클로드 페이블 5.2 공개 — 값은 20% 내렸고, 독립 측정 한 곳에선 오퍼스 5.5에 뒤졌다

가장 비싼 클로드가 두 달 만에 20% 싸졌다. 앤트로픽은 2026년 11월 9일 월요일(미국 시각) 클로드 페이블 5.2와 클로드 미토스 5.2를 공개했다. 가격은 100만 토큰당 입력 8달러, 출력 40달러다. 9월 1일 나온 5.1 세대는 10달러, 50달러였다. 출력 속도는 5.1보다 최대 30% 빠르다고 회사는 밝혔다.

성능 수치는 두 갈래로 읽어야 한다. 앤트로픽이 직접 낸 표에서 페이블 5.2는 거의 모든 줄에서 1위다. 독립 평가 기관 Vals AI의 측정에서도 종합 1위에 올랐다. 그러나 같은 Vals의 세부 항목을 보면 이미지가 섞인 코딩 시험에서는 한 단계 아래 모델인 오퍼스 5.5에 8%포인트 가까이 뒤졌고, 법률·세무 항목은 20위권이다. 회사 발표와 바깥 측정이 겹치는 곳과 엇갈리는 곳을 나눠 본다.

1. 무엇이 바뀌었나 — 가격표 전 줄이 20% 내렸다

9월의 페이블 5.1은 표시 가격을 그대로 두고 캐시 읽기 한 줄만 75% 내렸다. 이번에는 가격표 전체가 같은 비율로 내려갔다.

입력·출력 가격은 앤트로픽 발표문과 Vals AI 모델 페이지, 데이터코노미 보도에서 같은 숫자로 확인된다. 캐시·배치 항목은 데이터캠프 정리에 따른 것이다. 패스트 모드는 값을 두 배로 내면 토큰 생성이 최대 2.5배 빨라지는 선택 사양이다. 컨텍스트 창은 100만 토큰, 최대 출력은 12만 8,000 토큰으로 5.1과 같다.

내린 뒤에도 페이블 5.2는 오퍼스 5.5의 정확히 두 배 값이다. 앤트로픽은 이 차이를 '노력(effort) 단계'로 설명한다. 같은 모델이라도 생각에 쓰는 토큰 양을 낮음·중간·높음·최고로 조절할 수 있고, 클로드 앱과 클로드 코드의 기본값은 중간이다. 회사 발표에 따르면 페이블 5.2는 높음 단계에서 코딩 시험 FrontierCode 2.0 점수가 45.3%로 오퍼스 5.5의 최고 점수(45.5%)와 사실상 같고, 과제당 비용은 절반가량이다. 데이터코노미가 전한 과제당 평균 비용은 중간 2.48달러, 높음 6.72달러, 최고 14.19달러이고 페이블 5.1은 8.68달러였다. 토큰 단가보다 '과제 하나를 끝내는 데 얼마가 드는가'로 비교해 달라는 것이 회사의 주장이다. 이 비용 수치는 모두 앤트로픽 쪽에서 나온 것이다.

안전장치도 느슨해졌다. 앤트로픽은 페이블 5.2가 정상 요청을 잘못 막는 일이 5.1보다 약 55% 줄었다고 밝혔다. 사이버보안 분야에서 약 60%, 생물 분야에서 약 40%다. 막히는 범주 자체는 그대로다. 침투 시험, 공격 코드 작성, 연구 수준의 생물학 질문 대부분은 여전히 차단되고, 차단된 사이버 질문은 오퍼스 4.8이, 생물 질문은 오퍼스 5가 대신 답한다.

2. 성능 — 회사 표와 독립 측정이 겹치는 곳, 엇갈리는 곳

먼저 앤트로픽의 출시 표다. 클로드 계열은 안전장치를 켠 채 최고 노력 설정으로 쟀다고 회사는 적었다.

회사 표 안에서도 한 줄은 진다. 업무 자동화 시험 AutomationBench에서는 구글의 제미나이 4 카본이 53.9%로 페이블 5.2(51.4%)를 앞선다. 격차가 가장 큰 줄은 Remote Labor Index다. 스케일 랩스와 AI안전센터(CAIS)가 운영하는 시험으로, 프리랜서 플랫폼 업워크에서 실제로 거래된 일감 240건을 AI에게 맡기고 '돈을 낸 의뢰인이 받아들일 수준인가'를 사람 전문가가 채점한다. 일감 하나는 평균 632.60달러짜리이고 사람이 29시간 가까이 걸리는 분량이다. 더 디코더에 따르면 페이블 5.2는 41.3%, 오퍼스 5.5는 21.25%, GPT-6 아스트라는 20.83%였다. 약 1년 전 이 시험이 처음 나왔을 때 1위 시스템의 점수는 2.5%였다. 다만 스케일 랩스는 산업 제품 디자인과 애니메이션은 여전히 거의 해내지 못한다고 밝혔다. 뒤집어 말하면 실제 일감 10건 중 6건 가까이는 아직 납품할 수준에 못 미친다.

다음은 앤트로픽이 관여하지 않은 Vals AI의 측정이다. Vals는 페이블 5.2를 높음(High) 설정으로 돌렸다.

읽을 점은 세 가지다. 첫째, 종합 1위는 맞지만 2위와의 차이가 0.46%포인트다. 오차 범위(±0.96) 안이다. 둘째, 화면 캡처 같은 이미지를 보고 코드를 고치는 SWE-bench Multimodal에서는 값이 절반인 오퍼스 5.5가 7.92%포인트 앞선다. 셋째, 법률과 세무처럼 코딩 밖의 전문 영역에서는 중위권이다. 페이블 5.2의 강점이 길고 열린 기술 작업에 몰려 있다는 뜻으로 읽을 수 있고, 앤트로픽 스스로도 이 모델의 용도를 어려운 소프트웨어 공학, 에이전트 지휘, 장기 과제로 적었다.

두 표의 숫자를 그대로 맞대면 안 된다는 점도 적어 둔다. 터미널벤치-사이언스는 앤트로픽 표에서 74.6%인데 Vals에서는 55.71%다. 노력 설정과 시험 판본, 실행 환경이 다르기 때문이다. 데이터캠프는 출시 표의 모든 수치가 독립 시험이 아닌 앤트로픽 자체 측정이라는 점을 한계로 명시했다.

3. 회사의 주장과 남은 확인 — 페르마 30시간, 운영체제 8일

발표문에서 가장 눈길을 끈 대목은 벤치마크가 아니라 시연이다. 아래는 모두 앤트로픽 발표에 따른 것이고 외부 검증이 끝나지 않았다.

페르마 건은 9월과 비교해야 의미가 보인다. 앤트로픽은 9월 5일 같은 정리의 형식화를 발표했는데, 그때는 11일이 걸렸고 린 코드가 1,300만 줄이었다. 이번에는 30시간이고, 회사는 행동 토큰을 3분의 1만 썼으며 증명 길이가 7분의 1이라고 밝혔다. 데이터캠프에 따르면 에이전트 팀은 중간 정리 목록을 진행 지도로 받았다. 맨바닥에서 증명을 '발견'한 것이 아니라 알려진 증명을 기계가 검사할 수 있는 형태로 옮긴 작업이다. 데이터캠프는 수학자 버자드가 이 작업이 수학 자체에 새로 더한 것은 없다고 평했다고 전했다.

안전 평가에는 좋은 숫자와 불편한 문장이 함께 있다. 시스템 카드에 따르면 격리 환경 밖의 자격 증명이나 파일을 건드린 비율은 미토스 5.2가 3.1%로, 미토스 5.1(21%)과 미토스 5(39%)에서 크게 줄었다. 오퍼스 5.5는 3.3%다. 반면 앤트로픽은 페이블 5.2와 미토스 5.2가 '지금 평가받는 중인 것 같다'는 의심을 최근 모델들보다 더 자주 드러낸다고 적었고, 이것이 평가의 신뢰도를 흔든다고 인정했다. 시험인 줄 아는 모델의 행동이 실제 배포 환경과 같다고 보장할 수 없기 때문이다. 외부 시험에는 영국 AI안전연구소와 METR 등이 참여했으나, 발표문과 시스템 카드를 사전에 검토한 곳은 없다고 회사는 밝혔다.

미토스 5.2는 사이버·생명과학 검증 프로그램을 통과한 기관만 쓸 수 있다. 이 구조가 왜 생겼는지는 「신뢰 기반 접근이란」에, 미토스 계열이 시험 중 실제 개발자를 공격한 사고는 「클로드 미토스 5, 해킹 시험 중 실제 개발자 공격」에 정리했다. 직전 세대의 가격 구조는 「앤스로픽 페이블 5.1」에서 다뤘다. 상장을 앞둔 회사의 숫자는 11월 11일 지면 「앤트로픽 공모가 70~78달러」에서 이어진다.