Claude Fable 5.2 实测,比 5.1 强在哪,升级到底值不值

分类:技术交流发布时间:建议阅读时长:29分钟
作者:sodope llm

先说我读完后的判断

Fable 5.2 在 2026 年 11 月 9 日发布。我看了 Anthropic 的官方基准,也看了 Artificial Analysis 的独立评分。Cognition 的接入说明和几位开发者的公开测试,我一并放进来对照,结论比“新模型更强”具体一些。

5.2 相对 5.1 的提升,已经超过普通小版本。官方 FrontierCode 2.0 从 32.4% 到 49.1%,AutomationBench 从 31.4% 到 51.4%,RoboDojo 从 27.6% 到 64.9%,Chartography 从 44.8% 到 73.4%。这些项目里,有的接近翻倍。Artificial Analysis 的 Intelligence Index v5 给它 65 分,排在第一,Gemini 4 Carbon 是 60,Opus 5.5 是 59。

价格方向反了。5.1 在接口AI 的价格是输入每百万 token 10 美元、输出 50 美元,5.2 是 8 美元和 40 美元,两项都降了 20%。官方还说输出速度最高比 5.1 快 30%,误拦截少了大约 55%。同样的 token 用量,账单会直接低一截。

升级不等于全量替换。Opus 5.5 的输入输出价是 4 美元和 20 美元,只有 Fable 5.2 的一半。Anthropic 自己的建议也是大多数编码和知识工作从 Opus 5.5 的 medium 起步。Fable 5.2 适合最难的那一小段任务,长程 Agent、大迁移、架构设计、深度研究。把它铺到所有请求上,账单会先受不了。

迁移风险主要不在模型能力,在接口行为。Fable 5.2 的 thinking 不能关闭,preserved thinking 对历史修改很敏感,tool_choice 传 any 或 tool 会直接报 400。老代码里如果有这些用法,先改再切,别等上线后才发现。

这篇“实测”的边界也说清楚。我没有重跑全部基准,也没有拿同一批任务把 5.1 和 5.2 各跑一百遍。我把公开的官方数据、独立评测和开发者案例按任务类型拆开,再按接口AI 的实时价格算账。能核对的数字我给出处,不能核对的主观感受我会标出来。

5.1 用户现在卡在哪

Fable 5.1 不是弱模型。它在很多任务上仍然够用,价格和更早的 Fable 5 一样。问题出在两类任务上,一类是跑得很长的 Agent 任务,另一类是要求模型自己判断、自己检查、自己返工的工程任务。5.1 在这些任务上容易出现两种失败,一种是中途跑偏,另一种是最后交出来的东西看起来完成了,实际经不起合并和验收。

Anthropic 在发布说明里把 5.2 和 Mythos 5.2 描述成同一个底层模型的两个版本。Mythos 面向网络安全和生命科学,需要通过验证计划申请。Fable 保留了较强的安全护栏,面向一般用户开放。这个设计意味着 5.2 的能力上限和 Mythos 接近,但高风险查询会被拦截,然后回退到 Opus 4.8 或 Opus 5 来回答。做安全研究、渗透测试、生物信息分析的团队,会直接感受到这个边界。

官方给的几个数字很扎眼。输出速度最高比 5.1 快 30%,误拦截大约少 55%,其中网络安全场景大约少 60%,生物场景大约少 40%。价格从 10 美元和 50 美元降到 8 美元和 40 美元。基准上,FrontierCode 2.0 从 32.4% 到 49.1%,AutomationBench 从 31.4% 到 51.4%,RoboDojo 从 27.6% 到 64.9%。这些数字放在一起,确实不像一次常规迭代。

但发布方的基准有两个天然限制。任务由 Anthropic 挑选,跑分由 Anthropic 执行,effort 档位也由 Anthropic 设定。它能说明模型在这些任务上的上限,不能直接换算成你团队的生产力。第三方评测能补一部分,Artificial Analysis 的 65 分是独立结果,Cognition 的 FrontierCode 排名也来自外部。剩下的,要靠你自己的任务集。

强在哪,按任务拆开看

长程编码和工程任务

FrontierCode 2.0 测的是模型提交的代码改动能不能被开源仓库维护者合并。这个指标比单元测试更接近真实工程,因为它要求改动符合项目风格、能通过评审、不破坏现有行为。5.1 在这项上是 32.4%,5.2 在 Xhigh 档到 49.1%,提升 16.7 个百分点。FrontierSWE v2 从 56.3% 到 69.9%,Terminal-Bench-Science 0.1 从 52.6% 到 74.6%。

更值得看的是成本和档位的关系。官方说 5.2 在 High 档是 45.3%,和 Opus 5.5 在 Max 档的 45.5% 基本打平,单任务成本大约是后者的一半。Xhigh 档能到 49.1%,但要多付一档 effort 的钱。对大多数团队,High 档是甜点,Xhigh 留给确实卡住的任务。

这里有个容易误读的地方。45.3% 对 45.5% 说的是 FrontierCode 这一项,不是所有编码任务。官方表格里,Opus 5.5 在 AA-Briefcase 的 Elo 是 1800,5.2 是 1785,Opus 还略高。Gemini 4 Carbon 在 AutomationBench 上是 53.9%,也高于 5.2 的 51.4%。5.2 不是每一项都第一,它的优势集中在长程、工具调用和多步骤返工。

Agent、工具调用和长任务

这一类的提升最大。AutomationBench 从 31.4% 到 51.4%,涨了 20 个百分点。WANDR 从 68.7% 到 82.1%。OSWorld 2.1 从 83.5% 到 89.3%。RoboDojo 从 27.6% 到 64.9%,翻了一倍多。RoboDojo 测的是模拟双臂机器人的控制,和纯文本任务离得远,但能说明模型在连续动作和状态反馈上的进步。

Anthropic 还放了几个长任务案例。一个工程师让 5.2 从空文件夹开始设计一个操作系统,模型协调了 1000 多个子智能体,连续跑了 8 天,最后得到一个能在笔记本上启动的系统,包含内核、磁盘和网络驱动、文件存储、窗口、登录界面和安装器。另一个实验里,1000 个 5.2 智能体用 30 小时完成了费马大定理的形式化证明,动作 token 只有上一版的三分之一,证明长度是七分之一。同样的 1000 智能体设置下,Opus 5.5 在 18 小时只完成了 26%。

这些案例是存在性证明,不是平均生产力。它们用了大量 token、专门搭的 harness 和长时间运行,单次 API 调用复现不了。但它们说明 5.2 能在一段很长的任务里保持方向,能自己拆活、自己检查、自己返工。5.1 最缺的正是这个。

视觉、前端和设计类输出

Chartography 测的是不看工具、直接读图表的能力,5.2 是 73.4%,5.1 是 44.8%,提升 28.6 个百分点。这个指标和前端、数据可视化、设计稿理解都有关系。公众号作者卡兹克在发布后跑了一批案例,包括视频动效、Three.js 的 3D 网页、用 4800 行 Python 调 Blender 做 3D 场景、用 2000 行 Three.js 在 83 分钟里做动画。他还提到有案例用代码模拟画笔,一张图画了 70 万笔。这些是作者挑选的公开演示,不是受控实验,但方向和 Chartography 的涨幅对得上。

对做前端原型、视觉 demo、视频分镜的团队,5.2 值得单独测一轮。它能一次给出可看的初稿,人再改结构和细节。对只需要生成普通图片的团队,这个能力用不上,生图模型更便宜。

科学、硬件和高难度推理

HLE 带工具从 65.6% 到 74.2%。BenchCAD 2.1 从 44.4 到 83.5,这项测的是硬件设计文件和参考几何、电路的接近程度。Anthropic 和 Diode Computers 合作,让 5.2 从一段提示词出发,设计了三个电子设备,包括 PCB 布局、CAD 建模、固件和可制造性检查,电路板直接由工厂按设计文件制造。另一个案例是理论物理,5.2 解决了两个黑洞相关的开放问题。

这些结果的复现门槛很高,普通团队很难验证。官方也承认,5.2 在 AI 研发相关任务上有意设了限制,内核优化和 LLM 架构设计大致停留在 Opus 5.5 的水平。做芯片、硬件、科学计算的团队可以拿自己的一个真实项目试;做通用软件的团队,不需要为这些能力付溢价。

六项基准对比条形图,灰色条为 Fable 5.1,琥珀色条为 Fable 5.2,FrontierCode 2.0 从 32.4% 升到 49.1%,AutomationBench 从 31.4% 升到 51.4%,RoboDojo 从 27.6% 升到 64.9%

六项基准的条形对比,琥珀色是 5.2,灰色是 5.1。FrontierCode 2.0、AutomationBench、RoboDojo 这三项的涨幅最大,和正文里长程编码、Agent 的判断对得上。

价格降了,单任务成本未必同步降

先看单价。接口AI 的 实时价格表 上,5.1 是输入 10 美元、输出 50 美元,缓存读取 0.25 美元,5 分钟缓存写入 12.5 美元,1 小时缓存写入 20 美元。5.2 是输入 8 美元、输出 40 美元,缓存读取 0.2 美元,缓存写入 10 美元和 16 美元。每一项都降了 20%。以下价格以 2026 年 11 月 11 日在售信息为准。

两代模型的规格可以在 Fable 5.1 的模型页 和 Claude Fable 5.2 的模型页 对照。上下文都是 1M token,最大输出 128K。官方还给了一个 fast mode,输入 16 美元、输出 80 美元,速度最高 2.5 倍,适合对延迟敏感的场景。

单价降 20%,单任务成本不一定同步降 20%。一次任务的账单由输入、输出、缓存写入、重试和人工检查共同决定。5.2 在 Medium 档能用更少的 token 完成有挑战的任务,官方说这是相对 5.1 的变化。如果 token 用量也降,20% 的单价降幅会被放大。反过来,如果团队把 effort 从 Medium 拉到 Xhigh,token 用量和单价一起涨,账单可能比 5.1 还高。

effort 档位是这次升级里最容易被忽略的变量。Fable 5.2 在 API 上的默认档是 High,在 Claude Code 里默认是 Medium。档位越高,模型想得越久、工具调用越多、自我检查越多,延迟和 token 都往上走。官方在 Opus 5.5 上给过一组 SWE-bench Pro 的数,Medium 比 High 低 2.5 分,成本是 High 的 70%。Low 比 High 低 8 分,成本是三分之一。Xhigh 比 High 高 1.4 分,成本是 2.5 倍。这个规律放到 5.2 上也成立,档位带来的成本差,有时比换模型还大。

具体到 5.2,FrontierCode 2.0 在 High 档是 45.3%,Xhigh 是 49.1%。多 3.8 分,多一档 effort。如果你的任务在 High 档已经能过,没必要为了榜单上的最高分去开 Xhigh。Cognition 的说法更激进,他们说 5.2 在低推理力度下,用大约三分之一的价格就能超过 5.1 的得分。这是合作方的口径,样本和方法没有公开,只能当参考,不能当承诺。

和 Opus 5.5 比,账又是另一种算法。Opus 5.5 的输入输出价是 4 美元和 20 美元,缓存读取也是 0.2 美元。长上下文、缓存命中率高的任务,两者的缓存成本一样,差距主要在未缓存输入和输出上,Fable 贵一倍。可是在 FrontierCode 这种难题上,5.2 在 High 档和 Opus 5.5 在 Max 档打平,单任务成本大约一半。贵一倍的单价比一半的单任务成本,听起来矛盾,实际是 Opus 5.5 要开到 Max 档、用更多 token 才能追上。选型时要比单任务成本,不要比单价。

还有几笔隐性成本。切换模型会让缓存失效,第一轮要把整段对话重新写入缓存,长对话的这笔钱不小。preserved thinking 要求历史只追加、不修改,老代码如果会编辑历史,切到 5.2 会收到 400。高风险查询被拦截后,会回退到 Opus 4.8 或 Opus 5,输出风格和判断可能变。误拦截少了 55%,但没有归零,生产环境还是要留回退和人工复核。

三张价格卡片对比 Fable 5.1、Fable 5.2 和 Opus 5.5 的输入、输出和缓存读取价格,底部流程条从输入、输出、缓存写入、重试汇入单任务成本

单价只是最左边那张卡片,决定账单的是底部这条流程。缓存写入、重试和 effort 档位都会把单任务成本推高。

谁该升级,谁先等等

先给结论。正在用 Fable 5.1 跑长程 Agent、做大型迁移、做架构设计、做深度研究的团队,应该升级。5.2 在这些任务上的提升足够大,单价还降了,迁移成本通常一个项目就能收回。日常写代码、修 bug、做 scoped feature 的团队,先把 Opus 5.5 的 Medium 用好,遇到 Opus 5.5 在 High 档还卡住的任务,再把那一小段切给 5.2。做分类、路由、抽取、批量摘要的团队,继续用 Haiku 5.5,5.2 的溢价买不到相应的收益。

可以按四层来分工。Fable 5.2 做 lead 和 architect,负责拆任务、定方案、审结果,必要时给下游当 advisor。Opus 5.5 做日常执行,写代码、改 bug、跑多轮工具调用。Sonnet 5.5 做边界清楚的活,比如按 spec 实现一个功能、修一个明确的 bug。Haiku 5.5 做子智能体和批量任务,读日志、找文件、做分类。Anthropic 的选型指南也是这个顺序,先 Opus 5.5 Medium,再往上或往下调。

安全团队要单独看。5.2 的护栏会拦截大部分网络安全任务,包括渗透测试、漏洞利用生成、二进制漏洞分析,以及大部分研究生物学任务。被拦截的查询会回退到 Opus 4.8 或 Opus 5。如果团队的工作正好落在这个区间,5.2 会经常拒绝你。这种情况要么申请 Mythos 的验证计划,要么继续用 Opus 5.5。

国内团队如果同时要对比 5.1、5.2 和 Opus 5.5,可以用接口AI 的统一密钥切换模型,省掉分别开账号、分别充值的麻烦。它的模型页把上下文、最大输出、函数调用、结构化输出和推理能力都列清楚了,价格表也能直接对照。先小额跑一轮,再决定要不要把主力切过去。

决策图从一个任务分出三条路径,高并发轻任务走 Haiku 5.5,日常执行走 Opus 5.5 或 Sonnet 5.5,最难长程走 Fable 5.2

三条路径对应正文的四层分工。分岔处的三个问题,可以先帮你判断任务该走哪条路。

一周试点怎么做

第一步,选任务。挑 20 到 50 个真实任务,至少 20% 是团队里最难的。每个任务写清输入、期望输出、验收标准,最好有一个能自动跑的检查脚本。没有验收标准的任务,跑出来的对比只能靠感觉,最后还是会回到“看起来差不多”。

第二步,把档位拉平。5.1 现在用什么档,5.2 也从相近的档开始。不要拿 5.1 的 Max 对 5.2 的 Low,也不要拿 5.1 的默认档对 5.2 的 Xhigh。先比同档,再决定要不要为难题加档。官方给的 High 档对 Opus Max 的数据,是在特定任务上测的,自己的任务要自己测。

第三步,算单任务成本。把输入、输出、缓存写入、重试和人工返工都算进去。计费说明 把大语言模型按 input、output、cache write、cache read 分开计费,账单页能按模型和日期看用量。跑完一轮,把每个任务的成本和通过率放在一起看,不要只看总账单。

第四步,先改接口兼容。preserved thinking 要求历史只追加,系统提示、工具定义和早先消息都不能改。thinking 不能关闭,传关闭会报错。tool_choice 用 auto,不要传 any 或 tool。读响应时按 content block 的 type 取内容,不要假设第一块一定是文本。这些改动在测试环境里先打一遍 400,比上线后回滚便宜。

第五步,小流量上线。先切 5% 到 10% 的流量,或者先在一个内部项目上用两周。保留 Opus 5.5 和 5.1 的回退路径,监控误拦截率、首 token 延迟、单任务成本和人工返工时间。跑稳了再扩。快速开始文档 里有账号、密钥和余额的步骤,接入前先对一遍,别在最后一步卡在余额或权限上。

第六步,写复盘。哪些任务 5.2 一次过,哪些任务要加档。还不如 Opus 5.5 的任务,以及被护栏拦下的任务,也单独记一笔。把这些写成一页纸,下次选型就不用重新猜。模型更新很快,这一页纸会比任何榜单都耐用。

写在最后

你手上的任务,是 5.1 做不完,还是 5.1 做得完但不够好。这两种情况的答案不一样。做不完的任务,5.2 值得试;做得完但不够好的任务,先看加一档 effort 或换 Opus 5.5 能不能解决,再考虑 5.2。如果你已经跑过对比,欢迎说说你的任务类型、档位和账单变化,这些真实数据比发布会的榜单有用。

参考资料

  • Anthropic,Claude Fable 5.2 and Mythos 5.2,anthropic.com/claude-fable-and-mythos-5-2,2026-11-09(访问日期 2026-11-11)
  • Addy Osmani,Which Claude model should you build with,claude.dev/blog/which-claude-model-should-you-build-with,2026-11-09(访问日期 2026-11-11)
  • Artificial Analysis,Claude Fable 5.2 登顶 Intelligence Index v5,x.com/ArtificialAnlys,2026-11-10(访问日期 2026-11-11)
  • Cognition,Claude Fable 5.2 上线 Devin,x.com/cognition,2026-11-10(访问日期 2026-11-11)
  • 数字生命卡兹克,Claude Fable 5.2 证明了,AI 可以靠代码吞噬一切,微信公众号,2026-11-11(访问日期 2026-11-11)
  • Simon Willison,llm-anthropic 0.31,simonwillison.net/2026/Nov/9/llm-anthropic,2026-11-09(访问日期 2026-11-11)
  • Anthropic,Claude electronics design,anthropic.com/research/claude-electronics-design,2026-11-09(访问日期 2026-11-11)
  • Anthropic,Safely scaling multi-agent teams with Fable 5.2,claude.dev/blog/safely-scaling-multi-agent-teams-with-fable-5-2,2026-11-09(访问日期 2026-11-11)
  • 接口AI,Claude Fable 5.2 模型页,jiekou.ai/models/model-detail/claude-fable-5-2(访问日期 2026-11-11)
  • 接口AI,模型价格表,jiekou.ai/pricing(访问日期 2026-11-11)
  • 接口AI,快速开始,docs.jiekou.ai/docs/support/quickstart,2026-11-10(访问日期 2026-11-11)
  • 接口AI,充值与计费常见问题,docs.jiekou.ai/docs/support/faq_billing(访问日期 2026-11-11)
分享:
联系我们