Claude Fable 5가 72시간 만에 무료에서 오프라인으로 전환된 사건 — AI 코딩 비용에 대해 배운 점

3일 후, 미국 정부는 수출 통제 지침을 발행했습니다. Fable 5는 전 세계적으로 서비스가 중단되었습니다.

자신의 워크플로에 claude-fable-5를 하드코딩했던 개발자들은 깨어났을 때 망가진 파이프라인을 마주했습니다. Anthropic은 6월 12일 동부 표준시(ET) 오후 5시 21분에 지침을 받았으며 즉시 이를 준수해야 했습니다.

이 글은 지정학에 관한 글이 아닙니다. 이 사건이 AI 보조 코딩 (AI-assisted coding)의 실제 비용에 대해 무엇을 드러내는지, 그리고 왜 **모델 라우팅 (model routing)**이 현재 개발자의 도구 상자에서 가장 과소평가된 기술인지에 관한 글입니다.

2026년 6월 AI 코딩의 실제 비용

대부분의 사람들이 추적하지 않는 수치에 대해 이야기해 봅시다:

모델	입력 (100만 토큰당)	출력 (100만 토큰당)	일반적인 코딩 세션 비용
Claude Fable 5	$10	$50	작업당 $5-15
...

한 Reddit 사용자는 Fable 5를 사용하여 60분도 채 되지 않아 $200를 소진했다고 보고했습니다. 또 다른 사용자는 API 요율로 계산했을 때 월 $80K의 비용이 들었을 35개의 Claude Code 구독을 추적했습니다.

통찰: 코딩 작업의 80%는 가장 강력한 모델을 필요로 하지 않는다

저는 매일 10개 이상의 앱 포트폴리오 전반에서 여러 AI 코딩 에이전트 (AI coding agents)를 운영합니다. 6개월 전, 저의 월간 AI 코딩 청구액은 $10K에 달했습니다.

오늘날 그 금액은 약 $3K입니다.

차이점은 모든 모델을 무조건 저렴한 모델로 교체한 것이 아니었습니다. 핵심은 서로 다른 유형의 작업을 적절한 모델로 라우팅 (routing)하는 것이었습니다:

실제로 프런티어 모델 (Frontier Models, Fable/Opus)이 필요한 작업

• 복잡한 아키텍처 결정
• 미묘한 의존성이 포함된 다중 파일 리팩토링 (refactoring)
• 새로운 알고리즘 구현
• 레이스 컨디션 (race conditions) 또는 메모리 누수 (memory leaks) 디버깅

중간 단계 모델 (Mid-Tier Models, Sonnet/GPT-5.5)로도 충분한 작업

• 보일러플레이트 (Boilerplate) 생성 및 스캐폴딩 (scaffolding)
• 단위 테스트 (Unit test) 작성
• 문서화 (Documentation)
• 간단한 버그 수정
• 코드 포매팅 (formatting) 및 린팅 (linting)

더 작은 모델이 잘 처리할 수 있는 작업

• 커밋 메시지 (Commit message) 생성
• 간단한 문자열 변환
• 템플릿 채우기
• 설정 파일 업데이트

실제로 어떤 모델이 무엇을 수행하는지 추적해 보았을 때, 제 토큰의 약 60-70%가 Sonnet급 모델로도 충분히 동일하게 처리할 수 있는 작업에 사용되고 있음을 발견했습니다.

Fable 5 중단 사태가 증명한 또 다른 사실

비용 문제를 넘어, 하룻밤 사이에 발생한 서비스 중단은 회복 탄력성 (Resilience) 문제를 드러냈습니다.

만약 당신의 전체 워크플로 (Workflow)가 단일 제공자의 단일 모델에만 의존하고 있다면, 그것은 워크플로가 아니라 단일 장애점 (Single point of failure)을 가진 것입니다.

Fable이 오프라인 상태가 되었을 때, 제 설정은 자동으로 Opus 4.8로 전환되었습니다. 설정 변경도, 수동 개입도, 작업 손실도 없었습니다. 이는 제가 정부의 수출 통제 명령을 예측했기 때문이 아닙니다. 어떤 모델이든 언제든 사용 불가능해질 수 있다고 가정했기 때문입니다.

이런 일은 이전에도 발생한 적이 있습니다:

• 피크 시간대의 OpenAI 속도 제한 (Rate limits)
• 지난 3월 Anthropic의 장기 서비스 중단
• Google의 API 지원 종료 (Deprecation) 주기

모델 폴백 체인 (Fallback chains)을 구축하는 것은 편집증이 아닙니다. 그것은 훌륭한 엔지니어링입니다.

오늘 바로 라우팅을 시작하는 방법

거창한 인프라가 필요하지는 않습니다. 다음과 같은 간단한 접근 방식이 있습니다:

1. 작업 분류하기

프롬프트를 보내기 전에 태그를 지정하세요: planning (기획), implementation (구현), debugging (디버깅), testing (테스트), documentation (문서화), formatting (포맷팅).

2. 라우팅 테이블 생성하기

planning       → opus/fable (복잡한 추론이 중요함)
implementation → sonnet (충분히 성능이 좋으며, 5배 더 저렴함)
debugging      → opus (깊은 이해가 필요함)
...

3. 추적 및 반복

어떤 모델이 어떤 작업을 처리했는지 로그를 남기고 검토하세요: 더 저렴한 모델이 수용 가능한 결과를 생성했나요? 시간이 지나면서 당신만의 개인적인 라우팅 테이블을 발견하게 될 것입니다.

더 큰 그림

2026년 6월의 AI 코딩 환경은 다음과 같은 모습일 것입니다:

• 모델들은 점점 더 유능해지는 동시에, 최상위 모델들의 비용은 더 비싸지고 있습니다.
• 일반적인 작업들에 대해서는 계층 간의 격차가 좁혀지고 있습니다.
• 가용성 (Availability)은 더 이상 보장되지 않습니다 (규제, 속도 제한, 서비스 중단 등).
• 스마트한 라우팅 (Smart routing)이 무차별적인 지출보다 항상 승리합니다.

성공할 개발자들은 무제한의 API 예산을 가진 사람들이 아닙니다. 이들은 모델 선택을 하나의 엔지니어링 문제로 취급하는 사람들입니다. 즉, 적절한 도구를 적절한 작업에 매칭하고, 문제가 발생했을 때를 대비한 폴백 (Fallback) 전략을 갖추는 것입니다.

저는 Bo입니다. 10개 이상의 AI 기반 앱을 운영하고 있으며, 모델 비용에 대해 너무 많은 시간을 고민하며 보냅니다. 이전에는 작업 수준 라우팅 (Task-level routing)을 통해 팀의 Claude Code 비용을 월 1만 달러에서 3천 달러로 절감했습니다. X에서 @aplomb2로 저를 찾아주세요.