “아스트라가 모든 코딩에서 압승”이라는 결론은 성립하지 않습니다.

독립 보안 코딩 평가인 Endor Labs의 Agent Security League는 또 다른 그림을 보여줍니다. 같은 실제 코드 과제에서 Claude Code와 Fable 5.1 조합은 기능 통과율 87.2%, 보안 통과율 37.4%를 기록했습니다. Opus 5의 73.7%·32.4%, Fable 5의 60.3%·19.6%보다 높았습니다. 200개 작업에서 타임아웃과 실패가 없었고, 평균 수행시간은 약 9.5분으로 Opus 5의 14.1분보다 짧았습니다.

하지만 이 결과도 “순수 모델”만 비교한 것은 아닙니다. Claude Code라는 하네스와 버전이 포함된 조합 평가입니다. 오히려 그래서 실무적으로 가치가 있습니다. 우리가 돈을 내는 대상은 신경망의 순수 두뇌가 아니라 모델+도구+메모리+권한+재시도 시스템의 완성 결과이기 때문입니다.

제스토코스트식으로 번역하면 다음과 같습니다.

기존 코드 규칙을 보존하며 대규모 리팩터링: Fable 5.1 우선
터미널·시스템 설정·데이터 작업이 섞인 새 과제: Astra 우선
보안 패치와 회귀 테스트가 핵심: Fable 5.1을 Claude Code 환경에서 우선 검증
웹앱을 만들고 브라우저로 최종 화면까지 검사: Astra 우선
어느 쪽이든 테스트가 없는 코드 생성: 승자가 아니라 둘 다 탈락

추상추론: 아스트라 99.9%를 그대로 믿어도 될까요

출시 직후 가장 크게 퍼진 숫자는 GPT-6 Astra의 ARC-AGI-3 99.9%였습니다. ARC Prize가 공개한 상세 결과를 보면 이 숫자는 거짓이 아닙니다. 하지만 조건을 빼면 의미가 달라집니다.

ARC Prize 표에서 Astra max는 표준 하네스로 62.7%를 기록했고 비용은 약 2만6천 달러였습니다. OpenAI Provider Adapter를 사용하면 high effort에서 99.9%, 약 1만9천 달러를 기록했습니다. 이 어댑터는 요청 사이에 불투명한 추론 상태를 보존하고 긴 대화를 압축해 이전 작업을 재사용합니다. 표준 하네스는 모델이 남기기로 선택한 메모만 이어갑니다.

아스트라가 못했다는 뜻이 아닙니다. 오히려 낯선 게임 환경을 좌표·규칙·미완료 계획으로 압축하고, 자체 기호 체계를 만들어 상태를 추적한 행동은 인상적입니다. 인간 참가자 중앙값보다 적은 행동으로 푼 레벨이 96%였다는 결과도 실질적인 성과입니다.

다만 정확한 문장은 “Astra가 Provider Adapter 조건에서 99.9%, 표준 하네스에서 62.7%를 기록했다”입니다. “아스트라의 순수 두뇌가 인간 일반지능에 도달했다”가 아닙니다. 이 차이는 사업자에게도 중요합니다. 좋은 하네스가 모델 점수를 37%포인트 이상 바꿀 수 있다면, 우리 회사의 프롬프트 템플릿·메모리·도구설계·중간검증도 모델 교체만큼 중요하다는 뜻입니다.

과학과 전문업무: 아스트라가 넓고, 페이블이 깊습니다

OpenAI의 공식 비교표에서 Astra는 Terminal-Bench Science 0.1 64.6%, Fable 5.1은 52.6%였습니다. FrontierMath Tier 4 v2는 Astra 97.6%, Fable 5.1 87.8%, GPQA Diamond는 96.0% 대 93.7%였습니다. 반면 Humanity's Last Exam with tools는 Fable 5.1이 65.0%, Astra가 57.2%였습니다.

이 패턴은 “수학은 Astra, 상식은 Fable”처럼 단순화하면 안 됩니다. 과학 소프트웨어를 직접 돌리고 시뮬레이션과 데이터 분석을 이어가는 워크플로에서는 아스트라의 실행 하네스가 강하게 작동했습니다. 매우 어려운 지식·추론 문제를 넓게 푸는 종합평가에서는 페이블 5.1이 앞섰습니다.

연구회사라면 논문 요약 20개로 테스트하지 마십시오. 실제로 데이터 파일을 주고, 분석 코드를 실행하고, 잘못된 가정을 고치고, 최종 표와 설명까지 만들게 해야 합니다. 그때야 두 모델의 차이가 드러납니다.

컴퓨터와 브라우저 사용: 아스트라의 가장 명확한 우위

아스트라의 차별점은 채팅창 안의 답변보다 화면 밖에서 나타납니다. OpenAI의 공개 표에서 OSWorld 2.0은 Astra 72.6%, Claude 계열 비교치 중 Opus 5는 70.2%였습니다. ScreenSpot-Pro는 Astra 92.7%, AutomationBench는 41.4%, BrowseComp는 91.5%였습니다.

브라우저를 열고 로그인된 업무 도구를 탐색하고, 폼을 채우고, 파일을 만들고, 결과를 다시 확인하는 작업은 모델 지식만으로 끝나지 않습니다. 좌표 인식, 화면 변화 감지, 실패 복구, 권한 확인, 장기 상태 유지가 함께 필요합니다. 아스트라는 이 전체 체인을 제품의 중심으로 내세웠습니다.

하지만 컴퓨터를 잘 쓴다는 말이 모든 권한을 줘도 된다는 뜻은 아닙니다. 아스트라 공식 문서도 보안 검사 때문에 합법적인 방어 작업이 느려지거나 멈출 수 있고, API에서는 작업이 중단될 수 있다고 설명합니다. 브라우저 자동화는 다음 네 단계로 권한을 나눠야 합니다.

읽기와 조사: 자동 허용 범위를 넓게 잡을 수 있습니다.
초안 작성과 파일 생성: 변경 이력과 미리보기를 남깁니다.
외부 전송과 공개 발행: 사람 확인을 둡니다.
결제·삭제·계정·대량 변경: 반드시 별도 승인과 복구 장치를 둡니다.

컴퓨터 사용 점수 1위보다 중요한 것은 잘못 눌렀을 때 되돌릴 수 있느냐입니다.

해외 매체와 초기 사용자 반응: 숫자 밖에서 보이는 것

출시 일주일도 지나지 않은 모델의 후기는 장기평가가 아닙니다. 그래도 벤치마크가 놓치는 마찰을 찾는 용도로는 쓸 만합니다.

Tom's Guide의 Fable 5.1 실사용기는 완성된 원고를 통째로 넣고 잘못된 전제와 구조를 비판하게 했을 때, 문체를 지우지 않으면서 세밀한 피드백과 수정안을 냈다고 평가했습니다. 이 사례는 엄밀한 A/B 테스트가 아니라 한 명의 사용기지만, 페이블이 “빈 화면에서 생성”보다 “이미 있는 복잡한 일을 비판하고 재설계”하는 데 맞는다는 공식 포지션과 일치합니다.

Reddit의 한 Fable 5.1 초기 사용기에서는 40개 파일이 섞인 코드에서 파일명만 보고 짐작하지 않고 실제 계산 경로를 거슬러 올라간 점, 잘못된 변경 요청에 반대 근거를 제시한 점이 장점으로 꼽혔습니다. 동시에 최신 웹 정보는 직접 검색을 시켜야 하고, 지시가 모호하면 여전히 자신 있게 틀릴 수 있다는 지적도 나왔습니다.

반대편에서는 Claude Code 사용자가 Astra로 옮긴 뒤 남긴 비교 후기가 화제가 됐습니다. 글쓴이는 아스트라가 창의적이고 여러 영역에서 강하지만, 기존 코드베이스의 관례·패턴·포맷·아키텍처를 따르는 일은 Fable 5.1이 낫다고 평가했습니다. 댓글에서는 아스트라를 구현자, 페이블을 설계·오케스트레이션 모델로 나눠 쓰자는 의견도 나왔습니다. 이것 역시 통제 실험이 아니라 특정 커뮤니티의 자기선택 표본입니다.

사용량 논란도 있습니다. Anthropic Claude Code 저장소의 한 상세 이슈는 같은 환경의 로그에서 Fable 5.1이 Fable 5보다 턴당 출력 토큰을 약 2.04배 썼다고 보고했습니다. 주간 한도 소진과 모델 자체 출력량, 당시 클라이언트의 캐시 회귀가 섞였을 가능성이 있어 일반화할 수는 없습니다. 그러나 구독제 사용자는 API 단가와 별개로 5시간·주간 한도에서 실제로 몇 개의 일을 끝내는지를 재야 한다는 경고로는 충분합니다.

정리하면 해외 초기 반응은 다음 세 문장으로 압축됩니다.

페이블 5.1은 복잡한 기존 맥락을 읽고 잘못된 전제를 지적하는 데 호평이 많습니다.
아스트라는 도구 실행과 새 결과물 생성에서 강하지만 기존 프로젝트 규칙 준수는 사용자별 평가가 갈립니다.
두 모델 모두 최고 성능을 쓰면 속도·사용량·비용이 무거워집니다.

안전성 논쟁: 더 유능해질수록 검수는 줄어드는 게 아니라 바뀝니다

OpenAI는 Astra를 가장 정렬된 모델이라고 설명합니다. 자체 컴퓨터 사용 안전 벤치마크에서 낮을수록 좋은 위반율이 Astra 2.4%, Fable 5.1 9.5%라고 공개했고, 자동 검토를 붙인 Astra는 1.8%라고 밝혔습니다. 내부 우회 평가에서는 Astra가 허가 범위를 넘어선 비율이 0%였다고 합니다.

그러나 이 숫자는 OpenAI 내부 평가입니다. Axios의 안전성 보도는 모델 능력이 커지는 동시에 내부 추론을 사람이 감시하기 어려워질 수 있다는 전문가 우려를 다뤘습니다. Astra의 고급 사이버 기능 일부가 제한적으로 배포되는 이유도 같은 맥락입니다.

기업이 여기서 취해야 할 태도는 공포도 낙관도 아닙니다. 추론 과정을 전부 읽어 안전을 보장하려 하지 말고, 입력 권한·도구 권한·출력 검증·복구 가능성을 시스템으로 분리해야 합니다.

고객 개인정보는 작업에 꼭 필요한 최소 범위만 제공합니다.
쓰기 도구는 읽기 도구와 별도 자격으로 나눕니다.
외부 전송 직전에는 사람이 대상·내용·첨부파일을 확인합니다.
코드 변경은 테스트, 데이터 변경은 트랜잭션과 백업, 발행은 미리보기와 롤백을 둡니다.
에이전트가 “완료”라고 말한 것과 실제 시스템 상태를 따로 검증합니다.

강한 모델을 쓰는 회사가 안전한 회사가 아니라, 강한 모델이 틀려도 사고가 작게 끝나는 구조를 만든 회사가 안전한 회사입니다.

같은 10달러인데 실제 비용이 달라지는 이유

표준 미캐시 텍스트 단가는 같습니다. 그러나 실제 청구서는 네 군데에서 벌어집니다.

1. 캐시 읽기

Fable 5.1의 캐시 읽기는 100만 토큰당 0.25달러, Astra는 1달러입니다. 회사 규정, 제품 설명, 코드베이스 지도, 장기 대화 기록처럼 같은 문맥을 수십 번 읽히는 에이전트라면 페이블이 유리합니다.

하지만 캐시 히트율이 낮거나, 매번 자료가 바뀌거나, 출력이 길어지면 이 이점은 줄어듭니다. Artificial Analysis 평가에서도 캐시 절감액보다 늘어난 출력 비용이 커져 max effort의 총비용이 증가했습니다.

2. 초장문 할증

Astra API 가격표는 입력이 27만2천 토큰을 넘으면 입력과 캐시 요율 2배, 출력 요율 1.5배를 전체 요청에 적용한다고 명시합니다. 105만 토큰 창이 있다고 자료를 통째로 밀어 넣으면 비용이 계단처럼 뜁니다.

초장문 작업은 자료를 세 층으로 나누는 것이 좋습니다.

항상 필요한 규정과 핵심 정의
오늘 과제에 직접 필요한 파일
검색이나 도구로 필요할 때만 가져올 자료

컨텍스트 창은 창고 크기이지 무료 적재 공간이 아닙니다.

3. 노력 단계

두 모델 모두 높은 추론 노력 단계에서 성능이 올라가지만 지연과 토큰이 늘어납니다. Artificial Analysis의 Fable 5.1 평가에서 low와 max의 출력 토큰 사용량 차이는 약 11배였습니다. Astra도 low부터 max까지 선택할 수 있습니다. 전사 기본값을 max로 두면 가장 비싼 방식으로 쉬운 일을 처리하게 됩니다.

4. 사람의 수정시간

API 청구서에 잡히지 않는 가장 큰 비용입니다. 모델이 2달러 싸도 직원이 20분 더 검수하면 손해입니다. 반대로 호출이 비싸도 한 번에 테스트를 통과하고 문서까지 맞추면 총비용은 낮아집니다.

따라서 비교 단위는 `100만 토큰 가격`이 아니라 다음 식이어야 합니다.

성공 1건당 총비용 = 모델·도구 비용 + 재시도 비용 + 사람 개입시간의 인건비 + 오류가 만든 복구비용

어떤 업무에서 Fable 5.1을 먼저 써야 할까요

Fable 5.1은 다음 조건이 겹칠수록 우선순위가 올라갑니다.

이미 존재하는 코드·문서·규칙이 많습니다.
표면 증상보다 근본 원인을 찾아야 합니다.
한 번의 오판이 큰 재작업을 만듭니다.
같은 대형 컨텍스트를 여러 차례 재사용합니다.
작업이 몇 시간 이상 이어지고 중간 의사결정의 일관성이 중요합니다.
산출물보다 비판·설계·검토의 품질이 더 중요합니다.

예를 들어 4년 동안 원인을 못 찾은 희귀 장애, 여러 서비스에 걸친 결제 오류, 계약서 수십 개의 상충 조항, 기존 브랜드 문체를 보존한 책 전체 개정, 대형 리팩터링의 영향 범위 분석 같은 일입니다.

Anthropic 자체 가이드도 일상 업무부터 Fable 5.1을 쓰라고 하지 않습니다. 대부분의 작업은 Opus 5에서 시작하고, 높은 노력 설정에서도 부족한 고난도 작업에 Fable 5.1을 쓰는 라우팅을 권합니다. 최고 모델을 모든 직원의 기본값으로 배포하는 것은 기술전략이 아니라 비용 통제 실패입니다.

어떤 업무에서 Astra를 먼저 써야 할까요

Astra는 다음 조건이 겹칠수록 우선순위가 올라갑니다.

브라우저와 데스크톱 앱을 직접 움직여야 합니다.
웹 검색, 파일 검색, 코드 실행, 문서 작성이 한 흐름에 섞입니다.
새 프로젝트를 만들고 실제 작동 여부까지 확인해야 합니다.
낯선 화면과 오류를 보고 다음 행동을 스스로 정해야 합니다.
최종 산출물이 문서·표·프레젠테이션·웹사이트처럼 여러 형식입니다.
사용자가 중간에 방향을 바꾸고 에이전트가 그 상태를 이어가야 합니다.

예를 들면 경쟁사 30곳을 조사해 표를 만들고 보고서로 정리하는 일, CRM의 잘못된 레코드를 찾아 수정하는 일, 웹사이트를 구현한 뒤 브라우저로 반응형 화면을 검사하는 일, 과학 데이터를 분석해 차트와 해설 문서를 만드는 일입니다.

다만 로그인, 결제, 삭제, 대량 발송 같은 행위까지 무조건 자동화해서는 안 됩니다. Astra의 강점은 권한을 없애는 것이 아니라, 사람이 승인할 지점을 더 정확히 배치하게 해주는 데 있습니다.

소상공인과 마케팅팀은 둘 다 기본값으로 쓰지 마십시오

블로그 초안, 리뷰 답변, 상품명 분류, 회의 요약, 짧은 광고문구가 업무의 대부분이라면 Fable 5.1과 Astra는 과합니다. 경차로 충분한 배달에 슈퍼카 두 대를 비교하는 셈입니다.

소상공인에게 현실적인 구조는 세 단계입니다.

단순 요약·분류·초안은 저렴하고 빠른 모델로 처리합니다.
중요한 기획·복잡한 분석은 Opus·Sol급 중간 모델로 올립니다.
실패 비용이 큰 극소수 업무만 Fable 5.1 또는 Astra로 보냅니다.

마케팅팀이라면 Fable 5.1에는 브랜드 자료와 기존 캠페인을 읽혀 전략의 허점을 비판하게 하고, Astra에는 경쟁사 조사·스프레드시트·광고 대시보드·보고서 초안을 연결하는 편이 자연스럽습니다. 한 모델이 계획과 실행과 검수를 모두 독점하게 하지 말고, 중요한 캠페인은 서로 다른 계열 모델로 교차검수하는 것도 좋습니다.

사장님은 10개 과제로 결승전을 치르십시오

벤치마크를 더 읽는 것보다 자사 업무 10개를 고르는 편이 정확합니다. 지난 한 달 동안 직원 시간을 가장 많이 잡아먹었거나 실패했을 때 돈이 많이 드는 업무를 선택하십시오.

코딩 3개, 조사 2개, 문서 2개, 브라우저 실행 2개, 오류 복구 1개처럼 실제 업무 비중을 반영합니다.
두 모델에 같은 자료, 지시, 권한, 제한시간을 줍니다.
실행 전에 합격선을 적습니다. 정확도, 누락, 형식, 테스트, 출처, 브랜드 말투 중 무엇이 치명적인지 정합니다.
노력 단계는 처음부터 max로 맞추지 말고, 비용이 감당되는 현실적 단계에서 비교합니다.
입력·캐시·출력·도구 호출료를 합칩니다.
프롬프트 준비, 중간 개입, 오류 복구, 최종 수정 시간을 분으로 기록합니다.
비밀정보 노출, 변경 대상 오판, 출처 조작, 테스트 미수행은 평균점수로 상쇄하지 않습니다.
한 번의 성공 사례 대신 최소 세 번 반복합니다.
최종 평가는 성공한 업무 1건당 총비용으로 계산합니다.
모델명이 아니라 업무 유형별 라우팅 규칙을 남깁니다.

평가표는 `업무 / 모델 / 노력 단계 / 성공·실패 / 치명 오류 / 모델·도구 비용 / 총소요 시간 / 사람 수정 분 / 재시도 / 최종 선택` 열이면 충분합니다.

제스토코스트의 최종 선택표

실제 상황	먼저 시험할 모델	이유
복잡한 기존 코드베이스·레거시 분석	Fable 5.1	맥락 보존·근본원인·관례 준수 평가가 강함
브라우저·CRM·캘린더·폼 자동화	Astra	컴퓨터 사용과 도구 연결이 핵심 포지션
보안 패치와 회귀 테스트	Fable 5.1	독립 보안 코딩 평가에서 강한 결과
과학 소프트웨어·터미널 분석	Astra	Terminal-Bench Science에서 우세
긴 문서 비판·재설계	Fable 5.1	독립 종합평가와 실사용기 방향이 일치
웹사이트 제작부터 브라우저 QA	Astra	생성 이후 실제 조작·검증까지 연결
같은 대형 문맥을 수십 번 재사용	Fable 5.1	캐시 읽기 단가가 더 낮음
27만2천 토큰 초과 입력이 빈번	Fable 우선 검토	Astra 전체 요청 할증을 먼저 계산해야 함
짧은 카피·요약·단순 분류	둘 다 아님	하위 모델이 더 빠르고 경제적
고위험 외부 전송·삭제·결제	사람 승인 필수	모델 성능으로 권한 통제를 대체할 수 없음

자주 묻는 질문

페이블 5.1과 GPT-6 아스트라 중 누가 더 똑똑한가요?

독립 종합지능 평가의 상단은 Fable 5.1이 앞섰습니다. 그러나 아스트라는 ARC-AGI-3, 컴퓨터 사용, 일부 과학·터미널 과제에서 더 강했습니다. “똑똑함”을 하나의 숫자로 합치면 실제 업무 선택을 망칩니다.

아스트라 99.9%는 조작된 숫자인가요?

조작이라고 볼 근거는 없습니다. 다만 Provider Adapter 조건의 숫자입니다. 같은 ARC-AGI-3에서 표준 하네스의 Astra max는 62.7%였습니다. 점수 옆에 하네스 조건을 반드시 붙여야 합니다.

두 모델의 API 가격은 정말 같은가요?

표준 미캐시 텍스트 기준으로 입력 10달러, 출력 50달러로 같습니다. 캐시, 장문 할증, 노력 단계, 도구 호출, 재시도, 사람 수정시간을 합치면 실제 비용은 달라집니다.

페이블 5.1은 캐시가 싸니 항상 더 저렴한가요?

아닙니다. 고정 컨텍스트를 자주 재사용하면 유리하지만, 출력이 길거나 max effort를 남용하면 총비용이 늘 수 있습니다. 독립 평가에서도 Fable 5.1 max는 이전 버전보다 과제당 비용이 높았습니다.

기존 코딩 프로젝트에는 어느 쪽이 낫나요?

기존 관례와 아키텍처를 보존하며 고치는 일은 Fable 5.1을 먼저 시험할 근거가 많습니다. 새 앱을 만들고 브라우저로 확인하며 여러 도구를 연결하는 일은 Astra가 더 자연스럽습니다. 같은 저장소의 실제 이슈 세 개로 직접 비교하십시오.

소상공인이 바로 최고 요금제를 결제해야 하나요?

대부분은 아닙니다. 반복되는 고난도 업무가 있고, 하위 모델의 실패가 사람 시간을 계속 잡아먹는다는 증거가 있을 때만 올리십시오. 모델 구매보다 업무 분류와 검수선 설계가 먼저입니다.

컴퓨터 사용을 잘하면 모든 권한을 줘도 되나요?

안 됩니다. 조사, 초안 생성, 외부 전송, 결제·삭제를 서로 다른 권한 단계로 분리하십시오. 특히 발행·메시지 전송·고객정보 변경은 사람이 최종 대상을 확인해야 합니다.

외부 원문 링크

공식 자료

독립 평가와 실사용 자료

마지막 결론

이번 세대의 승자는 모델 하나가 아닙니다. 업무를 분해하고, 맞는 모델을 라우팅하고, 도구 권한을 제한하고, 다른 계열 모델이나 사람으로 검수하는 운영체계가 승자입니다.

페이블 5.1은 깊이 읽고 의심하고 고치는 쪽에 가깝습니다. 아스트라는 보고 판단하고 움직여 끝내는 쪽에 가깝습니다. 둘 다 비싸고 느릴 수 있으며, 둘 다 모호한 지시에는 자신 있게 틀릴 수 있습니다.

그러니 “누가 세계 1위인가”를 묻기 전에 “우리 회사에서 어떤 일이 가장 비싸게 실패하는가”를 먼저 물으십시오. 그 업무 10개를 같은 조건으로 돌리고, 모델 비용이 아니라 성공 1건당 총비용과 사람 수정시간으로 결정하십시오. 그 표를 만든 회사는 다음 달 더 좋은 모델이 나와도 흔들리지 않습니다. 이름만 바꿔 다시 측정하면 되기 때문입니다.

편집 고지: 이 글은 2026년 9월 7일 기준 Anthropic·OpenAI 공식 문서, Artificial Analysis·ARC Prize·Endor Labs의 평가, 해외 매체와 개발자 커뮤니티의 초기 실사용 반응을 교차검증해 작성했습니다. 회사 자체 벤치마크는 독립 평가와 구분했고, 커뮤니티 후기는 통제 실험이 아닌 초기 신호로만 사용했습니다. 모델·가격·평가 점수는 이후 갱신될 수 있습니다.