Claude Fable 5.2发布：长任务能力大涨，平均成本反升

就在IPO之前，Anthropic把Claude Fable 5.2和Mythos 5.2推了出来。

两个版本共用同一底座，区别落在安全权限上：Fable 5.2给通用用户使用，附带网络安全和生物领域的安全限制；Mythos 5.2只对通过审核的机构开放，相关限制被解除，用来支撑合规的网络安全与生命科学研究。长任务是这次升级的重点，机器人训练尤其明显。另外，Fable 5.2的token价格比Fable 5.1降了20%。

审美和设计上，Fable 5.2相比Fable 5.1也有不小的进步。发布才半小时，就有人拿它做出了一款画面相当精致的FPS游戏。

独立测评机构Artificial Analysis却发长文开喷。它的说法是，Fable 5.2的智能水平确实上去了，token单价也确实低了，可摊到每个任务上的平均成本反倒涨了。最让这家机构受不了的，是新模型比以前“话痨”得多。

性能到底涨在哪？

先看评分。

机器人控制RoboDojo Sim从27.6%升到64.9%，直接涨了2.35倍；图表识别44.8%到73.4%；远程职业任务17.9%到41.3%；科研终端52.6%到74.6%；FrontierCode 2.0从32.4%到49.1%；带工具的HLE从65.6%到74.2%。

电脑操作（Computer Use）OSWorld 2.1只是从83.5%走到89.3%，幅度不大；知识工作AA-Briefcase从61.5%（ELO 1669）到66.1%（ELO 1785），同样有限。

说白了，越是耗时久、调用工具多的长任务，Fable 5.2的涨幅越明显。一轮就能答完的题，基本没怎么动。

那长任务究竟能长到什么程度？

Anthropic做了一组对照试验：1000个Fable 5.2的agent跑了将近30个小时，把费马大定理的形式化证明做完了。此前有个未发布的版本，配上专用的“外挂”（定制化工具调度框架，purpose-built harness），还有研究员全程引导，干同样的活仍要11天。

而且Fable 5.2用掉的action token，只有那个未发布版本的三分之一。

换成1000个Opus 5.5的agent，结果是这样的：18小时完成26%，30小时27%，之后任务就卡住不动了。

数学推理这类长任务自不必说，在Anthropic给出的性能表里，RoboDojo Sim是所有长任务基准中涨幅最大的一项。博主@himanshu专门发文提醒，Fable 5.2要重点看机器人和蛋白质设计这两项。

这个公开基准包含42个仿真任务和18个真机任务，双臂操作，模型只能从摄像头画面读取环境。评分分五个维度：泛化、记忆、精度、长程执行和开放词汇指令。

它考的是看画面、记前面、把一串动作连续走完。中途机器人要是“歪了”，得自己纠回来。

Anthropic官方称，它超过了“大多数专为控制机器人而建的AI系统”，理由是这些任务在现实世界里，机器人压根没见过。

以前业内的共识是，机器人得专门训练具身智能模型，才能解决空间理解、动作规划这些问题。Fable 5.2是个通用模型，任何公司都能直接拿它训练机器人。具身智能公司的训练门槛，就这么被大幅拉低了。

编程是Anthropic最擅长的领域，官方博客放了一张图，列出当下几个最强的大模型在FrontierCode 2.0基准上的跑分。

Anthropic还拿Fable 5.2不同的effort档位分别跑分，结果出人意料，我一度怀疑是填表时写错了。

Fable 5.2的Xhigh模式是全球最强，得分49.1%，每任务14.19美元。effort拉到最高的max档位，得分反而掉下来，Max为45.6%，平均每个任务44.70美元。

也就是说，思考时间更长、token花得更多，效果还不如Xhigh模式。

Anthropic官方给出的解释是：高effort带来的是过度斟酌。

Anthropic的说法是，effort调高以后，模型处理例行任务时容易“搜集超出任务所需的上下文并过度斟酌”，他们还准备了专门防“过度规划”的提示词。FrontierCode考的是补丁够不够格合进真实仓库，上下文本来就写在diff里，把两行修复做成带主张的重构，放到这套基准里就不合格，得分也就低于Xhigh。

还有一种可能是模型想得太久，交卷时间赶不上。Anthropic表示，超时会扣分。

Fable最大特点是……便宜？

价格上，Fable 5.2每百万token输入从10美元降到8，输出从50降到40，降幅20%；输出速度比5.1最多快30%。

fast mode是另一套价：输入16、输出80，价格翻倍，token生成最多再快2.5倍。缓存读0.20美元，Fable 5是1美元。

Anthropic称，Fable 5.2的effort开到High，成绩就和Opus 5.5开到头（Max）差不多，每个任务的成本还只要后者一半左右。

只是Anthropic官方通篇没提降价的原因。那这20%到底从哪来？

9月12日，阿莫迪发文“We Must Pace the Frontier”，文中说放慢“不意味着停止模型训练或技术进步，而是确保公司有足够时间对齐并给模型加防护”。

10天后的9月22日，Anthropic发布Opus 5.5，标价降20%到4和20，并称运行成本比Opus 5低约40%。大约两小时后，OpenAI放出GPT-6 Sol和Luna，比GPT-5.6促销价低约50%。

Ramp经济学家阿拉·哈拉齐安（Ara Kharazian）说：“这不是什么技术革新，这其实是一种价格战，压低AI价格，也压低了自己的利润率。”

版本序号也让人在意：这次是5.2，而此前的Opus已经更新到5.5。The New Stack的评价是，“竟然没叫Fable 5.5，真让人有点意外”。Anthropic对版本序号没有给出任何解释。

打脸来得很快。Fable 5.2发布不到一个小时，独立评测机构Artificial Analysis就发了一篇长帖。

他们把Fable 5.2放上Intelligence Index v5，max档65分登顶，比Opus 5.5的59分高6分，比上一代Fable 5.1的49分高约15分，九项评测里拿下五项最高分。

Artificial Analysis接着写道，Fable系列一直是智力天花板，这点毋庸置疑；但max档平均每个任务要花26.5美元，是Opus 5.5在max档10美元的约2.6倍，也是Fable 5.1的两倍左右。

单价降了20%，总成本却翻了一番。Artificial Analysis还“补了一刀”：Fable 5.2在评测里生成了约2.75亿token，同类模型中位数只有7280万，“它话太多了”。

性能跑分可以用数值衡量，设计方面Anthropic也表示Fable 5.2做了升级迭代。

Fable 5.2发布不到半个小时，社区就有人拿它开发FPS游戏。演示里枪械、射击反馈和场景都有了，评论区有网友看完，觉得都可以直接发布了。

如果你只知道自己想玩一款什么样的游戏，连第一行代码都还没写，这时候倒可以让Fable多想几步。