Claude Fable 5.2发布：token降价20%，长任务能力大涨

就在IPO前脚，Anthropic把Claude Fable 5.2和Mythos 5.2一起推了出来。

两个版本共用同一底座，差别落在安全权限上：Fable 5.2给普通用户使用，在网络安全和生物领域设了防护限制；Mythos 5.2只开放给通过审核的机构，相关限制被解除，用于合规的网络安全与生命科学研究。

这次升级最突出的地方是长任务，机器人训练尤其明显。另外，Fable 5.2的token价格比Fable 5.1低了20%。

在审美和设计上，Fable 5.2相较Fable 5.1同样有不小的进步。

模型上线才半小时，就有人拿它做出了一款画面相当细腻的FPS游戏。

不过独立测评机构Artificial Analysis发了长文开怼：Fable 5.2的智能水平是高了，token单价也确实降了，可摊到每个任务上的平均成本反而涨了。最让这家机构受不了的，是Fable 5.2变得比以前“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%，直接翻了2.35倍；图表识别从44.8%到73.4%；远程职业任务从17.9%到41.3%；科研终端从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%，幅度有限；知识工作AA-Briefcase也不过从61.5%（ELO 1669）提到66.1%（ELO 1785）。

也就是说，越是耗时长、调用工具越多的长任务，Fable 5.2的涨幅越明显。反过来，一轮就能答完的题目，基本没怎么涨。

那长任务究竟能长到什么程度？

Anthropic做了一组对照试验：用1000个Fable 5.2的agent，花了将近30个小时，把费马大定理的形式化证明做完了。而此前一个未发布的版本，配上专用的定制化工具调度框架（purpose-built harness），再加研究员全程引导，干完同样的活仍要11天。

而且Fable 5.2消耗的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18小时完成26%，30小时到27%，之后任务就停在原地不动了。

数学推理这类显而易见的长任务之外，在Anthropic列出的性能表里，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里机器人和蛋白质设计这两项尤其值得盯。

这个公开基准包含42个仿真任务和18个真机任务，采用双臂，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”，得自己纠正回来。

Anthropic官方称，它超过了“大多数专为控制机器人而建的AI系统”，原因是这些任务机器人在现实世界里完全没见过。

以往的观点是，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却是通用模型，任何公司都能直接拿它训机器人，具身智能公司的训练门槛由此大幅降低。

在Anthropic最拿手的编程领域，官方博客放了一张图，列的是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，结果很出人意料，甚至让人一度怀疑是不是填表时写错了。

Fable 5.2的Xhigh模式全球最强，得分49.1%，每任务14.19美元。可effort拉到最高的max档，得分反倒掉了下来，Max为45.6%，平均每个任务要44.70美元。

也就是说，思考时间花得更多、token也用得更多，效果却不如Xhigh模式。

Anthropic官方给出的解释是：高effort制造的是过度斟酌。

Anthropic 的说法是，effort 调高之后，模型处理日常任务时会“搜集超出任务所需的上下文并过度斟酌”，为此还专门配了防止“过度规划”的提示词。可 FrontierCode 考的是补丁够不够格合进真实仓库，上下文本来就摆在 diff 里；把两行修复写成一篇带主张的重构，放到这套基准里就是不合格，分数自然掉到 Xhigh 之下。

Anthropic 还提到另一种可能：模型想得太久，交卷时间就赶不上，超时同样要扣分。

Fable 最拿得出手的地方，居然是便宜？

Fable 5.2 的 token 价格调了：每百万输入从 10 美元降到 8，输出从 50 降到 40，降幅 20%；输出速度最多比 5.1 快 30%。

fast mode 是另一套账：输入 16、输出 80，价格直接翻倍，token 生成最多再快 2.5 倍。

缓存读只要 0.20 美元，Fable 5 那边是 1 美元。

Anthropic 说，Fable 5.2 的 effort 开到 High，成绩就大致追平 Opus 5.5 开到头（Max），而每个任务的花费只有后者一半左右。

只是整篇官方说明里，降价的原因一个字没提。

那这 20% 到底省在哪儿？

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天之后的9月22日，Anthropic 发布 Opus 5.5，标价下调 20% 到 4 和 20，并称运行成本比 Opus 5 低约 40%。大约两小时后，OpenAI 推出 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）的说法是：“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。”

还有一处让人很在意：版本序号是 5.2，可此前的 Opus 已经走到了 5.5。The New Stack 就写道，“竟然没叫Fable 5.5，真让人有点意外”。至于这个序号怎么定的，Anthropic 没有给出任何解释。

Fable 5.2 上线还不到一个小时，反驳就来了。

独立评测机构 Artificial Analysis 发了一篇长帖：他们把 Fable 5.2 放上 Intelligence Index v5，max 档拿下 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，九项评测里五项最高分。

不过 Fable 系列向来是智力天花板，这点没什么好争的。Artificial Analysis 接着写道，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。

单价是降了 20%，总成本反倒翻了一番。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”。

最后一点，跑分是能用数值衡量的，Anthropic 表示 Fable 5.2 在设计方面也做了升级迭代。

结果 Fable 5.2 发布不到半个小时，社区里就有人拿它开发 FPS 游戏。

演示里枪械、射击反馈和场景都齐了。评论区有网友看完，觉得这都能直接发布了。

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