어제(2026년 9월 03일), 앤스로픽이 새로운 모델 클로드 Fable 5.1 / Claude Mythos 5.1을 발표했습니다.
과학 연구와 코딩 성능이 크게 올랐고, 가격도 낮아졌습니다. 여기까지는 신모델 발표 때마다 늘 나오는 이야기입니다.
그런데 이번 발표에는 눈에 띄는 것이 하나 더 있었습니다. 데이터 보존 방식 자체를 바꾸는 새로운 체계입니다. 앤스로픽의 서버가 아니라 고객사 자체 인프라에 데이터를 저장하는 방식인데, 이게 흥미로운 이유가 있습니다.
최근 화두가 되는 주제가 있습니다. “AI 회사가 개인정보를 저장하지 않는다고 약속해도, 그걸 어떻게 검증할 수 있는가?” 그리고 애플의 “검증 가능한 프라이버시 약속”조차 결국 애플의 서버 안에서만 유효한 이야기였다는 한계도 있습니다.
이번 발표는 그 질문에 조금 다른 방식으로 답합니다. 기본적으로 애초에 우리가 가져가지 않겠다는 접근입니다.
이 글에서는 이번 업데이트의 핵심을 빠르게 정리하고, 그중에서도 이 데이터 보존 방식이 지난 글의 논의와 어떻게 이어지는지 살펴보겠습니다.
1. 주요 업데이트 사항
(1) 성능 업데이트
특히 과학 연구 영역에서 도약이 두드러집니다.
| 벤치마크 | Fable 5 | Fable 5.1 | 비고 |
|---|---|---|---|
| 과학 연구 (Terminal-Bench-Science) | 24.7% | 52.6% | 2배 이상 |
| 에이전틱 코딩 (Terminal-Bench 4.0) | 42.0% | 55.8% (Mythos 60.9%) | |
| 지식 업무(GDPval-AA v2) | 1,723 | 1,853 | GPT-5.6 Sol(1,711) 상회 |
| 업무 자동화(AutomationBench) | 17.1% | 31.4% |
과학 연구 성과도 구체적입니다. 단백질 결합체 설계 실험에서 기존 대회 최고 기록보다 결합력이 10배 높은 설계를 냈고, 적중률은 업계 평균(10~15%)의 3배 이상인 50%에 가까웠습니다. 또한 30년 전 NASA 마젤란 탐사선의 레이더 데이터를 활용해 금성 지형의 3분의 1을 새로 정밀 매핑해 공개했습니다.
(2) 낮아진 가격
캐시 읽기(이미 처리한 내용을 다시 불러오는 것) 비용을 75% 인하했습니다(100만 토큰당 $0.25). 그 결과 일반적인 작업은 약 25%, 에이전트가 오래 작업을 수행하는 경우는 최대 45%까지 비용이 줄어듭니다. 입력·출력 토큰 자체의 기본 가격은 기존과 동일합니다.
(3) 동일한 모델 다른 관리 방법
이번에 업데이트된 클로드 Fable 5.1 및 Mythos 5.1 두 모델은 동일한 모델이지만 적용되는 안전장치 수준이 다릅니다.
- Fable 5.1 — 일반 사용자에게 공개
- Mythos 5.1 — 검증된 사이버보안·생명과학 전문가에게만 제한적으로 공개 (더 높은 성능이 필요한 전문 영역 대응)
사이버보안 안전장치의 오탐(정상 요청을 위협으로 잘못 판단하는 것)도 60% 줄었습니다. 방어적 목적의 소프트웨어 취약점 탐지도 이제 가능해졌습니다.
2. 전문 영역에 업데이트 중심
이번 업데이트는 실사용 리뷰로 다루거나 업데이트 성능 자체를 체감하기 어려웠습니다.
벤치마크 수치는 확실히 올랐지만, 일상적인 질문, 답변이나 짧은 코딩 작업에서 그 차이를 체감하기는 쉽지 않습니다. 모델이 세대를 거듭할수록 이런 경향은 더 짙어지고 있습니다. 처음 AI를 써봤을 때의 격차와, 이미 충분히 좋은 모델을 다음 버전과 비교할 때의 격차는 다릅니다.
이번 업데이트를 통해 많은 시간을 사용하거나, 실제 비즈니스에 사용하는 분들이 체감이 크게 갈리는 지점은 따로 있습니다.
- 오래 걸리는 작업 : 수 시간 동안 사람 개입 없이 진행되는 리서치나 복잡한 코드베이스 리팩토링처럼, 긴 시간 맥락을 유지해야 하는 작업에서는 차이가 드러납니다
- 비용에 민감한 대량 작업 :캐시 읽기 비용이 75% 줄었으니, 같은 작업을 반복적으로 많이 돌리는 경우라면 절감이 눈에 보입니다
- 한계선에 있던 작업 : 이전 모델로는 안 되던 것이 되기 시작하는 지점(예: 이번에 새로 가능해진 방어적 취약점 탐지)에서는 체감이 명확합니다.
반면 일반적인 대화, 짧은 코드 작성, 간단한 문서 요약 같은 일상 업무에서는 “이전보다 낫다”는 느낌은 있어도 “확연히 다르다”고 말하기는 어려울 가능성이 높습니다.
이번 글에서는 좀 더 전문적인 의학이나 과학 영역을 많이 다루었는데요.
위에 이미지처럼 과학과 관련된 영역을 심도 있게 다뤘습니다. 대략 아래와 같습니다.
(참고글 바로가기 : 클로드 Fable 5.1 and Mythos 5.1 Update)
- 분자 설계 — 신약 개발의 첫 단계인 고친화도 결합체 설계. 외부 기관 2곳에 실험 검증까지 맡겨서, 기존 대회 최고 기록보다 10배 높은 결합력을 확인
- 금성 지형 매핑 — 30년 전 NASA 마젤란 탐사선 레이더 데이터로 금성 3분의 1을 새로 매핑. 레이더 원본, 기존 고도 지도, 새로 만든 정밀 지도 세 장을 나란히 비교하는 이미지도 확인 가능
- 계산생물학 — GPU 커널을 직접 작성해 7개 오픈소스 딥러닝 모델의 속도를 최대 2.5배 높였다는 내용. 속도 향상과 비용 절감을 보여주는 차트 이미지도 확인 가능
이런 전문적인 영역에 강화도 중요하지만 테크뷰에서는 이번 글의 방향을 이렇게 잡았습니다.
바로 다음 파트에서 다룰 데이터 보존 방식입니다. 이건 성능처럼 미묘하게 좋아지는 변화가 아니라, 있고 없고가 명확히 갈리는 변화이기 때문입니다.
3. Zero data retention policy
이번 발표에서 테크뷰에서 가장 주목한 부분은 성능이나 가격이 아니라, Enterprise Frontier Safeguards(EFS)라는 새로운 체계입니다.
(1) What is EFS?
기존에는 데이터를 저장하지 않겠다는 약속(제로 데이터 보존)을 지키려면, 결국 회사의 정책과 기술을 신뢰해야 했습니다. 데이터가 잠시라도 서버를 거쳐 가는 이상, 정말 저장하지 않는지는 사용자가 직접 확인할 방법이 없었습니다.
EFS는 이 문제를 다른 방식으로 풉니다.
데이터를 앤스로픽의 서버가 아니라, 고객사 자신이 관리하는 클라우드 인프라에 저장합니다. 그리고 오남용을 점검하기 위한 사람의 검토도 원칙적으로 앤스로픽이 아니라 고객사 자신이 수행합니다. 아마존, 구글, 마이크로소프트 같은 클라우드 파트너와 협력해 만든 체계이며, 클로드 코드와 엔터프라이즈 플랫폼 전반에 순차 적용될 예정입니다.
단순히 문서 상에 정책 나열이 아닌 기술적으로 구조로 증명해 보인다는 점이 인상적입니다.
이 차이가 왜 중요할까요?
많은 AI 기업에서 LLM 솔루션이나 온디바이스 기계에서 고객의 데이터를 임의로 보관하거나 학습 데이터로 사용하지 않겠다고 말합니다. 다만 검증이 되지 않습니다.
EFS는 그 신뢰의 구조 자체를 바꿉니다. “우리가 안전하게 처리하고 삭제하겠다”가 아니라, “데이터가 애초에 우리 손에 들어오지 않는다”는 접근입니다. 검토조차 회사가 아니라 고객이 하니, 고객이 통제 권한을 가지게 됩니다.
(2) 생각해볼 점
앞선 글에서 강조했듯, 이런 구조적 장치도 얼마나 검증 가능한가의 문제에서 완전히 자유롭지는 않습니다. 데이터가 고객사 인프라에 있다 해도, 처리 과정에서 모델이 무엇을 보고 무엇을 남기지 않는지는 여전히 기술적으로 복잡한 문제입니다. 또한 EFS는 일반 개인 사용자가 아니라 기업 고객을 위한 체계입니다. 개인이 클로드를 쓸 때 체감할 수 있는 변화는 아직 아닙니다.
그럼에도 이 발표가 의미 있는 이유는, 신뢰를 어떻게 대중화할 것인가라는 질문에 업계가 실제로 답을 만들어가고 있다는 신호이기 때문입니다. 투명성과 통제 가능성이 쌓여야 안심이 대중화된다는 것이, 이 기업 영역에서 먼저 시도되고 있는 모습입니다.
3. 업데이트를 정리하며..
핵심 3줄 요약
① 클로드 Fable 5.1 / Mythos 5.1은 과학 연구·코딩 성능이 크게 올랐고, 캐시 비용을 75% 낮춰 실제 작업 비용도 최대 45% 절감됩니다.
② 다만 일상적인 사용에서 그 차이를 체감하기는 쉽지 않습니다. 긴 시간이 걸리는 작업이나 대량 반복 작업에서 주로 드러나는 변화입니다.
③ 진짜 주목할 것은 Enterprise Frontier Safeguards입니다. "안전하게 처리하겠다"는 약속이 아니라, 데이터를 고객사 인프라에 두어 애초에 회사가 가져가지 않는 구조를 만들었다는 점입니다.
기업들이 추구하는 내 손안에 AI가 가능해지려면, 결국 기술이 아니라 신뢰가 얼마나 대중화되느냐에 달려 있다고 했습니다.
이번 발표는 그 신뢰를 만드는 방식이 하나 더 늘었다는 신호입니다. 아직 기업 고객 대상이고, 완전한 답도 아닙니다. 하지만 단순한 정책이나 말 대신 구조로 증명하려는 시도가 하나씩 쌓이는 것 자체가, 그 대중화가 조금씩 가까워지고 있다는 뜻이기도 합니다.
오늘 소개한 업데이트 외에도 최근 테크뷰에서는 구글 프로젝트 지니, 몰트봇, Genspark AI 등 다양한 솔루션을 소개해드리고 있는데요.
아래 테크뷰 홈페이지를 통해 많은 관심 부탁드리겠습니다.
함께 읽기 좋은 글
마누스 AI(Manus) 주요 기능 및 사용 후기(ft. Meta 인수)
클로드 코워크 사용 방법 및 주요 기능 정리: 플러그인 11종 공개
몰트봇 Moltbot 사용 방법 및 비용, 중요 이슈 점검 (ft. 클로드봇)
Genspark AI 어디까지 가능할까? (ft. 사용 후기 및 신규 기능 AI 시트)
GPT 5.1 업데이트 및 Siri – Gemini 통합 임박 : 최신 AI 키워드 보
문샷 AI, Kimi K3 기반 AI, 시장에 큰 충격을 준 이유? (사용 방법 등)
댓글 남기기