Coding Agent Index v2.1: Fable 5.2와 Opus 5.5 effort 비교
Coding Agent Index v2.1에서 Claude Fable 5.2의 high와 xhigh, Opus 5.5의 max는 모두 58점을 기록했습니다. 그러나 Fable max는 56점으로 떨어졌고 작업당 비용은 high의 $7.51보다 높은 $44.22였습니다. FrontierCode-AA 2.0의 난도 상승, 시간 초과, 안전 거부 이후 fallback의 영향을 분석합니다. GPT-6.1 Sol과 Kimi K3.1 Pro의 강점도 비교하고, Claude Code에서 effort를 설정해 API 비용을 관리하는 방법을 설명합니다.
목차

Claude Fable 5.2를 코딩 에이전트에 사용한다면 max보다 high effort부터 시작하는 것이 좋습니다. Artificial Analysis의 Coding Agent Index v2.1에서 Fable 5.2는 high와 xhigh 모두 58점을 기록했습니다. 반면 max는 56점으로 떨어졌고 작업당 비용은 high의 $7.51보다 훨씬 높은 $44.22였습니다.
Claude Opus 5.5도 max에서 58점을 기록했습니다. 다만 세부 벤치마크에서 높은 점수를 얻은 분야는 Fable 5.2와 다릅니다.
2026년 11월 14일 발표된 결과는 effort 기본값을 다시 검토할 근거를 제공합니다. 추론을 늘리면 출력 토큰과 처리 시간이 크게 증가할 수 있습니다. 제한 시간 안에 작업을 끝내지 못하면 오히려 최종 성능 점수가 낮아집니다.
이 수치는 특정 모델, 에이전트 실행 환경, 설정, 시간 제한에서 얻은 벤치마크 결과입니다. 실제 프로덕션 코드 변경에서도 같은 성공률이 보장되는 것은 아닙니다.
Coding Agent Index v2.1에서 달라진 점
v2.1에서는 저장소 코드 변경에 대한 평가가 더 까다로워졌습니다. 터미널 작업의 검증 방식과 캐시를 반영한 API 비용 계산 방식도 변경되었습니다.
Artificial Analysis는 다음 세 가지 벤치마크를 결합합니다.
| 구성 요소 | 작업 수 | 평가 대상 | v2.1 변경 사항 |
|---|---|---|---|
| FrontierCode-AA 2.0 | 132 | 저장소 관리자가 병합할 만한 코드 변경 | FrontierCode 1.1 대체 |
| Terminal-Bench 4.1 | 66 | 에이전트의 터미널 작업 수행 | 작업은 유지하고 검증기 업데이트 |
| SWE-Atlas-QnA-AA | 124 | 저장소 동작에 대한 이해와 설명 | v2.0에서 유지 |
공식 평가 방법에 따르면 각 벤치마크는 최종 Index에서 동일하게 3분의 1의 비중을 차지합니다. 작업마다 세 번 시도하며, 먼저 시도별 점수를 평균한 뒤 각 벤치마크의 작업 점수를 평균합니다.
따라서 터미널 작업 66개와 코드 변경 작업 132개가 최종 점수에 미치는 비중은 같습니다.
점수가 낮아진 주요 원인은 FrontierCode-AA 2.0
새로운 FrontierCode-AA 2.0은 Cognition의 FrontierCode 2.0을 Artificial Analysis가 구현한 벤치마크입니다.
이전 버전의 100개 작업이 132개로 늘었습니다. 기본 평가 기준은 그대로입니다. 저장소 관리자가 에이전트의 변경 사항을 실제로 병합할 것인지를 판단합니다.
하지만 새로운 작업은 더 광범위하고 완성도 높은 구현을 요구합니다.
Cognition의 FrontierCode 2.0 발표에 따르면 기준 솔루션이 수정하는 파일 수는 평균 67%, 코드 줄 수는 89% 증가했습니다. 반드시 통과해야 하는 평가 기준도 43% 늘었습니다.
이러한 필수 조건을 blocking criteria라고 합니다. 하나라도 충족하지 못하면 해당 시도는 0점을 받습니다.
코딩 에이전트가 겉보기에는 그럴듯한 패치를 만들어도 회귀 버그를 남길 수 있습니다. 수정이 불완전하거나 저장소의 규칙을 지키지 못하는 경우도 있습니다. 새 평가에서는 이런 문제가 결과에 큰 영향을 줍니다.
Artificial Analysis는 11월 14일 발표에서 다음과 같이 보고했습니다.
- 두 FrontierCode 버전에서 모두 평가된 23개 구성의 점수가 새로운 작업 세트에서 전부 낮아졌습니다.
- 평균 FrontierCode 점수는 45%에서 29%로 내려갔습니다.
- 전체 Coding Agent Index는 평균 약 5점 하락했습니다.
이는 평가 기준과 작업이 변경된 결과입니다. 같은 모델의 프로그래밍 능력이 갑자기 떨어졌다는 증거는 아닙니다.
FrontierCode의 평균 점수가 16포인트 하락하면, 다른 두 구성 요소가 그대로라는 가정에서 전체 Index는 약 5.3포인트 낮아집니다. 이 계산으로 발표된 평균 하락폭의 상당 부분을 설명할 수 있습니다.
따라서 모델을 고를 때 v2.0 점수와 v2.1 점수를 직접 비교하지 마세요.
FrontierCode-AA 2.0을 Cognition의 독립 평가나 Artificial Analysis의 Intelligence Index와 혼동해서도 안 됩니다. 서로 다른 에이전트 실행 환경을 사용하므로 작업 이름이 같아도 점수를 그대로 비교할 수 없습니다.
Terminal-Bench 4.1은 작업이 아닌 검증 방식을 변경했습니다
Terminal-Bench 4.1은 버전 4.0의 66개 작업을 그대로 사용합니다.
이번 변경은 결과를 더 정확하게 검증하고 reward hacking을 방지하는 데 초점을 맞췄습니다. Reward hacking은 실제 작업을 제대로 완료하지 않고 평가 체계를 우회해 점수를 얻는 행위를 말합니다.
Terminal-Bench 팀의 공식 릴리스 노트에는 에이전트가 작성한 코드의 실행을 더 안전하게 분리한 내용이 나옵니다. 올바른 솔루션을 잘못 실패 처리하던 검증기도 수정되었습니다.
버전 4.1에서는 제출한 코드를 별도 프로세스에서 신뢰할 수 없는 사용자 권한으로 실행할 수 있습니다. 이렇게 하면 코드가 보호된 테스트를 직접 읽거나 평가 결과 파일을 수정하지 못합니다.
정답을 만드는 방식에 지나치게 엄격한 조건을 두었던 검증기도 수정되었습니다.
예를 들어 freecad-platform-drawing의 기존 검증기는 2D 스케치를 돌출시켜 만든 3D 모델을 기대했습니다. 따라서 3D 기본 도형으로 직접 구성한 올바른 모델도 거부했습니다. 버전 4.1에서는 이러한 대체 정답도 인정합니다.
Artificial Analysis에 따르면 두 Terminal-Bench 버전에서 모두 테스트한 23개 구성은 점수 변동이 각각 3포인트 미만이었습니다.
따라서 전체 Index가 낮아진 가장 큰 원인은 FrontierCode입니다.
v2.1에서는 API 비용 계산도 변경되었습니다. 공식 방법론의 버전 기록에 따르면 Artificial Analysis Intelligence Index의 계산 방식과 일치하도록 조정했습니다.
새 계산은 API 제공자가 보고한 토큰 수와 각 모델의 일반적인 캐시 적중률을 측정한 최신 데이터를 결합합니다. 제공자가 캐시 생성에 요금을 부과하면 캐시 쓰기 비용도 포함합니다.
이는 특정 벤치마크 실행 한 번에서 관측한 캐시 적중률만 사용하는 방식과 다릅니다. API 경로에 따라 캐시 동작이 달라지면 실제 청구 금액도 달라질 수 있습니다.
Fable 5.2의 high, xhigh, max 중 비용을 지불할 가치가 있는 수준은?
높은 코딩 성능을 얻으면서 불필요한 추론 비용을 줄이려면 Fable 5.2에서 high부터 사용하세요.
2026-11-15에 확인한 Artificial Analysis의 Claude Code와 Codex 비교 결과는 다음과 같습니다.
| Fable 5.2 effort | Index v2.1 | 작업당 API 비용 | 작업당 에이전트 시간 |
|---|---|---|---|
low | 48 | $2.49 | 13.4 min |
medium | 53 | $2.89 | 15.1 min |
high | 58 | $7.51 | 31.3 min |
xhigh | 58 | $15.47 | 53.3 min |
max | 56 | $44.22 | 2.2 hours |
비용은 벤치마크 작업에서 발생한 토큰 기반 API 요금의 평균이며 단위는 USD입니다. 구독 상품의 사용량 한도가 아니며, 모든 실제 코딩 작업의 예상 비용을 뜻하지도 않습니다.
실무에서는 다음 세 가지 상황을 구분하면 됩니다.
범위가 명확한 작업에는 medium을 고려하세요. 53점을 기록했고 작업당 비용은 $2.89입니다. 명확한 테스트가 있는 작은 수정에서는 첫 시도의 최고 품질보다 비용이 더 중요할 수 있습니다.
복잡한 저장소 변경에는 high를 선택하세요. Fable 5.2의 공개된 정수 점수 중 최고인 58점을 기록했으며 작업당 비용은 $7.51입니다.
xhigh를 선택하기 전에는 실제 이점을 확인하세요. 표시된 점수는 같은 58점이지만 비용은 high의 약 2.06배입니다.
Artificial Analysis는 medium, high, xhigh가 모두 비용과 성능의 파레토 경계에 있다고 설명합니다. 원본 데이터에서 각 설정이 다른 설정과 비교해 고유한 장점을 가진다는 뜻입니다.
두 점수가 반올림된 58점으로 같다고 해서 반올림 이전의 값도 같다는 의미는 아닙니다. 그래도 xhigh의 추가 비용은 실제 작업에서 확인한 이점으로 정당화해야 합니다.
가장 큰 차이는 max에서 나타납니다.
[ \frac{$44.22}{$7.51}\approx5.89 ]
이 평가에서 max는 high보다 약 5.9배 비싸지만 Index 점수는 2점 낮았습니다.
벤치마크 작업당 추가 비용은 $36.71이며 전체 점수의 개선은 확인되지 않았습니다.
Fable 5.2 max의 점수가 더 낮은 이유
Artificial Analysis는 max의 낮은 점수가 주로 작업 제한 시간을 초과한 시도에서 비롯됐다고 설명합니다.
effort와 시간 초과에 관한 분석에 따르면 다음과 같습니다.
| 벤치마크 | Fable 5.2 xhigh 시간 초과율 | Fable 5.2 max 시간 초과율 |
|---|---|---|
| FrontierCode-AA 2.0 | 1% | 16% |
| SWE-Atlas-QnA-AA | 0% | 13% |
이 비율은 시간 제한을 초과한 시도의 비율입니다. 전체 작업의 실패율과 동일하게 해석해서는 안 됩니다.
같은 보고서에 따르면 FrontierCode-AA 2.0에서 Fable 5.2의 max는 작업당 xhigh의 약 3배에 달하는 출력 토큰을 사용합니다.
추론이 늘어나면 시간이 더 필요합니다. 에이전트가 제한 시간 안에 작업을 완료하지 못하면 해당 시도는 0점을 받습니다.
따라서 비용을 더 지불한 설정이 오히려 낮은 점수를 얻을 수 있습니다.
그렇다고 시간 제한이 없는 상황에서도 max가 본질적으로 더 나쁘다는 뜻은 아닙니다. 이번에 평가한 작업과 시간 제약에서는 max의 성능이 더 낮았다는 의미입니다.
프로덕션 에이전트에서도 이 차이는 중요합니다. CI나 자동화의 마감 시간을 넘기면 더 나은 패치를 작성할 가능성이 있어도 운영상 실패로 처리될 수 있습니다.
Fable 5.2, Opus 5.5, GPT-6.1 Sol, Kimi K3.1 Pro 중 무엇을 선택할까?
실제 작업과 가장 관련 있는 벤치마크, 비용 한도, 작업 종류를 기준으로 선택하세요. Index는 서로 다른 소프트웨어 개발 작업을 결합하므로 전체 점수가 같아도 강점이 다를 수 있습니다.
코드 구현은 Fable, 저장소 Q&A는 Opus가 강합니다
Artificial Analysis의 구성 요소별 결과는 다음과 같습니다.
| 구성 | FrontierCode-AA 2.0 | Terminal-Bench 4.1 | SWE-Atlas-QnA-AA | Index |
|---|---|---|---|---|
Claude Code + Fable 5.2 high | 49% | 64% | 62% | 58 |
Claude Code + Fable 5.2 xhigh | 49% | 64% | 62% | 58 |
Claude Code + Opus 5.5 max | 44% | 65% | 66% | 58 |
어려운 저장소 코드 변경에서는 Fable 5.2의 high를 먼저 테스트하세요. FrontierCode-AA 2.0에서 Opus 5.5 max보다 5포인트 높았습니다.
저장소 구조를 조사하고 기술적인 설명을 작성하는 경우에는 Opus 5.5의 max를 테스트하세요. SWE-Atlas-QnA-AA에서 Opus는 66%, Fable은 62%를 기록했습니다.
Terminal-Bench 4.1에서는 64%와 65%로 두 구성이 거의 비슷합니다.
같은 Coding Agent Index에서 Opus 5.5 max의 비용은 작업당 $12.61입니다. Fable 5.2 xhigh의 $15.47보다 저렴하지만 Fable high의 $7.51보다는 비쌉니다.
따라서 Opus 5.5 max는 Fable xhigh의 합리적인 대안이며, 특히 저장소 관련 Q&A에 적합한 비교 후보입니다. 병합 가능한 코드 변경을 만드는 작업이라면 비용이 더 낮은 Fable high부터 테스트하는 편이 좋습니다.
Opus를 직접 비교하려면 Claude Code에서 Opus 5.5로 전환하는 가이드를 확인하세요. 기존 모델 별칭에 의존하지 않고 의도한 모델을 선택할 수 있습니다.
GPT-6.1 Sol은 저비용 기준 모델입니다
Codex에서 GPT-6.1 Sol을 max로 사용하면 52점을 기록하며 작업당 비용은 $1.51입니다.
세부 점수는 다음과 같습니다.
| 구성 요소 | GPT-6.1 Sol max |
|---|---|
| FrontierCode-AA 2.0 | 42% |
| Terminal-Bench 4.1 | 54% |
| SWE-Atlas-QnA-AA | 60% |
Sol은 세 벤치마크 중 어느 곳에서도 1위가 아닙니다. 대신 훨씬 낮은 API 비용으로 실용적인 코딩 성능을 제공한다는 장점이 있습니다.
테스트로 검증할 수 있는 작업을 대량 처리한다면, 최고 Index 점수보다 지출 관리가 중요할 때 Sol부터 시작하세요.
Sol이 특정 유형의 변경을 너무 자주 실패하거나 검토와 재시도가 많이 필요한 경우 Fable 5.2 high로 시험해 보세요.
Fable의 높은 초기 비용을 상쇄할 만큼 승인된 결과물이 늘어나지 않는다면 Sol을 유지하세요.
다른 선택 조건은 GPT-6.1 Sol, Astra, Opus 비교 가이드에서 확인할 수 있습니다.
터미널 작업에서는 Kimi K3.1 Pro가 선두입니다
Artificial Analysis의 벤치마크별 결과에 따르면 Kimi Code CLI와 Kimi K3.1 Pro 조합은 **Terminal-Bench 4.1에서 68%**를 기록했습니다. 이 구성 요소에서는 가장 높은 점수입니다.
다른 주요 구성의 점수는 다음과 같습니다.
- Claude Code + Sonnet 5.5
max: 66% - Claude Code + Opus 5.5
max: 65% - Antigravity CLI + Gemini 4 Carbon
high: 65% - Claude Code + Fable 5.2
high또는xhigh: 64%
하지만 Kimi Code CLI의 전체 Index 결과는 49점이며, 평균 API 비용은 작업당 $2.94입니다.
터미널 작업에서 앞선다는 사실이 전체 Index에서도 최고 성능이라는 뜻은 아닙니다.
터미널 중심 자동화, 개발 환경 복구, 명령어 실행, 설정 수정 같은 작업에는 Kimi K3.1 Pro를 먼저 평가하세요.
주요 목표가 소스 코드 변경이라면 Fable high와 비교하세요. FrontierCode에서 나타난 Fable의 우위가 실제 저장소에서도 재현된다면 더 높은 비용을 정당화할 수 있습니다.
모델과 에이전트 환경을 구성하려면 Kimi K3.1 Pro 코딩 설정 가이드를 참고하세요.
안전 거부와 fallback이 점수에 미치는 영향
Coding Agent Index v2.1은 개별 모델만이 아니라 전체 에이전트 구성을 평가합니다. 안전상의 이유로 모델이 작업을 거부했을 때 다른 모델로 전환되는 동작도 포함될 수 있습니다.
이 전환을 fallback이라고 합니다. 기본 모델이 작업을 계속할 수 없다고 거부하면 에이전트가 다른 모델에 남은 작업을 넘길 수 있습니다.
Artificial Analysis의 안전 거부 분석은 fallback 모델이 완료한 시도의 비율을 다음과 같이 보고했습니다.
| 평가된 구성 | fallback 모델이 완료한 시도 |
|---|---|
| Devin Fusion CLI: Opus 5.5 max + GPT-6 Luna high | 9% |
Claude Code + Opus 5.5 max | 9% |
Claude Code + Fable 5.2 xhigh | 6% |
Claude Code + Sonnet 5.5 max | 5% |
또한 Codex는 GPT-6.1 Sol max와 GPT-6 Astra max에서 약 1%의 시도를 차단했다고 보고했습니다.
Fallback 모델이 시도를 완료했다고 해서 작업을 성공적으로 해결했다는 뜻은 아닙니다. 기본 모델의 거부 이후 다른 모델이 시도를 끝까지 진행했다는 의미입니다.
공개된 채점 규칙에 따르면 fallback으로 완료한 시도도 일반적인 방식으로 평가됩니다. 거부로 인해 완전히 중단된 시도는 0점을 받습니다.
이 점은 결과를 해석할 때 두 가지 주의가 필요하다는 뜻입니다.
첫째, Opus 5.5의 58점이 모든 작업에서 Opus 단독으로 낸 결과를 뜻하지는 않습니다. 일부 평가 시도는 다른 모델이 완료했습니다.
둘째, fallback 비율만으로 fallback이 비활성화된 경우의 점수를 알 수 없습니다. Fallback된 시도가 실제 성공에 얼마나 기여했는지도 이 비율만으로 판단할 수 없습니다.
보안 관련 벤치마크 작업은 모델이나 API 제공자의 거부를 유발할 수 있습니다. 실제 프로덕션 환경에서는 보안 정책, fallback 동작, 모델 라우팅이 다르게 설정될 수 있습니다.
에이전트를 비교할 때는 중간에 모델이 변경되었는지 기록하세요. 그렇지 않으면 라우팅 때문에 발생한 비용이나 품질 차이를 기본 모델의 성능 차이로 오해할 수 있습니다.
Claude Code에서 effort를 설정하고 비용을 관리하는 방법
Fable 5.2에서는 high를 초기 설정으로 사용하세요. 다른 수준으로 변경할 이유는 특정 유형의 작업에서 효과를 확인했을 때 생깁니다.
Anthropic의 effort 공식 문서에 따르면 Fable 5.2는 low, medium, high, xhigh, max를 지원합니다. API 기본값은 high입니다.
Opus 5.5도 다섯 수준을 모두 지원하지만 API 기본값은 medium입니다.
이 차이는 모델 비교에서 중요한 조건입니다. Opus 5.5의 max 벤치마크 결과는 API 기본 설정으로 보낸 일반적인 요청의 결과가 아닙니다.
Claude Code에서 effort 설정 및 확인하기
Claude Code가 설치되어 있고 Fable 5.2에 접근하도록 구성되어 있어야 합니다.
저장소 디렉터리에서 터미널을 여세요.
Bash에서 다음 명령을 실행합니다.
claude --model claude-fable-5-2 --effort high
Claude Code의 대화형 세션에서 다음 명령을 실행합니다.
/model
/effort
의도한 모델과 effort가 활성화되어 있는지 확인하세요.
Anthropic의 Claude Code effort 설정 튜토리얼에는 다음 명령도 안내되어 있습니다.
/effort medium
/effort high
/effort xhigh
/effort auto
원하는 명령을 한 번에 하나씩 실행하세요. 마지막 명령이 해당 세션에서 요청할 effort를 설정합니다.
/effort auto는 선택한 모델의 기본값으로 되돌립니다.
모델별 설정을 유지하려면 로컬 대화형 세션에서 /effort를 사용하세요. Claude Code v2.1.251 이상에서는 선택한 수준이 사용자 설정 파일 ~/.claude/settings.json의 modelSettings에 저장됩니다.
Fable 5.2를 설정할 때 이 파일의 최상위 effortLevel에 의존하지 마세요. Claude Code 설정 참고 문서에 따르면 Opus 5.5와 그 이후 모델은 모델별 설정을 저장하기 전까지 오래된 사용자 수준 설정을 무시합니다.
환경 변수 CLAUDE_CODE_EFFORT_LEVEL로도 effort를 지정할 수 있습니다.
환경 변수 참고 문서에 따르면 이 변수는 --effort, /effort, modelSettings, effortLevel보다 우선합니다.
/effort나 --effort가 적용되지 않는다면 먼저 CLAUDE_CODE_EFFORT_LEVEL이 설정되어 있는지 확인하세요. 대화형 명령이나 실행 옵션을 적용하려면 해당 재정의를 제거하세요.
일반적인 비교에서는 /effort 또는 --effort를 권장합니다. 실행 옵션은 한 세션에만 적용되고, 대화형으로 저장한 선택은 다음 세션까지 유지될 수 있습니다.
Claude Code에서 max는 환경 변수로 명시하지 않는 한 현재 세션에만 적용됩니다.
Enterprise 관리자는 사용 가능한 effort의 상한을 설정할 수도 있습니다. 허용된 수준보다 높은 값을 요청하면 Claude Code가 지정된 상한에서 실행할 수 있습니다.
연결과 모델 설정에 대한 자세한 내용은 Claude Fable 5.2의 Claude Code 및 API 설정 가이드를 확인하세요.
실제 저장소 작업으로 effort 효과 측정하기
합격 기준이 명확한 대표 작업을 선택하세요.
예를 들어 에이전트에게 실패한 파서 테스트의 원인을 찾고, 필요한 최소한의 수정만 적용하고, 관련 테스트를 실행한 뒤 변경된 파일을 보고하도록 요청할 수 있습니다.
먼저 Fable 5.2 high로 실행하세요. 테스트 결과, 변경 승인 또는 거부 여부, 경과 시간, API 비용, 시간 초과 및 fallback 발생 여부를 기록합니다.
그런 다음 저장소를 동일한 초기 상태로 되돌리고 medium과 xhigh에서 작업을 반복하세요.
도구 권한, 테스트 명령, 저장소 리비전, 시간 제한은 모든 시도에서 동일하게 유지해야 합니다.
다음 네 가지 질문으로 결과를 평가하세요.
- 변경 사항이 필요한 테스트와 코드 검토를 통과했습니까?
- effort를 높여서 변경 거부나 재시도를 줄였습니까?
- 에이전트가 운영상 제한 시간 안에 작업을 마쳤습니까?
- 개선된 결과가 추가 API 비용을 정당화했습니까?
반복 작업이 많은 팀이라면 주요 작업 범주마다 여러 사례를 사용하세요. 한 번의 성공만으로 전체 프로젝트의 기본 설정을 결정해서는 안 됩니다.
승인된 결과 하나당 총비용을 계산하세요. 실패한 시도와 재시도도 포함해야 합니다. 사람의 검토 비용과 인프라 비용은 API 요금과 따로 기록하세요.
이 지표는 벤치마크의 작업당 비용을 Index 점수로 단순히 나누는 것보다 실제 예산 결정에 도움이 됩니다.
API 제공자가 바뀌면 추천 설정도 달라질까?
high에서 시작한다는 권장 사항은 다른 API 경로에서도 검증할 수 있습니다. 하지만 공개된 벤치마크 작업당 비용을 그대로 적용해서는 안 됩니다.
2026-11-15 기준 BetterToken의 모델 카탈로그에는 종량제 이용 모델로 claude-fable-5-2, claude-opus-5-5, gpt-6.1-sol, kimi-k3.1-pro가 등록되어 있었습니다.
Claude Code 연동 문서는 Anthropic 호환 Base URL을 https://bettertoken.ai로 안내합니다. 여기에 /v1을 추가하지 않습니다.
BetterToken API 이용은 Claude 구독과 별개입니다. 모델 라우팅, 캐시 동작, 지원 기능의 차이로 실제 요금과 관측 결과가 달라질 수 있습니다.
Artificial Analysis의 작업당 비용을 다른 API 경로에 적용하기 전에 요청한 effort를 endpoint가 제대로 처리하는지 확인하고 실제 청구 금액을 측정하세요.
토큰 사용량에 따라 요금이 발생하는 반복 코딩 작업에서는 어려운 구현에 Fable 5.2 high를 먼저 사용하세요. 승인율을 유지할 수 있는 작업에서는 effort를 낮추고, xhigh는 측정된 개선이 있을 때만 사용하세요.
가장 높은 수준이라는 이유만으로 max를 모든 작업의 기본값으로 설정하지 마세요. 정해진 시간과 예산 안에 완료하고 검토를 통과한 코드 변경을 얼마나 확보하는지가 더 중요한 기준입니다.