Claude Fable 5.2 开放 API 并降价

Fable 5.2 的看点，是它能否把持续数小时、多角色协作的任务做完。原文把一次千代理数学证明演示、几组能力测试和价格变化放在一起，认为它的进步集中在长任务，而日常补代码未必值得升级。

对前端和全栈开发者，更值得看的是账单与调用细节：缓存价格可能比标价降幅更重要，部分请求还会转交其他模型回答。以下发布信息与成绩均按原文转述，其中厂商演示、作者测算和实际使用结论需要分开看。

30 小时完成证明，究竟证明了什么

据原文，Anthropic 在 11 月 9 日发布 Claude Fable 5.2 和 Claude Mythos 5.2。Fable 的 API ID 是 claude-fable-5-2，面向 Claude API、Amazon Bedrock、Google Cloud 和 Microsoft Foundry 的开发者开放；Mythos 同价，但限制访问。

两款模型都保留 1M-token 上下文、最高 128K 输出和 2026 年 6 月知识截止时间。厂商称输出速度比 5.1 系列最高快 30%。Fable 5.1 转为 legacy，退役不会早于 2027 年 9 月 1 日。

最吸引眼球的演示，是约 1,000 个 Fable 5.2 agents 在 30 小时内，用 Lean 完成费马大定理证明的形式化。Lean 会检查证明步骤是否合法；这里的任务是把数学证明变成机器能够逐步验证的形式，不能直接理解成模型重新发现了证明。

按 Anthropic 的描述，模型从少量提示开始，自行建立协作方式，没有使用数学参考资料，只拿到用于衡量进展的中间定理陈述列表。相同的约千代理配置下，Opus 5.5 在 18 小时完成 26%，到 30 小时后也几乎没有继续推进。原文还提到，一个未发布的 Claude 研究版本曾耗时 11 天，但没有交代它与这次演示的完整条件差异。

这是一场值得研究的演示，还不足以作为稳定性能承诺。

每个模型都只跑了一次。它提示新模型可能更擅长分工、维持共同计划和处理依赖，却没有给出重复成功率、总 token 消耗及人工介入细节。

提升集中在长任务，普通代码修改未必划算

原文列出的编码与工具测试都有增长：FrontierSWE v2 从 Fable 5.1 的 56.3% 升到 69.9%，OSWorld 2.1 从 83.5% 升到 89.3%，带工具的 Humanity's Last Exam 从 65.6% 升到 74.2%。

更大的差距出现在复杂任务。Remote Labor Index 的 high effort 成绩从 17.9% 升到 41.3%；根据摄像头图像控制模拟双臂机器人的 RoboDojo，Fable 5.2 得分 64.9%，对照是 Fable 5.1 的 27.6% 和 GPT-6 Astra 的 29.8%。

这些数字全部由 Anthropic 报告。它们支持作者的判断：升级价值可能更多体现在连续推进工作，而不是每次生成一小段代码。但机器人控制成绩，不能直接折算成前端项目交付效率。

Mythos 5.2 则侧重安全与生物领域。厂商称，它发现的漏洞比 Opus 5.5 多 10.2%，比 Mythos 5.1 多 14.4%；CVE Rediscovery 得分从 78.3% 升到 89.6%。

访问需要通过 Cyber Verification Program 或 Life Sciences Verification Program，fast mode 也受此限制。Claude Enterprise 客户可通过 Claude Security 使用。普通开发者不能仅凭模型价格相同，就假设拥有相同入口。

真正影响接入的，是回退规则和缓存账单

Fable 5.2 会对网络安全、生物等主题运行安全分类器。据原文，触发拦截后，网络安全请求由 Opus 4.8 回答，生物请求由 Opus 5 回答，少量 AI 研究主题也回退到 Opus 5。

所以，选择了 Fable 5.2，并不保证每条请求都由它生成答案。Anthropic 称回退是透明的，但原文没展示响应字段或识别方法。其早期测试还报告，claude.ai、Claude Code 和 Cowork 的拦截次数比 Fable 5.1 少约 55%；这不等于你的业务提示也会减少同样比例。

接入还有两个条件：默认要求保留数据 30 天，零数据保留需要 Anthropic 明确授权；fast mode 据称最高提速至 2.5 倍，价格则为标准模式的两倍。

标准价格从 Fable 5.1 每百万输入／输出 token 的 $10／$50，降到 $8／$40，确实下降 20%。缓存读取为每百万 token $0.20，Batch API 为 $4／$20，整个 1M 上下文窗口没有长提示附加费。

作者把缓存差价称为「Cache Gap」。代理工具会反复发送相同上下文，缓存命中足够多时，缓存单价就会明显影响总账单。GPT-6 Astra 的输入／输出价格为 $10／$50，缓存读取为 $1.00，是 Fable 的五倍。

作者测算的一次高缓存编码会话，Fable 花费 $17.44，Astra 为 $27.20，相差 35.9%；同一会话用 Opus 5.5 则为 $9.44，Fable 仍贵约 1.85 倍。原文没有附上完整用量拆分，这些金额不能直接当预算。它还列出 Tokely 的 $6／$30 报价，但没有说明与官方服务条件是否一致。

我的判断

作者把注意力放在「任务能否持续推进」上，这个方向有价值。长任务里，一次中途停滞就可能抵消局部生成速度的收益。不过，千代理证明演示和厂商测试，仍不足以证明普通团队接入后会获得同样提升。原文也没有提供作者在真实代码仓库里的对照实测。

价格部分需要纠正一个算术问题：原文称 Astra 的 $10／$50 比 Fable 的 $8／$40「只高 20%」，按 Fable 为基数实际高 25%；反向计算，Fable 比 Astra 低 20%。

模型是否便宜，最终要看完成一项合格任务花多少钱。

缓存命中率、输出长度、重试次数和人工返工都会改变结果。把日常请求交给 Opus 5.5 或 Sonnet 5.5，只让困难任务使用 Fable，是值得验证的分流思路；原文没有给出它们在相同验收标准下的完整成本对照，因此仍属经验建议。

能拿来做什么

• 如果你在用 AI 修改前端或 Node 项目，可以选一个跨文件任务，对比现有模型与 Fable 5.2 的完成情况，同时记录耗时、重试和人工修改量。
• 如果编码代理频繁携带相同上下文，应分别统计普通输入、缓存读取和输出费用，再判断 $0.20 的缓存价格能省多少。
• 如果工具涉及安全、生物或相关研究提示，应先测试真实请求，并核实回退识别方式及 30 天数据保留条件。
• 可以把 fast mode 留给有人等待的交互任务；异步工作则结合 Batch API 的适用条件评估，避免仅为提速承担双倍价格。