서론

2026년 6월 9일, Anthropic이 Claude Fable 5를 일반 공개했습니다. Opus 클래스를 뛰어넘는 「Mythos 클래스」의 첫 번째 모델로, 특징은 다음 3가지입니다.

• 상시 온(Always-on) 적응형 사고 (adaptive thinking)

100만 토큰의 컨텍스트 윈도우 (context window)

12.8만 토큰의 출력

이 기사에서는 그중에서도 실무 임팩트가 큰 「100만 토큰 문맥」을 개인 개발에서 어떻게 활용할지를 최소한의 코드 예시와 함께 정리합니다. 프레임워크에 의존하지 않는, 순수 API 호출 기반으로 작성합니다.

본 기사의 코드는 해설을 위한 최소한의 예시입니다. 실제 SDK의 인자 이름·모델 ID는 공식 문서를 확인해 주세요. 요금은 토큰량에 비례하므로, 100만 토큰 투입 시의 비용에는 주의해 주세요.

:::

100만 토큰으로 「무엇이 변하는가」

대략 말하자면, 「요약해서 전달할」 필요가 없어진다는 것이 가장 큰 변화입니다. 기존에는 컨텍스트 제한 때문에 긴 문서를 사전에 청크(chunk)로 분할하고, RAG를 통해 관련 부분만 전달하는 것이 정석이었습니다. 100만 토큰이 있으면 중규모 리포지토리(repository)나 문서군을 통째로 전달하여, 모델 측에 횡단적인 이해를 시키는 접근 방식이 현실적이 됩니다.

기준으로서 100만 토큰은 일본어로 약 50~70만 자, 중규모 리포지토리 전체, PDF 수백 페이지 분량에 해당합니다.

예시 1: 문서군을 통째로 전달하여 횡단 질문하기

여러 파일을 결합하여 하나의 프롬프트(prompt)로 묶고, 횡단적인 질문을 던지는 예시입니다.

import os
from pathlib import Path
import anthropic
...

각 파일을 태그로 감싸면 「어느 파일에 적혀 있었는지」 인용시키기 쉬워지며, 할루시네이션 (hallucination) 검증도 용이해집니다.

예시 2: 토큰량을 추산한 뒤에 던지기

100만 토큰을 사용할 수 있다고는 해도, 요금은 토큰량에 비례합니다. 투입 전에 대략적으로 추산하는 습관을 들입시다.

def estimate_tokens(text):
japanese = sum(1 for c in text if ord(c) > 0x3000)
other = len(text) - japanese
...

「전부 전달할 수 있다」고 해서 매번 전부 전달하면 비용이 급증합니다. 먼저 개략적으로 계산하고, 80%를 넘을 것 같으면 압축하는 가드(guard)를 하나 두는 것이 실무적입니다.

개인 개발·부업에서의 활용처

실제로 수익이나 효율로 이어지기 쉬운 패턴은 다음과 같습니다.

1. 문서 횡단 QA 봇: 고객 매뉴얼을 통째로 문맥에 넣어 문의 대응 초안 생성
2. 코드베이스 이해 가속화: 기존 리포지토리를 인계받을 때, 전체를 전달하여 사양을 역산
3. 장문 콘텐츠의 재구성: 과거 기사·회의록을 모아서 전달하고, 새로운 관점으로 재편집

모두 「사전에 인간이 요약하는」 공정을 줄일 수 있다는 점이 효과적입니다. 남는 시간을 AI가 서툰 「최종적인 품질 체크와 전달 방식」에 할애하는 것이 개인으로서 성과를 내는 요령입니다.

요약

• Claude Fable 5의 100만 토큰 문맥은 RAG 전제 설계를 재검토하는 계기가 된다
• 우선은 「통째로 전달하여 횡단 질문하기」부터 시도하는 것을 추천
• 단, 비용은 토큰에 비례. 투입 전에 개략적으로 계산하는 가드를 반드시 넣을 것
• 남는 시간을 최종 품질에 할애하는 것이 개인으로서 차이를 만드는 승부수

새로운 모델은 「대단하다」에서 끝내지 말고, 자신의 워크플로우(workflow) 중 어디를 줄일 수 있는가로 평가하면 실익으로 이어집니다.

### Discussion

![](https://static.zenn.studio/images/drawing/discussion.png)