GPT-6 Astra vs Claude Fable 5.1 비교: 가격·성능·실사용 후기

AI의 양대산맥인 Anthropic과 OpenAI가 Claude Fable 5.1(클로드 페이블)과 GPT-6 Astra(아스트라)로 다시 맞붙었습니다. 비슷한 시기에 새 버전이 나오면서 벤치마크부터 실제 사용 후기까지 다양한 평가가 나오고 있는데요.

오늘은 발표일과 가격, 성능 비교부터 레딧 사용자 반응, 두 모델을 함께 쓰는 방법까지 살펴보겠습니다.

저도 두 모델을 사용하면서 조금 다른 인상을 받았습니다. 작업 자체를 맡겼을 때는 Astra가 좀 더 범용적으로 좋았고, 기획을 하거나 재미있는 아이디어를 받아볼 때는 Fable 5.1 쪽이 더 마음에 들었습니다.

모든 작업을 같은 조건으로 반복 측정한 결과는 아닙니다. 지금까지 사용하면서 느낀 차이입니다. 그래서 다른 사람들도 비슷하게 느끼는지 레딧의 초기 사용 후기를 함께 찾아봤습니다.

공식 자료와 커뮤니티 글은 2026년 9월 7일 기준으로 확인했습니다. 출시 직후의 반응인 만큼 최종적인 순위보다, 어떤 작업에서 평가가 갈리는지에 초점을 맞췄습니다.

Astra vs Fable 5.1: 발표일·가격·주요 특징 비교

Fable 5.1은 9월 1일, Astra는 9월 3일 발표됐습니다. 아래 날짜는 공식 발표 기준이며, 모든 계정에 동시에 사용 권한이 열린 날짜를 뜻하지는 않습니다.

출처: Anthropic 발표일, Fable 5.1 공식 발표, Astra 공식 발표, Astra 시스템 카드의 발표일

Astra 가격은 Standard·Short context 기준입니다. Long context에서는 입력 $20, 출력 $75, 캐시 읽기 $2로 올라갑니다. 같은 가격이라는 말은 기본 단가에 한정해서 읽어야 합니다. OpenAI API 가격표

9월 6일 제작한 기본 가격 설명 그림입니다. 해당 단가는 9월 7일에도 재확인했습니다.

캐시 단가만 보면 Fable이 유리하지만, 실제 비용은 읽고 쓰는 토큰과 재시도에 따라 달라집니다. 또 API 가격과 월 구독의 사용 한도는 별개입니다. 아래에서 나오는 사용량 후기를 곧바로 API 비용 차이로 받아들이면 안 됩니다.

성능 비교: 코딩 점수·비용·시간은 어떻게 달랐을까요?

공개된 평가에서도 강점은 나뉩니다. OpenAI의 비교표에서는 Astra가 업무 자동화와 터미널·과학 작업에서 앞섰고, 도구를 사용하는 Humanity’s Last Exam에서는 Fable 5.1이 앞섰습니다. 제조사가 발표한 결과라는 점은 함께 봐야 합니다. OpenAI 작업별 평가

독립적인 코딩 에이전트 평가에서는 다음과 같습니다.

출처: Artificial Analysis 코딩 에이전트 비교. Fable은 max 및 fallback, Astra는 max 설정입니다. 모델뿐 아니라 Claude Code와 Codex라는 실행 환경까지 포함한 결과입니다.

Fable 조합이 점수와 시간에서 앞섰지만, Astra 조합은 더 적은 토큰과 비용을 사용했습니다. 따라서 “Astra는 항상 빠르다”거나 “Fable은 캐시가 싸니 항상 저렴하다”로 정리하기는 어렵습니다.

다만 이런 점수만으로는 제가 느낀 차이를 전부 설명하기 어려웠습니다. 기획을 같이 다듬는 느낌, 막힌 작업을 끝까지 처리하는 방식, 예상하지 못한 아이디어를 제안하는 순간은 별도로 살펴볼 필요가 있습니다.

레딧 실사용 후기: Astra의 실행력과 Fable의 분석

가장 구체적이었던 후기는 같은 머신러닝 작업을 두 모델에 맡긴 비교였습니다. 작성자는 Astra를 Codex에서, Fable 5.1을 Claude Code에서 실행했다고 설명합니다.

두 모델이 같은 라이브러리 문제에 부딪혔는데, Astra는 원인을 추적해 의존성과 실행 환경을 고쳤다고 합니다. 데이터 분리와 실행 기록 등 재현성을 위한 작업도 더 꼼꼼하게 남겼습니다.

반면 Fable의 분석 보고서는 더 통찰력 있었다고 평가했습니다. 전처리 과정의 일부를 빼보며 효과를 확인하고, 비용에 비해 도움이 적은 단계를 찾아냈다는 설명입니다.

여기까지만 보면 “실행은 Astra, 해석은 Fable”이라는 구도가 꽤 자연스럽습니다. 그런데 같은 글에는 Astra가 문자 인코딩을 잘못 처리해 결과물에 깨진 문자를 남겼다는 지적도 있습니다.

출처: Reddit — 실제 ML 작업 비교

한 사람이 수행한 비교이고, 중간에 두 모델 모두에게 추가 피드백을 줬습니다. 작업 환경과 데이터도 완전히 통제된 독립 실험은 아닙니다. 그럼에도 어떤 부분에서 잘했고 어디서 틀렸는지를 함께 적었다는 점에서 참고할 만했습니다.

이 사례는 제 경험과도 일부 닿아 있습니다. 제가 Astra를 좀 더 범용적으로 좋게 느낀 것과, Fable에서 기획적인 답변을 더 마음에 들어 했던 것을 서로 다른 능력으로 나눠 볼 수 있기 때문입니다.

애니메이션 비교: 보기 좋은 결과와 정확한 결과

다른 사용자는 에스컬레이터 위에서 계속 굴러가는 스프링 장난감 애니메이션을 두 모델에 만들게 했습니다. 두 모델 모두 max 설정이었고, 원문에는 사용한 프롬프트도 공개돼 있습니다.

작성자는 Astra가 빠르고 사용량 부담이 적었으며, Fable은 더 그럴듯하게 보이는 결과를 냈다고 평가했습니다. Fable 쪽에서는 사용 한도와 최대 출력 길이 문제도 겪었다고 합니다.

그런데 댓글에서는 Astra의 움직임이 실제 장난감에 더 가깝다는 반론이 나왔습니다. 같은 결과를 보고도 작성자와 다른 사용자의 평가가 갈린 것입니다.

출처: Reddit — 스프링 애니메이션 비교와 댓글

저는 이 사례를 어느 모델의 물리 구현이 맞았다는 증거로 쓰고 싶지는 않습니다. 공유된 결과물의 코드를 직접 실행하고 물리 동작을 검증한 것은 아니기 때문입니다.

대신 “더 그럴듯해 보인다”, “요청을 더 잘 구현했다”, “실제로 더 정확하다”가 서로 다른 평가라는 점이 재미있었습니다. UI나 데모, 기획안을 평가할 때도 이 세 가지가 쉽게 섞일 수 있을 것 같습니다.

점수와 비용뿐 아니라, 보기 좋은 결과와 실제 요구사항 충족 여부도 나눠 볼 필요가 있습니다.

기획·창작·사용 한도에서 갈린 커뮤니티 반응

Fable이 프로젝트의 의도를 더 잘 이해하고 기획과 아키텍처를 신중하게 잡는다는 초기 후기도 있었습니다. 제 느낌과 비슷하지만, 이 글은 구체적인 코드나 재현 절차가 없는 개인 의견입니다. 널리 확인된 결론처럼 받아들이기는 어렵습니다. Reddit — 기획과 유지보수성에 대한 개인 후기

Astra에 대한 반응도 한쪽으로 모이지 않습니다. 첫날 후기에서는 설명이 이해하기 쉽고 사용량을 예상하기 편해졌다는 평가가 나왔지만, 댓글에는 긴 작업을 맡겼다가 실제 결과가 작동하지 않아 다시 해야 했다는 사례도 있었습니다. Reddit — 첫날 사용 후기와 반대 사례

창작 글쓰기에서는 코딩은 만족스러웠지만 기존의 글쓰기 맥락을 거절해 협업이 어려워졌다는 불만도 있었습니다. 다만 이것은 표현력만의 평가라기보다 거절 정책과 지시 준수까지 섞인 경험입니다. 이를 곧바로 “Astra는 창의력이 없다”는 결론으로 연결하기는 어렵습니다. Reddit — 창작 협업과 거절에 대한 후기

사용 한도에 대해서도 Astra를 오래 활용하고 있다는 반응과, 중단·재시도 때문에 만족하지 못했다는 반응이 함께 보였습니다. 구독 조건이나 추론 설정이 제각각이라 체감 사용량만으로 모델의 효율을 비교하기에는 한계가 있습니다. Reddit — 두 모델의 초기 인상 토론

이번에 확인한 글들은 초기 사례 모음입니다. ML 비교와 애니메이션 비교는 여러 게시판에 재게시돼 있어 각각 하나의 사례로 묶었습니다. 자동 생성된 댓글 요약도 사람들의 별도 평가로 세지 않았습니다.

어떤 모델을 고를까? 작업별 선택 기준

공개 평가와 후기를 함께 보면, 두 모델을 하나의 순위로 정리하기보다 작업 과정에 따라 나눠 보는 편이 더 이해하기 쉬웠습니다.

앞의 두 줄은 제 사용 경험이고, 뒤의 내용은 공개 사례를 참고한 활용 방향입니다. 아직 장기 프로젝트 전체의 완료율이나 수정 시간을 체계적으로 측정한 추천표는 아닙니다.

특히 “범용적으로 좋았다”는 제 느낌을 범용 지능 벤치마크에서 앞섰다는 뜻으로 읽지는 않았으면 합니다. 작업을 맡기면서 느끼는 편의성과 실제 평가 점수는 다를 수 있습니다.

Codex·Claude Code·데스크톱 앱에서 함께 쓰는 방법

하네스라는 말이 조금 어렵게 느껴질 수 있는데요. 모델이 파일을 읽고, 코드를 수정하고, 도구를 실행하고, 이전 작업을 기억하도록 도와주는 실행 프로그램이라고 생각하면 됩니다.

같은 모델이라도 어떤 도구를 쓸 수 있는지, 언제 확인을 요청하는지, 긴 대화를 어떻게 정리하는지에 따라 결과가 달라질 수 있습니다. 앞서 살펴본 독립 평가 역시 Fable과 Astra만 비교한 것이 아니라 Claude Code와 Codex를 포함한 비교였습니다.

여기서 두 모델을 함께 쓰는 방법도 나뉩니다.

AionUi 문서는 설치된 Claude Code와 Codex 등을 같은 인터페이스로 가져오고, 각 에이전트가 별도의 모델 목록을 제공한다고 설명합니다. OpenCode 문서도 여러 공급자 연결과 모델 선택을 지원합니다. AionUi 공식 시작 안내, OpenCode 공급자 안내

다만 한 앱에서 여러 모델을 고를 수 있다는 것과, 모든 기능·구독 권한을 똑같이 사용할 수 있다는 것은 다릅니다. 최신 모델이 실제 목록에 있는지와 도구 지원을 확인해야 합니다.

특히 OpenCode는 Claude Pro/Max를 연결하는 비공식 플러그인 방식의 제한을 명시하고 있습니다. 공통 앱에서 비교하려면 각 공급자가 지원하는 인증과 API 경로를 기준으로 잡는 편이 좋겠습니다. OpenCode의 Anthropic 연결 안내

두 모델 활용법: Fable로 기획하고 Astra로 실행하기

실제로 두 모델을 번갈아 쓰는 사례도 있었습니다. 첫날 후기의 댓글에는 Fable로 프로젝트를 점검하고 계획을 만든 뒤 GPT로 확인한다는 사용자가 있었습니다. 같은 토론에는 두 모델을 한 프로젝트에 함께 투입하고 있다는 댓글도 있었습니다.

출처: Reddit — 계획 검토와 두 모델 병행 사례

이런 사례와 제 경험을 바탕으로 정리하면, 저는 다음과 같은 흐름을 먼저 시도해볼 것 같습니다.

Fable 5.1로 기획과 대안을 탐색합니다. 바로 구현부터 요청하기보다 가능한 방향과 각각의 장단점을 받아봅니다. 그중 실제로 만들 범위는 사람이 정합니다.

정해진 요구사항을 Astra에 넘겨 실행합니다. 선택한 방향, 수정 범위, 완료 조건을 함께 전달합니다. 이때 Fable의 제안 전체를 필수 요구사항처럼 넘기지는 않는 편이 좋겠습니다.

결과를 다시 Fable에 보여주고 의도에서 벗어난 부분을 검토합니다. 좋은 아이디어가 더 있는지보다, 합의한 요구사항을 빠뜨렸는지부터 확인하게 합니다. 반대로 Fable이 만든 결과를 Astra가 검토하는 방식도 가능합니다.

마지막은 사람의 확인과 실제 실행 결과입니다. 두 모델이 모두 괜찮다고 답했다고 해서 오류가 사라지는 것은 아닙니다.

두 모델을 함께 쓰더라도 요구사항과 완료 조건은 하나로 맞춰야 합니다.

함께 쓸 때의 장단점과 비용을 줄이는 팁

장점은 다른 관점으로 아이디어와 결과를 검토할 수 있다는 점입니다. 한 모델이 같은 곳에서 막힐 때 다른 모델의 접근이 도움이 될 수도 있습니다.

아쉬운 점은 일을 넘기는 비용이 생긴다는 것입니다. 같은 맥락을 두 번 읽히고, 서로 다른 제안을 비교하고, 충돌한 의견을 사람이 정리해야 합니다. 리뷰를 반복하다 처음보다 작업 범위만 커질 수도 있습니다.

그래서 모든 요청을 두 모델에 동시에 보내기보다는, 기획 방향을 정할 때나 중요한 변경을 검토할 때처럼 역할이 분명한 지점에서 함께 쓰는 편이 좋겠습니다.

이 부분은 커뮤니티 사례를 참고해 제가 정리한 운영 팁입니다.

두 모델에게 서로의 답을 계속 전달한다고 자동으로 더 좋은 팀이 되는 것은 아닐 것 같습니다. 무엇을 만들지 정하는 역할, 실제로 만드는 역할, 결과를 확인하는 역할을 구분했을 때 도움이 될 가능성이 더 커 보입니다.

제 현재 사용 느낌으로는 Astra가 전반적인 작업을 맡기는 기본 선택에 가깝고, Fable 5.1은 기획을 넓히거나 조금 더 재미있는 방향을 찾을 때 꺼내고 싶은 모델입니다.

이번 경쟁 덕분에 한쪽만 골라야 할 이유도 줄어드는 것 같습니다. 같은 작업을 계속 시켜보며 제게 맞는 역할 분담을 찾아가는 과정 자체가, 당분간은 꽤 재미있을 것 같습니다.

관련 글

Codex에서 비용과 모델 선택을 함께 고민하고 있다면, 앞서 정리한 GPT-5.6 Luna 가격 인하와 Codex 모델 선택 가이드도 함께 읽어보셔도 좋겠습니다.