Fable 5.2 据称降价提速,附迁移对比
文章称 Anthropic 发布 Fable 5.2,标准输入与输出单价降低 20%,输出速度最高提升 30%,并列出 API 标识、上下文规格与多项基准成绩。文中也列出部分落后于竞品的评测项;发布信息和数字均为素材所述。
AI 深度解读
Fable 5.2 值不值得迁移,不能只看「降价 20%、最高提速 30%」。这篇原文真正有用的判断是:把模型价格、推理档位和任务成功率一起算,才能知道账单会不会下降。
按原文提供的数据,升级有吸引力,但证据主要来自 Anthropic 的报价和厂商评测,作者没有展示自己的业务实测。对使用 AI 编程助手和 Agent 的团队,最值得借鉴的是迁移时怎么算账、怎么做对照。
便宜了 20%,为什么还要重新算账
原文称,Anthropic 于 2026 年 11 月 9 日发布 Claude Fable 5.2 和 Mythos 5.2。两者权重相同,安全防护配置不同:Fable 普遍开放,Mythos 仅面向通过 Cyber 和 Life Sciences Verification Programs 审核的组织。
API ID 是 claude-fable-5-2,支持 Claude Platform、Bedrock、Google Cloud 和 Microsoft Foundry。
标准价格从每百万输入/输出 token 的 $10/$50 降至 $8/$40。按每天 10M 输入、2M 输出计算:
- Fable 5.1 每天 $200,按 30 天算每月 $6,000。
- Fable 5.2 每天 $160,每月 $4,800。
- 每月节省 $1,200,按 12 个月外推为每年 $14,400。
这是固定 token 用量下的算术结果,不是迁移后的实测账单。模型仍然提供 1M 上下文、128K 最大输出,知识截止时间为 2026 年 6 月;adaptive thinking 始终开启,默认 effort 为 High。切换模型后,每次请求消耗多少 token,可能跟着变化。
应该比较的是完成一个合格任务花多少钱。
原文给出的另一个参照是 Qwen4-Max:输入/输出价格为 $1.50/$4.50,相同用量每天只需 $24。Fable 5.2 这组负载的 token 费用仍约为它的 6.7 倍。更贵是否划算,要看重试、返工和任务完成率。
跑分更高,能直接换成项目收益吗
Anthropic 报告的成绩确实上升明显。FrontierCode 2.0 在 Xhigh effort 下达到 49.1%,对照 Fable 5.1 的 32.4%、Opus 5.5 的 45.5% 和 GPT-6 Astra 的 42.8%;FrontierSWE v2 从 56.3% 升至 69.9%,RoboDojo 从 27.6% 升至 64.9%。
其他成绩包括 Humanity's Last Exam 使用工具时的 74.2%、OSWorld 2.1 离线测试的 89.3%,以及 Epoch Capabilities Index 的纪录分数 174。
但它没有包揽第一。AutomationBench 上,Gemini 4 Carbon 为 53.9%,高于 Fable 5.2 的 51.4%;AA-Briefcase 知识工作 Elo 上,Opus 5.5 为 1800,略高于它的 1785。原文还称,Anthropic 仍推荐 Opus 5.5 作为日常主力。
更值得测试的是 effort。按原文转述,Fable 5.2 在 High 下达到 Opus 5.5 最佳 FrontierCode 成绩时,每任务成本约为一半;在 Humanity's Last Exam 和 Chartography 上,较低档位达到 Opus 最佳成绩的成本不到十分之一。这些都不是作者团队的业务验证。
速度也要分开算:标准模式输出最高快 30%;fast mode 的 token 生成速度最高为 2.5 倍,价格则升至 $16/$80。生成更快,不代表包含工具调用、测试和重试的完整任务也快同样倍数。
此外,原文称 Anthropic 刻意限制了加速器内核优化和 LLM 架构研究能力,使其约处于 Opus 5.5 水平。这类任务不能直接套用整体升级结论。
我的判断
我赞同作者把「每任务成本」放在 token 单价前面,但原文还不足以证明一般团队迁移后一定更省。
它没有给出真实项目的任务集、成功标准、重复测试次数,也没有展示代码审查和返工成本。跑分可以帮助筛选候选模型,不能替项目验收。
作者断言内核调优或架构研究「迁移没有收益」,也说得太满:能力被限制在接近 Opus 5.5 的水平,并不能单独证明价格、延迟都没有收益。
相比全量切换,先用现有模型与 Fable 5.2 做同题对照更稳妥。尤其不要拿 Xhigh 的榜单成绩,去预期 Medium 档位的实际表现。
能拿来做什么
- 从现有前端或 Node 项目中抽取一组可验收任务,例如修复失败测试、修改接口逻辑和完成组件需求,同时记录通过率、费用、耗时与返工次数。
- 将模型 ID 换成
claude-fable-5-2后重跑评测,优先比较 Fable 5.2 Medium 与当前 Opus High,检查降低 effort 后能否维持验收质量。 - 只在人需要等待的交互编程、现场演示中试用 fast mode;批处理先用标准模式,再判断节省的等待时间是否值得双倍单价。
- 如果上周做过 Qwen4-Max 与 Fable 5.1 的对照,用同一批任务补测 Fable 5.2,让模型选择依据同一套验收标准。