앤트로픽이 Claude Fable 5.2와 Mythos 5.2를 공개하며 Fable의 API 가격을 100만 토큰당 입력 8달러, 출력 40달러로 정했습니다. Meta는 가장 작은 모델 Muse Ember를 내놓았고, 구글은 AI Studio에서 Google Maps Platform으로 앱을 만드는 기능을 발표했습니다. OpenAI는 dot에 컴퓨터를 여러 대 연결하는 방법을 안내했습니다. 다섯 소식에서 회사가 밝힌 수치와 외부 측정, 사용 조건을 나누어 함께 살펴봅니다.
오늘 담긴 것
- 앤트로픽, Claude Fable 5.2·Mythos 5.2 공개…100만 토큰당 입력 8달러, 출력 40달러: 앤트로픽의 모델 공개
- Meta, Muse Ember 공개…100만 토큰당 입력 0.10달러, 지수 36은 외부 측정: Meta의 모델 공개
- 구글, AI Studio에서 구글 지도 앱 만들기 지원…신용카드 없이 API당 하루 100회 무료: 구글의 개발 도구 발표
- 앤트로픽, Fable 5.2 운영체제 제작 사례 공개…하위 에이전트 1,000개 넘게 8일 작업: 앤트로픽의 사전 시험 사례
- OpenAI, ChatGPT dot에 컴퓨터 여러 대 연결 안내…스레드는 한 번에 한 대 사용: OpenAI의 사용 문서
모델 출시
앤트로픽, Claude Fable 5.2·Mythos 5.2 공개…100만 토큰당 입력 8달러, 출력 40달러

앤트로픽이 11월 9일(미국 시간) Claude Fable 5.2와 Mythos 5.2를 공개했다. 발표문에 따르면 두 모델은 같은 기반 모델이다. 발표문은 Fable이 사이버보안과 생물학 안전장치를 갖춰 모든 사용자에게 제공할 수 있다고 설명하고, Mythos는 관련 기관이 별도 프로그램을 통해 접근을 신청할 수 있다고 밝힌다. 다만 한국어 요금제 페이지는 Free 요금제의 Fable 이용을 ‘아니요’로 표시한다.
- 가격: 가격표 기준 100만 토큰당 입력 8달러, 출력 40달러. 5.1은 10달러와 50달러다.
- 속도: 발표문에서 앤트로픽은 5.1보다 출력 생성이 최대 30% 빠르다고 밝혔다. 선택 기능인 빠른 모드는 토큰 생성을 최대 2.5배 높이며 입력 16달러, 출력 80달러다.
- 제공: 발표문은 Fable을 모든 사용자에게 제공할 수 있다고 하지만, 한국어 요금제 페이지에서 Free는 ‘아니요’다. Mythos는 Cyber Verification Program과 Life Sciences 프로그램을 통해 기관이 접근을 신청할 수 있다고 했으며, 신청만으로 접근이 허용된다는 설명은 읽은 범위에 없다. 모델 개요의 API 모델명은 claude-fable-5-2.
무엇이 달라지나
가격표 기준 입력은 10달러에서 8달러로, 출력은 50달러에서 40달러로 내려 둘 다 20% 낮다(8 ÷ 10, 40 ÷ 50). 같은 모델이 안전장치만 다른 두 이름으로 나뉘어, 일반 사용자는 Fable을 쓰고 보안과 생명과학 용도는 Mythos 신청 경로로 간다. 앤트로픽은 대부분의 코딩과 지식 작업에는 Opus 5.5로 시작하고, 필요할 때 Fable로 올리거나 Sonnet 5.5, Haiku 5.5로 내리라고 권한다.
한계
성능 표와 사례는 모두 앤트로픽 자체 자료이고, 발표문은 평가 방법이 시스템 카드에 있다고 안내하지만 시스템 카드는 읽지 못했다. 읽은 발표문은 Mozilla 인용이 수치 앞에서 끊겨 있어 그 뒤의 과학·엔지니어링, 안전, 데이터 프라이버시, 제공 범위 항목은 읽은 범위에 없다. 한국 제공 조건은 읽은 자료에 적혀 있지 않다.
커뮤니티 반응
■한 사용자는 노력 수준이 올라갈수록 5.1보다 토큰 사용량이 늘어 맥스에서 118K에서 274K로 2.5배가 된다며 맥스를 피하라고 권했다.
■시스템 지시문, 도구, 이전 메시지를 고친 뒤 모델의 이후 추론을 되돌려 보내면 모든 계정에서 400 오류가 난다는 글이 올라왔고, 작성자는 Claude Platform 릴리스 노트를 근거로 들었다.
■Max 요금제에서 Fable 5.2까지만 보이고 Mythos는 보이지 않는다는 글도 있었다.
본문 펼치기 · 약 5분
가격은 5.1보다 20% 낮고 작업당 비용은 노력 수준과 측정 주체에 따라 달라진다
가격표에서 Fable 5.2와 Mythos 5.2는 입력 100만 토큰당 8달러, 출력 40달러다. 같은 표에서 Opus 5.5는 4달러와 20달러, Sonnet 5.5는 2달러와 10달러다. Haiku 5.5는 입력이 10만 토큰 이하일 때 0.10달러와 0.50달러이고, 10만 토큰을 넘으면 0.50달러와 2.50달러가 된다.
가격표에는 캐시가 Claude API 기준으로 5분 쓰기 10달러, 1시간 쓰기 16달러, 읽기 0.20달러로 나온다. 가격표는 Fable 5.2의 캐시 읽기 비용을 기본 입력 가격의 2.5%라고 설명한다. Batch API는 입력 4달러, 출력 20달러로 절반이며, 빠른 모드는 Batch API와 함께 쓸 수 없다. inference_geo 값을 us로 지정해 미국 안에서만 추론하면 모든 토큰 가격에 1.1배가 붙는다.
가격표 값으로 가정을 하나 세워 계산해 보면, 캐시 없이 입력 100만 토큰과 출력 10만 토큰을 한 번 쓰는 호출은 Fable 5.2에서 8 + (0.1 × 40) = 12달러다. 같은 호출이 Fable 5.1에서는 10 + (0.1 × 50) = 15달러, Opus 5.5에서는 4 + (0.1 × 20) = 6달러다. 실제 비용은 노력 수준과 출력 길이에 따라 달라진다.
Artificial Analysis의 Muse Ember 모델 페이지 비교 차트에는 자사 지수 작업당 비용이 Fable 5.2(max) 26.54달러, Opus 5.5(max) 10.04달러로 나온다. 26.54 ÷ 10.04 ≈ 2.6배다. 같은 차트의 작업당 시간은 각각 45.0분과 25.1분이다. 앤트로픽이 밝힌 작업당 비용 절반은 FrontierCode 2.0 초기 시험 한 가지에 대한 설명이어서 이 지수 비용과 직접 비교할 수 없다.
성능 표는 앤트로픽 자체 측정이며 항목마다 노력 수준과 조건이 다르다
발표문의 표에서 FrontierCode 2.0은 Fable 5.2가 Xhigh 노력에서 49.1%, Fable 5.1이 같은 노력에서 32.4%, Opus 5.5가 45.5%, GPT-6 Astra가 42.8%다. Gemini 4 Carbon은 Medium 노력에서 41.1%다. 이 평가는 모델의 코드 변경을 오픈소스 저장소 유지관리자가 받아들일지를 따진다고 발표문은 설명한다. 초기 시험에서 High 노력의 Fable 5.2는 45.3%로, 45.5%인 Opus 5.5 Max와 비슷한 점수를 작업당 비용 약 절반으로 냈다고 한다.
발표문의 다른 항목도 앤트로픽이 제시한 값이다. FrontierSWE v2는 69.9%(Opus 5.5는 62.3%), OSWorld 2.1 오프라인 세트 일부는 89.3%(87.2%)다. 도구를 쓴 Humanity’s Last Exam은 74.2%(67.7%)다. AutomationBench에서는 Gemini 4 Carbon이 53.9%로 Fable 5.2의 51.4%보다 높다. RoboDojo Sim 64.9%(Opus 5.5는 39.4%)는 앤트로픽이 내부에서 돌린 결과다.
발표문의 표 주석에 따르면 점수는 따로 표시하지 않은 한 안전장치를 켠 상태에서 각 모델이 쓸 수 있는 가장 높은 노력 수준으로 잰 값이다. 반복 횟수와 채점 보정 방식은 읽은 발표문 본문에 적혀 있지 않다. 독립 측정으로는 Artificial Analysis 모델 페이지의 차트에서 Intelligence Index가 Fable 5.2(max) 65, Opus 5.5(max) 59로 나온다. Gemini 4 Carbon(high)은 60, GPT-6 Astra(max)는 57이다. 이 지수는 9개 평가를 묶은 것이라 앤트로픽 표와 구성이 다르다.
Fable과 Mythos는 같은 모델이고 접근 경로와 요금제가 갈린다
발표문에 따르면 Mythos 5.2는 사이버보안 엔지니어링에 가장 강한 모델이고, Fable 5.2의 안전장치는 사이버보안 관련 작업 대부분을 막는다. 앤트로픽 내부 평가 CVE Rediscovery에서 Mythos 5.2는 89.6%로, Mythos 5.1의 78.3%와 안전장치 없는 Opus 5.5의 81.3%보다 높았다. 2026년 10월에 1,829개 CVE로 돌린 결과다. Claude Enterprise 고객은 프로그램 가입 여부와 관계없이 Claude Security로 Mythos 5.2를 쓴 코드베이스 취약점 스캔을 이용할 수 있다.
한국어 요금제 페이지에는 Fable 항목이 있다. Free는 아니요, Pro는 사용 크레딧으로 결제, Max와 Ultra는 주간 한도의 최대 50%까지다. 요금은 Pro가 연간 구독 시 월 18달러(선불 220달러), 월 결제 22달러다. Max는 월 110달러, Ultra는 월 220달러이며 페이지에 10% VAT 포함 문구가 있다. Max는 월 100달러, Ultra는 월 200달러의 API 크레딧이 붙는다. 한국에서 제공되는지를 따로 밝힌 문장은 읽은 범위에 없다.
모델 개요에는 Fable 5.2의 컨텍스트 윈도우 1M 토큰, 최대 출력 128K 토큰, 안정적 지식 기준 2026년 6월이 적혀 있다. 기본 노력은 이 표에서 high이고, 발표문은 Claude 앱과 Claude Code의 기본이 Medium이라고 적는다. 두 설명이 가리키는 환경이 다를 수 있지만 문서는 어느 쪽이 기준인지 따로 풀이하지 않는다. 빠른 모드는 가격표 기준 Claude API, Google Cloud, Microsoft Foundry의 앤트로픽 호스팅 배포에서 쓸 수 있다.
자세히 읽기 · Anthropic의 Fable 5.2·Mythos 5.2 발표문 ↗ · Claude Platform Docs 가격표 ↗ · Claude Platform Docs 모델 개요 ↗ · Claude 한국어 요금제 페이지 ↗
Meta, Muse Ember 공개…100만 토큰당 입력 0.10달러, 지수 36은 외부 측정

Meta의 Muse Ember 페이지에는 출시일이 적혀 있지 않고, Artificial Analysis는 11월 9일자 글에서 이 모델을 측정했다. Meta는 Muse Ember를 가장 작은 멀티모달 추론 모델로 소개하며 도구 호출, 코딩 하위 작업, 라우팅, 추출, 긴 문서처럼 에이전트가 반복하는 작업을 겨냥한다고 밝혔다.
- 가격: 컨텍스트 20만 토큰 미만 구간에서 100만 토큰당 입력 0.10달러, 캐시 입력 0.004달러, 출력 0.50달러. 컨텍스트 윈도우는 100만 토큰이다.
- 측정: Artificial Analysis 지수 36(max 노력)으로 Haiku 5.5(max)와 같은 점수이며, 지수 작업당 비용은 0.14달러 대 0.41달러다.
- 제공: Artificial Analysis 글에 따르면 Meta의 자체 API와 Muse Code. 모델 이름은 가격표에 muse-ember-1.0으로 적혀 있다.
무엇이 달라지나
Artificial Analysis는 Muse Ember의 입력·출력 단가가 Haiku 5.5, GPT-6 Luna와 같다고 적었다. 그래서 작업당 비용 차이는 토큰 단가보다 사용 토큰 수와 캐시 가격에서 생긴다. Meta 가격표의 캐시 입력 0.004달러는 Anthropic 가격표의 Haiku 5.5 캐시 읽기 0.01달러보다 60% 낮다(0.004 ÷ 0.01 = 0.4).
한계
지수와 작업당 비용은 Artificial Analysis가 자사 지수 작업으로 잰 값이고, Meta 표의 Personal Superintelligence Index는 Meta 내부 종합 지수다. Meta 페이지에는 출시일과 최대 출력 길이가 적혀 있지 않다. 한국 제공 조건은 읽은 자료에 없다.
커뮤니티 반응
■한 분석 글은 Artificial Analysis 수치로 작업당 출력 토큰이 Ember 8만 4,482개, Haiku 22만 5,966개라며, 단가가 같으니 비용 3분의 1은 토큰 수 차이라고 풀이했다. 다만 Artificial Analysis 본문은 기본 입력·출력 단가가 같아도 캐시 입력 가격이 다르고 캐시가 에이전트 평가 비용의 대부분이라고 적어, 이 풀이만으로는 비용 차이를 설명할 수 없다.
■같은 글은 Meta 표가 Terminal-Bench 4.0의 Haiku 점수로 Anthropic 자체 보고값 39.2를 쓴 점과, Vals AI가 작업당 0.15달러 대 3.17달러로 다른 배율을 냈다는 점을 짚었다.
■오픈소스가 아니라는 점을 아쉬워하는 답글도 있었다.
본문 펼치기 · 약 4분
가격은 Haiku 5.5와 기본 단가가 같고 긴 입력 구간과 캐시에서 갈린다
Meta 페이지의 가격표는 muse-ember-1.0을 두 구간으로 나눈다. 컨텍스트 20만 토큰 미만은 캐시 입력 0.004달러, 입력 0.10달러, 출력 0.50달러다. 20만 토큰을 넘으면 0.012달러, 0.30달러, 1.50달러가 된다. 컨텍스트 윈도우는 두 구간 모두 100만 토큰으로 표시돼 있다.
비교 대상인 Haiku 5.5는 Anthropic 가격표에서 입력이 10만 토큰 이하일 때 입력 0.10달러, 출력 0.50달러, 캐시 읽기 0.01달러다. 10만 토큰을 넘으면 0.50달러, 2.50달러, 0.05달러가 된다. 구간 경계가 Meta는 20만, Anthropic은 10만이어서 입력이 10만에서 20만 토큰 사이라면 가격표상 Ember의 단가가 더 낮다. 단가 비교는 이 가격표 값에 한정된다.
Meta 페이지는 Muse Code 구독 요금제도 안내한다. 월 5달러, 15달러, 50달러, 200달러 네 가지이고 가장 낮은 요금제는 5시간마다 요청 10개에서 50개를 보낼 수 있다. 각 요금제 설명에는 Muse Spark, Muse Wonder 같은 모델 이름이 나오지만 Ember 사용량은 따로 적혀 있지 않다.
지수 36은 max 노력 설정에서 Artificial Analysis가 잰 값이다
Artificial Analysis 글에 따르면 Muse Ember(max)는 지수 36점이고 작업당 비용은 0.14달러다. 같은 점수의 Haiku 5.5(max)는 0.41달러다. xhigh 노력은 34점에 0.12달러다. 이 글은 Ember가 Haiku 5.5의 약 3분의 1 출력 토큰을 쓴다고 설명한다. 44점인 Muse Wonder(max)는 작업당 6.95달러다.
모델 페이지에 따르면 이 지수는 AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0 등 9개 평가로 구성된다. 지수를 돌리는 동안 Ember가 낸 출력 토큰은 1억 1,500만 개다. Muse Code에서 돌린 Coding Agent Index는 Ember 46, Claude Code의 Haiku 5.5 37, Codex의 GPT-6 Luna 31이다. 도구 환경이 서로 달라 모델만의 차이로 읽기는 어렵다.
Artificial Analysis 글은 지식 질문을 약점으로 꼽았다. AA-Omniscience 정확도 21.1%는 비슷한 지능대 모델 중 가장 낮고, Haiku 5.5(max)는 34.7%, Gemini 3.8 Flash(high)는 50.5%다. 질문의 64%에 답을 거부해 환각률은 17.4%로 Haiku의 절반이라고 이 글은 적었다.
Meta 표와 외부 측정은 일치하는 값과 엇갈리는 값이 함께 있다
Meta 페이지와 Artificial Analysis 글이 같은 값을 적은 곳이 있다. 지수는 둘 다 36이고, FrontierCode 2.0은 Ember 27.2%, Haiku 34.9%로 Haiku가 앞선다. GDP.pdf도 Ember 22.8%, Haiku 20.8%로 같다. Terminal-Bench 4.0의 Ember 40.9%도 같지만 Haiku 값은 다르다. Meta 표는 39.2, Artificial Analysis는 32.8이다.
엇갈리는 값도 있다. AutomationBench-AA에서 Meta 페이지는 Ember 37.8, Haiku 13.9라고 적었고, Artificial Analysis 글은 Ember 68.1%라고 적었다. 같은 이름의 평가인데 값이 다른 이유는 읽은 자료에 없다. 입력 형식도 다르다. Meta 페이지는 텍스트, 이미지, 오디오, 비디오 입력을 말하고, Artificial Analysis 모델 페이지는 텍스트와 이미지 입력에 텍스트 출력이라고 적었다.
선택 조건으로는 쓰려는 용도에 맞는 행을 보는 편이 맞다. Meta가 말한 용도는 하위 에이전트의 반복 작업이고, Artificial Analysis 글에서 이 영역의 외부 값은 Terminal-Bench 4.0과 Coding Agent Index에서 Ember가 앞선다. 반대로 FrontierCode 2.0과 지식 정확도에서는 Haiku 5.5가 앞선다. 오디오·비디오 입력이 필요하다면 Meta 페이지와 외부 페이지의 설명이 다르므로 사용 전에 API 문서로 따로 확인해야 한다.
자세히 읽기 · Meta의 Muse Ember 페이지 ↗ · Artificial Analysis의 Muse Ember 측정 글 ↗ · Artificial Analysis의 Muse Ember 모델 페이지 ↗
개발 도구
구글, AI Studio에서 구글 지도 앱 만들기 지원…신용카드 없이 API당 하루 100회 무료

구글이 11월 9일 Developers Blog와 blog.google에서 AI Studio의 Google Maps Platform 연동을 발표했다. 앱 아이디어를 문장으로 설명하면 AI Studio가 설정과 API 키 관리를 맡아 지도가 뜨는 앱을 만든다고 구글은 밝혔다. 무료 데모로 시작할 때는 신용카드가 필요 없지만, 운영 단계에서는 Google Cloud 결제 계정이 필요하다.
- 방법: AI Studio에서 Gemini에 만들 앱을 설명하면 설정, 키 연결, 라이브 미리보기까지 이어진다.
- 무료 범위: 샌드박스 할당량은 API당 하루 100회이고 24시간마다 초기화된다.
- 운영 전환: 운영 단계에서는 Google Cloud 결제 계정을 연결해야 한다.
무엇이 달라지나
구글은 결제와 자격 증명을 설정하려고 작업 공간을 떠날 필요가 없어졌다고 설명한다. 키 설정과 결제 연결을 따로 하던 단계가 AI Studio 안으로 들어온 셈이다. 이미 결제되는 Cloud 프로젝트가 있으면 처음부터 표준 API 키로 전체 API 범위를 쓸 수도 있다.
한계
한국에서 지도 기능이 어디까지 제공되는지는 읽은 자료에 없다. 이 설명은 발표문과 문서 기준이며, 무료 데모 키는 API당 하루 100회로 제한된다. 구글이 공개한 공식 이름은 AI Studio의 Google Maps Platform이다.
커뮤니티 반응
■한 사용자는 무료 옵션이 자기 계정에서는 나타나지 않았다고 썼다.
■설명만으로 만든 앱은 호출이 빠르게 쌓일 수 있어 Maps API 요금이 변수라는 글이 올라왔다.
■3D 건물과 스트리트 뷰를 문장 설명으로 만든다는 점이 놀랍다는 반응도 있었다.
본문 펼치기 · 약 4분
문서의 순서대로 하면 설명 문장에서 지도가 뜬 미리보기까지 세 단계다
개발자 블로그가 안내한 순서는 이렇다. AI Studio에서 Gemini에 현실 세계의 아이디어를 문장으로 입력하고(예시는 뉴욕 랜드마크를 보여 주는 3D 투어), 별도 이동 없이 Maps 설정을 켠다. 그러면 AI Studio가 키를 안전하게 연결하고 라이브 지도를 미리보기에 띄운다. 신용카드 없이 시작하거나 기존 Google Cloud 프로젝트를 자동으로 연결할 수 있다.
Google Maps Platform 문서에 따르면 AI Studio는 주변 장소 검색, 대화형 지도 표시, 경로 계산 같은 지리 공간 요청을 알아보고 필요한 Maps 기술을 구성한다. 자격 증명은 앱의 보안 비밀 설정에 저장된다. 만들 수 있는 범위로 블로그는 지도, 장소, 경로, 환경 정보를 들었다. AI Studio 갤러리에는 City Immersive Tour, Pet Grooming Route Optimizer, Store Locator & Near Me Finder 예제가 있다.
데모 키는 API당 하루 100회 한도가 있고 사용자 유형에 따라 API 범위가 다르다
Google Maps Platform 문서는 새 사용자와 기존 Google Cloud 사용자를 나눈다. 새 사용자의 지도 데모 키는 Route Optimization, Solar, Nav Connect를 뺀 모든 Maps Platform API를 포함한다. 신규 사용자 데모 키에는 Weather API와 Street View Static API도 들어 있다. 기존 사용자가 결제 없이 쓰는 데모 키는 프로토타입용 하위 집합이다. Maps JavaScript API, Places API(사진·리뷰 같은 사용자 제작 콘텐츠 제외), Routes API, Geocoding API, Weather API 등이 여기에 든다. 블로그는 Places 기능에 사진 갤러리를 예로 들지만, 기존 사용자의 무료 데모 키 범위에는 사진이 빠진다고 문서가 적었다.
문서에 따르면 한도를 넘으면 RESOURCE_EXHAUSTED 같은 할당량 초과 오류가 나며, 24시간 뒤 자동으로 초기화된다. 데모 키에 없는 API를 호출하면 Maps JavaScript API에서 ApiTargetBlockedMapError가 나오는데, 이 경우 결제되는 Cloud 프로젝트를 연결해야 한다. 운영 전환은 Cloud Billing 계정을 연결하는 방식이고, 기존 데모 키가 계속 작동해 앱 코드를 고칠 필요가 없다고 문서는 안내한다.
운영 단계 비용은 표준 Google Maps Platform 가격을 따르며 매월 반복되는 무료 사용량이 포함된다고 블로그가 밝혔다. 가격 페이지는 사용한 만큼 내는 방식과 정해진 호출 수를 월 고정 요금으로 내는 구독 방식을 안내한다. 데모 키에는 지도 데모 프로젝트 서비스 약관이 적용된다.
Cloud의 지도 그라운딩 문서는 AI Studio 기능과 별개의 기능을 설명한다
같은 구글 문서군에는 Gemini Enterprise Agent Platform의 Google 지도 그라운딩 문서가 있다. 이 문서는 Gemini 모델 응답을 지도의 장소 데이터에 연결하는 기능을 설명하며, 장소 정보는 2억 5천만 개 이상이라고 적는다. AI Studio 앱 제작과 같은 기능인지는 문서에 적혀 있지 않아 이 글은 둘을 이어 붙이지 않는다.
그라운딩 문서의 경로 기능은 출발지와 목적지 사이에 중간 경유지를 최대 13개까지 둘 수 있고, 운전, 도보, 자전거, 대중교통, 전동이륜차를 지원한다. 일부 국가에서는 일부 이동 수단을 쓸 수 없다고 문서가 밝혔다. Gemini 4 이상 모델은 grounding_types를 생략하면 장소와 경로가 기본으로 켜지고, 이전 모델은 routing을 명시해야 한다. 문서는 그라운딩 결과가 실제 도로나 장소 상황과 다를 수 있다고도 경고한다.
자세히 읽기 · Google Developers Blog의 AI Studio Maps 발표 ↗ · blog.google의 Google Maps Platform in AI Studio ↗ · Google for Developers의 AI Studio Maps 문서 ↗ · Google Maps Platform 가격 페이지 ↗ · Google Cloud의 지도 그라운딩 문서 ↗
에이전트 활용
앤트로픽, Fable 5.2 운영체제 제작 사례 공개…하위 에이전트 1,000개 넘게 8일 작업

앤트로픽이 11월 9일(미국 시간) Fable 5.2 발표문에서 사전 시험 사례를 소개했다. 엔지니어 한 명이 빈 폴더에서 시제품 운영체제를 만들게 했고, 모델이 1,000개 넘는 하위 에이전트를 조율해 8일 동안 밤낮으로 코드를 쓰고 시험하고 검토했다고 앤트로픽은 밝혔다.
- 결과물: 노트북에서 부팅되는 운영체제. 자체 코어, 디스크·키보드·네트워크 드라이버, 영구 파일 저장, 창, 로그인 화면, 설치 프로그램, 내장 Claude 기능이 있다.
- 과정: 하위 에이전트 1,000개 이상이 8일 동안 코드 작성, 시험, 검토를 이어 갔다.
- 성격: 앤트로픽이 실험이라고 밝힌 내부 사례이며 외부 재현 정보는 읽은 범위에 없다.
무엇이 달라지나
앤트로픽은 Fable 5.2를 한 번의 질의응답보다 여러 하위 에이전트를 조율하는 장시간 작업에 쓴 예로 내세웠다. 발표문은 Fable 5.2가 Haiku, Sonnet, Opus 모델이 어려운 문제를 상담하는 Advisor 역할이나, 단순한 일을 작은 모델에 맡기는 Orchestrator 역할도 할 수 있다고 안내한다.
한계
읽은 발표문 범위에는 이 실험의 총비용, 토큰 사용량, 사람이 개입한 정도가 적혀 있지 않다. 발표문의 영상 설명은 텍스트로 읽을 수 없었다. 발표문 밖에서 거론된 게임 재현 같은 사례는 1차 원문을 찾지 못해 다루지 않았다.
커뮤니티 반응
■발표 내용을 옮기며 운영체제 사례가 기다린 보람이 있다고 평한 글이 올라왔다.
■이 글에는 사용한 입력 문장을 보고 싶다는 답글이 달렸고, 작성자도 그 문장과 충분한 토큰이 필요하다고 덧붙였다.
■같은 과제로 Fable 5.2와 Mythos 5.2를 직접 시험해 결과를 공유하겠다는 글도 나왔다.
본문 펼치기 · 약 3분
운영체제 시제품은 최종 결과물과 작업 과정이 따로 설명된 내부 실험이다
발표문에서 최종 결과물은 노트북에서 부팅되는 운영체제다. 기계를 돌리는 자체 코어, 디스크·키보드·네트워크 드라이버, 영구 파일 저장, 창, 로그인 화면, 설치 프로그램, 내장 Claude 기능이 들어 있다고 한다. 앤트로픽은 이를 엔지니어 한 명이 맡긴 실험이라고 설명한다.
작업 과정은 결과물과 별개로 적혀 있다. 발표문에 따르면 모델은 빈 폴더에서 시작해 하위 에이전트 1,000개 넘게를 조율했고, 8일 동안 쉬지 않고 코드를 쓰고 시험하고 검토했다. 같은 발표문은 앤트로픽 핵심 코드베이스에 합쳐지는 변경의 90% 넘게를 사람의 지도 아래 Claude가 쓴다고도 밝혔다. 결과물만 보면 운영체제 한 벌이지만, 이 사례가 보여 주는 것은 장시간 다중 에이전트 작업의 규모다.
같은 발표문에는 코드 이전, 보안 점검, 시스템 소프트웨어 사례가 이어진다
앤트로픽은 발표문에서 Fable 5.2의 초기 버전을 쓴 에이전트 팀이 핵심 운영 서비스를 Python에서 Rust로 옮겼다고 밝혔다. 이전한 서비스는 더 효율적이고 안정적이며 시작이 약 26배 빠르다고 한다. 서비스 이름은 적혀 있지 않다. 사전 시험에서 전자 장치 세 가지를 처음부터 설계하고 블랙홀 물리 문제 두 건을 풀었다는 설명도 있지만 세부는 읽은 범위에 없다.
초기 테스터 사례는 각 회사 담당자의 서술이다. 발표문에서 Uber의 Andrew Mager는 10~12시간 보안 점검에 검토 에이전트 약 170개가 보고서, 수정 풀 리퀘스트, 정책 제안을 가져왔다고 했다. iGent의 Sean Ward는 한 세션에서 가상 컴퓨터를 서로 격리하는 하이퍼바이저를 만들었다고 했고, 3,500개 넘는 기계 검증 논증이 모든 경우를 덮는다고 설명했다. Unity의 Sam Zhang은 처음부터 만든 3D 장면과 시각 자료를 보고 다시 만든 경험을 대표 사례로 들었다.
사례는 모두 회사와 초기 테스터의 서술이어서 재현 조건이 열려 있다
이 사례들에는 입력 문장, 에이전트 구성, 비용, 실패한 시도가 발표문 본문에 실려 있지 않다. 운영체제 결과물이 얼마나 안정적인지, 어떤 하드웨어에서 부팅했는지도 읽은 범위에 없다. 사례를 읽을 때는 앤트로픽이 고른 성공 사례라는 점을 염두에 둘 필요가 있다.
비교 조건이 있는 사례도 있다. 발표문에서 Oracle의 Liyu Gong은 Fable 5.2가 만든 SQL이 기대한 결과를 냈다고 했다. 다른 두 모델의 SQL도 실행은 됐지만 국가별 요약 금액을 잘못 합쳐 기대치의 5~8배 값이 나왔다는 설명이다. 이 역시 한 번의 시험이다.
선택 조건으로는 자기 작업의 한 부분에 먼저 적용해 비용과 검토 부담을 따로 재는 편이 맞다
발표문은 대부분의 코딩과 지식 작업에는 Opus 5.5로 시작하라고 권한다. 이후 범위와 복잡도에 따라 위로는 Fable이나 Mythos, 아래로는 Sonnet 5.5나 Haiku 5.5로 옮기라는 설명이다. Fable 5.2는 Haiku, Sonnet, Opus 모델이 어려운 문제를 상담하는 Advisor 역할이나, 단순한 일을 작은 모델에 맡기는 Orchestrator 역할도 할 수 있다고 한다.
가격표에서 Fable 5.2는 입력 100만 토큰당 8달러, 출력 40달러이고 Opus 5.5는 4달러와 20달러다. 사례를 그대로 기대치로 삼기보다 자기 작업의 한 부분에 같은 방식을 적용해 비용과 검토 부담을 따로 재는 편이 맞다. 노력 수준별 비용은 위 Fable 5.2 소식에 있다.
자세히 읽기 · Anthropic의 Fable 5.2·Mythos 5.2 발표문 ↗ · Claude Platform Docs 가격표 ↗
OpenAI, ChatGPT dot에 컴퓨터 여러 대 연결 안내…스레드는 한 번에 한 대 사용

11월 10일 현재 ChatGPT Learn의 dot 문서는 dot에 내 컴퓨터를 연결하는 절차를 안내한다. 문서에는 작성일이 적혀 있지 않다. dot은 클라우드에서 돌아가며 자체 컴퓨터와 브라우저를 갖고, 사용자 컴퓨터가 꺼져 있어도 쓸 수 있다고 문서는 설명한다.
- 절차: 컴퓨터의 ChatGPT 앱에서 dot 프로필을 열고 Computers 아래에서 허용한 뒤, 확인 화면에서 Allow access를 선택한다.
- 여러 대: 다른 컴퓨터도 그 컴퓨터의 ChatGPT 앱에서 같은 절차를 반복한다. 독립 작업은 컴퓨터마다 별도 스레드를 시작하게 하고, 스레드 하나는 한 번에 컴퓨터 한 대만 쓴다.
- 조건: 사용 중에는 컴퓨터를 켜 두고 ChatGPT 앱을 열어 둬야 한다.
무엇이 달라지나
영문 문서 기준으로 컴퓨터를 한 대씩 붙여 여러 대를 같은 dot에 연결할 수 있고, 일은 스레드 단위로 컴퓨터에 나뉜다. 컴퓨터 연결 허용은 Codex 연결이나 Work Sync와 별개여서 둘 중 하나만으로는 dot이 컴퓨터에 접근하지 못한다. 연결은 작업 사이에도 유지되며, 접근을 끊으려면 Revoke access를 선택한다.
한계
같은 곳의 중국어 번역본은 한 번에 한 대만 연결한다고 적어 영문과 다르다. 번역본이 이전 판일 수 있고 영문이 우선이라고 번역본 안내가 밝혔다. 문서는 컴퓨터 선택을 작업별이 아니라 스레드별 배정으로 설명하며, 제공 요금제와 지역, 한국 제공 여부는 적혀 있지 않다.
커뮤니티 반응
■OpenAI Developers 계정의 안내 글에는 두 번째 Mac에서 Xcode 변경을 테스트해 스크린샷을 받는 식의 사용 예가 실렸다.
■한 사용자는 Mac mini와 MacBook에 연결해 쓰겠다며 오래 바란 기능이라고 했고, 휴대폰에서는 언제 되느냐고 물었다.
■다른 사용자는 dot을 프로젝트에 붙이는 방법을 찾던 중에 유용한 링크라고 했다.
본문 펼치기 · 약 4분
연결은 컴퓨터마다 한 번씩 허용 절차를 거치고 스레드는 한 번에 컴퓨터 한 대를 쓴다
문서의 순서대로 하면 먼저 연결할 컴퓨터에서 ChatGPT 앱을 열고 dot 프로필로 들어간다. Computers 아래에서 지금 쓰는 컴퓨터를 찾아 Allow를 누르고, 확인 화면을 읽은 뒤 Allow access를 눌러 연결한다. 다른 컴퓨터를 붙이려면 그 컴퓨터의 ChatGPT 앱에서 같은 절차를 되풀이한다.
연결 뒤에는 dot에 컴퓨터별로 독립 작업용 스레드를 따로 시작하라고 요청한다. 스레드는 한 번에 컴퓨터 한 대만 쓴다. dot은 로컬 Work 작업이나 Codex 작업을 만들고, 이미 있는 로컬 Codex 작업도 이어 갈 수 있다. 작업은 클라우드에서 관리하면서 연결된 컴퓨터의 파일과 도구를 쓰는 방식이며, 작업을 열면 어디서 돌아가는지 확인하고 직접 지시할 수 있다.
컴퓨터가 Offline으로 표시되는 것은 사용할 수 없다는 뜻일 뿐 연결을 끊은 것이 아니다. 접근을 거두려면 Revoke access를 선택한다. 연결 전에 알아 둘 조건은 컴퓨터의 ChatGPT 앱이 필요하다는 점이다. 요금제 조건과 결제 요건은 이 문서에 적혀 있지 않다.
영문 문서와 중국어 번역본이 연결 대수에서 엇갈린다
영문 문서는 다른 컴퓨터를 연결하는 방법과 컴퓨터마다 스레드를 따로 시작하라는 안내를 함께 적었다. 중국어 번역본은 같은 대목에서 한 번에 개인 컴퓨터 한 대만 연결할 수 있다고 적는다. 번역본에는 AI 번역이라 최신 정보는 영문 원문을 보라는 안내가 있어, 이 글은 영문 문장을 기준으로 삼는다. 어느 쪽이 먼저 쓰인 판인지는 페이지에 날짜가 없어 알 수 없다.
이 문서에는 Xcode나 스크린샷 같은 개별 사용 예가 없다. 두 번째 Mac에서 Xcode 변경을 시험하는 예는 별도 게시물 내용이고, 문서가 말하는 사용처는 클라우드 컴퓨터의 연구, 문서 작업, 데이터 분석, 소프트웨어 작업과 연결된 컴퓨터의 로컬 파일, 코드, 앱이다. 브라우저·파일 주석 기능은 ChatGPT 데스크톱 앱에서 Pro, Business Premium, Enterprise에 순차 제공 중이라고 문서가 적었다. 컴퓨터 연결 기능 자체의 제공 시점은 문서에 없다.
로그인과 앱 접근은 클라우드 컴퓨터와 내 컴퓨터가 따로 움직인다
dot의 클라우드 브라우저는 자체 세션을 가진다. 내 컴퓨터에서 어떤 사이트에 로그인해 두어도 dot이 그 사이트에 로그인되지는 않는다. 사이트가 로그인을 요구하면 dot이 비공개 양식을 보내고, 사용자가 그 양식에 인증 정보와 인증 코드를 입력하면 대화 밖의 원격 브라우저로 전달된다. 직접 로그인하려면 takeover 모드로 dot의 브라우저를 열어 단계를 마치고 Return control을 누른다.
세션은 로그아웃하거나 사이트가 만료시킬 때까지 이어진다. Save to Passwords로 로그인 정보를 저장하는 것은 선택이고, 저장된 로그인으로 다시 로그인할 때는 사용자 확인이 필요하다. 사이트가 클라우드 브라우저를 막으면 연결된 컴퓨터로 시도하게 할 수 있지만, 별도의 로컬 작업이 만들어질 수 있고 클라우드 세션이 옮겨지지 않으며 특정 로컬 브라우저 지원도 보장되지 않는다.
앱 접근도 따로 설정한다. dot은 계정에 설치하고 켠 지원 플러그인을 쓰며, 접근 범위는 플러그인의 연결 계정, 권한, 작업이 도는 환경에 달려 있다. 예로 Gmail, Google Drive, GitHub가 문서에 나오고, 메일은 읽게 하되 보내지는 못하게 허용할 수 있다. Slack에서 dot에 메시지를 보내는 것만으로는 받은편지함이 연결되지 않으며, 로컬 스킬을 쓰려면 연결된 컴퓨터가 필요하다.
자세히 읽기 · ChatGPT Learn의 Connect computers and apps to your dot ↗ · 같은 문서의 중국어 번역본 ↗