Fable과 같은 고성능 모델은 비용이 높기 때문에, 모든 코딩 작업을 최상위 모델에 맡기기보다는 작업의 성격에 따라 적절한 모델을 배치하는 '모델 분업'이 중요해지고 있습니다. 과거 Moore의 법칙 덕분에 성능 향상이 자동으로 이루어지던 '공짜 점심'의 시대와 달리, 이제는 단일 스레드 성능 정체로 인해 개발자가 아키텍처와 효율성을 직접 고민해야 합니다. 따라서 Fable로 설계를 검토한 뒤, 반복적인 코딩은 GLM처럼 비용 효율적인 모델에 맡기는 방식이 권장됩니다. 또한 향후에는 추론 비용뿐만 아니라 데이터 보관 의무나 접근 통제 같은 정책적 요인도 모델 선택에 큰 영향을 미칠 전망입니다.