Fable 5로 루프 설계하기 — 자가 수정과 메모리로 Claude를 길들이는 법

Fable 5로 루프 설계하기 — 자가 수정과 메모리로 Claude를 길들이는 법

2026년 6월 현재, Anthropic은 Mythos-class 모델 라인업의 핵심 축으로 Claude Fable 5를 내세우고 있다. Fable 5는 단순한 코드 생성 모델이 아니라, "환경 피드백을 받아 스스로 hillclimb하는 에이전트"라는 점에서 차세대 패러다임을 상징한다. 이 글에서는 Fable 5를 가장 효과적으로 활용하는 두 가지 핵심 기법인 self-correction loop와 memory를 정리하고, 실제 Parameter Golf 벤치마크에서 Opus 4.7 대비 약 6배 개선을 이끌어낸 루프 설계 원칙을 살펴본다.

Fable 5의 핵심 패러다임 — "프롬프팅이 아니라 루프를 설계하라"

Anthropic 엔지니어링 팀이 강조하는 메시지는 직관적이다. Fable 5를 직접 프롬프팅으로 조종하려 들면 성능이 평범해지지만, 잘 설계된 goal과 rubric이 실행 환경에 피드백을 주입하도록 두면 모델이 실행→피드백 수집→자가 수정을 목표 충족까지 반복한다. bcherny는 "자신의 일은 루프를 작성하는 것"이라는 한 줄로 이 철학을 요약했다.

이 관점에서 Claude Code의 /goal 명령과 Claude Managed Agent(CMA)의 Outcomes는 단순한 기능이 아니라 "특정 작업에 루프 레시피를 입히는 primitive"다. Fable 5의 진짜 가치는 이 primitive들을 어떤 목표·평가 기준과 결합하느냐에 따라 결정된다.

Self-Correction Loop — 평가 기준 위에서 hillclimb하기

자가 수정 루프의 본질은 "모델이 자기 출력에 self-critique를 가하는가"가 아니라, "외부 평가 기준(rubric) 위에서 hillclimb하도록 두는가"에 있다. Anthropic 엔지니어 Prithvi Rajasekaran은 모델의 self-critique가 종종 문제를 놓친다는 사실을 실험적으로 보여주었고, 그 대안으로 독립된 context window에서 동작하는 verifier sub-agent를 제시했다. 같은 모델이 평가자일 때 발생하는 편향을 제거하기 위함이다.

CMA의 Outcomes는 이 패턴을 자동화한다. baseline 실행, 20회 이상의 실험 수행 같은 체크 가능한 9개 기준을 rubric으로 제시하고, 최대 8시간 동안 실행시킨 뒤 Outcomes grader가 모든 기준 충족을 확인한 후에야 작업을 종료시킨다. Fable 5는 이처럼 명확한 종료 조건이 있는 환경에서 Opus 4.7보다 한 단계 높은 점수 구간으로 수렴한다.

Parameter Golf — Fable 5의 6배 개선을 실증한 시험대

루프 설계의 효과를 가장 정량적으로 보여준 사례가 Parameter Golf다. 이는 16MB artifact에 들어가는 최고 성능 모델을 8xH100에서 10분 이내에 학습시키는 오픈소스 ML 엔지니어링 챌린지로, karpathy의 autoresearch 프로젝트와 결이 같다. 참가자는 단일 train_gpt.py 파일만 편집하면서 학습 실행, 로그 폴링, 점수 확인, 다음 실험 결정을 스스로 내려야 한다.

Fable 5와 Opus 4.7을 동일한 8xH100 self-hosted sandbox에서 비교한 결과, Fable 5는 학습 파이프라인 성능을 Opus 4.7 대비 약 6배 더 끌어올렸다. 흥미로운 차이는 실험 전략에 있다. Fable 5는 아키텍처 변경 같은 구조적 개선에 베팅하면서 quantization regression 같은 일시적 후퇴를 뚫고 최종 최고 점수에 도달한 반면, Opus 4.7은 첫 실험의 작은 성과 이후 동일한 템플릿 안에서 스칼라 조정에 머물렀다. 즉, 루프가 모델의 탐험 깊이를 결정한다는 점이 실증적으로 확인된 셈이다.

Memory — 세션을 가로지르는 Outer Loop와 활용 5단계

자가 수정 루프가 한 세션 안에서 hillclimb한다면, memory는 세션과 세션 사이에서 학습을 누적시키는 outer loop다. pgasawa 팀이 공개한 Continual Learning Bench 1.0은 이런 누적 학습 능력을 측정하는 최초의 현실적 벤치마크다. 기존 벤치마크가 모델을 stateless로 가정한 것과 대비되는 지점이다.

이 벤치마크의 SQL database 과제에서 Fable 5·Opus 4.7·Sonnet 4.6을 비교한 결과는 모델별 학습 능숙도를 명확히 보여준다. Sonnet 4.6은 "maybe prc instead of prc_usd?" 같은 미해결 추측만 남기고 이전 노트를 거의 참조하지 않았다. Opus 4.7은 "possibly prc in cents? Verify."처럼 불확실성을 표시하는 schema reference를 만들었지만 검증 커버리지가 7~33%(중앙값 약 17%)에 그쳤다. 반면 Fable 5는 최강 실행에서 30개 항목 중 22개, 검증 커버리지 73%에 도달하면서 학습 내용을 일반 규칙으로 distill해 향후 과제에서 재사용했다.

Fable 5가 보여준 memory 활용 패턴은 fail → investigate → verify → distill → consult의 다섯 단계다. 먼저 틀린 점을 기록한다. 다음으로 원인을 파악한다. 그다음 검증된 사실로 승격한다. 그 결과를 일반 규칙으로 추출한다. 마지막에 규칙을 참조해 의사결정에 활용한다. 이 흐름을 강제하는 memory 지침이 과제별로 필요하다. 단순히 노트해 두라는 지시만으로는 Sonnet 4.6처럼 1단계에 멈춰버린다.

루프 엔지니어링 관점에서 보면, Fable 5의 강점은 모델 자체가 아니라 이 단계를 환경과 도구로 설계했을 때 드러난다. 실패 노트만 쌓고 참조하지 못하면 학습 곡선은 평평해진다. 73% 검증 커버리지에 도달한 실행은 결국 이 다섯 단계를 끝까지 돌았기 때문에 가능했다.

루프 엔지니어링 실전 적용 가이드

Fable 5를 실무 프로젝트에 도입할 때 다음 네 가지 원칙을 권장한다. 첫째, 작업 목표를 모호한 자연어 지시가 아니라 체크 가능한 rubric으로 변환하라. 8개에서 10개 사이의 평가 기준이 효과적이다. 둘째, self-critique 대신 독립된 verifier sub-agent로 평가 작업을 분리해 편향을 줄여라. 셋째, 메모리 저장소를 fail/investigate/verify/distill/consult 흐름으로 구조화해 단순 로그가 아니라 학습 그래프가 되도록 하라. 넷째, sandbox에서 GPU·파일시스템 같은 환경 자원의 권한 경계를 명확히 정의해 Fable 5가 장시간 자율 루프를 돌릴 수 있는 여건을 마련하라.

루프가 견고할수록 모델의 탐험 깊이가 깊어진다. Fable 5는 이 조건이 갖춰질 때 비로소 6배 개선 같은 비약적 결과를 낸다. 도메인 지식이 풍부한 모델이라도 평가 기준이 모호하면 hillclimb 방향을 잃는다. 명확한 rubric과 memory는 선택이 아니라 필수다.

결론

Fable 5의 가치는 더 똑똑한 모델이 아니다. 루프와 메모리를 받아들이는 모델이라는 점이 핵심이다. 잘 짜인 goal과 rubric이 환경에 피드백을 주입한다. verifier가 독립적으로 채점한다. memory가 세션 간 학습을 잇는다. 이 세 축이 맞물릴 때 6배 개선 같은 비약이 나온다. LLM 에이전트를 설계한다면 모델 교체부터가 아니라 루프부터 점검하라. 도전적인 과제 위에서 self-correction과 memory 루프를 직접 굴려 보는 것이 가장 빠른 검증이다. 2026년 6월 현재 Fable 5는 루프 엔지니어링의 성숙한 구현 사례다.