Claude Fable 5.2发布，能力提升在哪里？

Anthropic 于 2026 年 11 月 9 日正式发布 Claude Fable 5.2。官方能力表和第三方榜单都显示，它在困难任务和长程协作上明显强于 5.1，标准 API 单价也比 5.1 低 20%。

核心价值：本文按“先结论、再证据、后边界”的顺序，帮你判断 Claude Fable 5.2 到底强在哪里、强到什么程度，以及你的任务是否值得现在切换。

读懂 Claude Fable 5.2 评测前的术语速查

下文会反复出现一些评测口径。如果把它们理解错，很容易把厂商演示读成独立验证，或者把部分得分读成通过率。

• Agent：能够调用工具、连续执行多步任务的模型系统。
• Intelligence Index：Artificial Analysis（AA）的综合能力指数，是一个综合分数，不是正确率。
• OSWorld partial：桌面操作评测中按部分完成情况计分的口径，不等于整题严格通过率。
• RoboDojo Sim：在仿真机器人环境中进行的控制评测，不代表真实机器人的成功率。
• PCB：印刷电路板，用于承载并连接电子元件。
• Lean / 形式化证明：Lean 是一种能让计算机检查证明的语言和工具；形式化证明就是把数学论证改写成机器可以逐步验证的严格步骤。
• 多 Agent 协作：多个模型实例分工执行、互相沟通，最后汇总结果。

Claude Fable 5.2 有多强：先给结论，再看发布背景

一句话结论：Claude Fable 5.2 在困难编程、长程任务和视觉到动作类评测上提升显著，但不能概括为“所有任务第一”。 在部分自动化评测和偏好打分中，它仍然落后于其他模型。

发布背景需要先说明。官方称 Fable 和 Mythos 使用同一个底层模型。Fable 的网络安全和生物安全防护允许它面向一般客户开放，Mythos 只面向通过验证的组织，所以不能把 Mythos 的专属能力或得分直接算到普通 Fable 头上。

Claude Fable 5.2 核心信息速览

有两点容易被误读。第一，“最高快 30%”是厂商给出的输出速度上限，不是每个任务都能缩短 30% 的耗时。第二，Fable 5.2 的标准单价仍是 Opus 5.5（4/20 美元）的两倍。

官方也明确建议，大多数日常编码和知识工作先使用 Opus 5.5，遇到复杂任务再升级到 Fable。

Claude Fable 5.2 编程和长程任务的提升依据

编程是这次发布的主线。先看厂商公布的数据，再看两组环境不同的第三方数据。

官方能力表：Fable 5.2 对比 5.1 与 Opus 5.5

从这张表可以确认，Fable 5.2 在 FrontierSWE v2 上比 5.1 高出 13.6 个百分点，也超过了 Opus 5.5。FrontierCode 2.0 的涨幅更大，但两行数据的 effort 不同，涨幅里有一部分可能来自推理档位。

第三方数据：Claude Fable 5.2 在 AA 与 Cursor 的表现

AA 是独立评测机构，它的 Intelligence Index 中 Fable 5.2 max 为 65，高于 Opus 5.5 max 的 59，与官方表的方向一致。

Cursor 的数据来自它自己的任务和工具环境，Fable 5.2 Max 达到 60.0%，但 High 档与 Opus 5.5 High 只差 0.9 个百分点。

两组第三方数据都显示，更高的上限通常伴随更高的单任务花费。在 AA 上，从 high 到 max 分数增加 3 分，每任务成本约变为 2.92 倍。

🎯 技术建议：榜单只能缩小候选范围，最终结论要用你自己的任务集来下。建议通过 API易 apiyi.com 用同一套 OpenAI 兼容接口，在同样的提示和验收标准下对比 Opus、Fable 等多个模型，再按档位记录质量和费用。

Claude Fable 5.2 视觉与工程能力走到了哪一步

从看懂屏幕到控制动作

视觉方面最值得关注的两项是 OSWorld 2.1 和 RoboDojo Sim。OSWorld 2.1 离线子集的 partial 得分从 83.5% 提高到 89.3%，但 Opus 5.5 也已经达到 87.2%，差距不算大。

RoboDojo Sim 的变化更大，从 27.6% 升到 64.9%，说明模型把视觉理解转成连续控制动作的能力有了明显提升。

Fable 5.2 参与电子原型设计

Anthropic 与 Diode 合作制作了三种电子设备原型：语音助手、USB 扬声电话和虚拟宠物。模型参与了元件选择、PCB 布局布线、外壳设计和软件编写，Diode 的工程师负责实际制造、组装和测试。双方存在商业合作关系，读这个案例时要考虑这一点。

这个案例的边界很清楚。三种设备都只是原型，没有完成电气验证、天线调谐、热测试或认证，也没有按量产要求设计。模型没有连接工厂设备或测试仪器。所以准确的说法是“模型能深度参与电子原型设计”，而不是“模型独立造出了可以量产的产品”。

同一份研究文档中还有两项设计类数据。一是由 Diode 运行的内部评测 PCB Gym，Fable 5.2 得分 69%，对照组是 Fable 5（25%），不是 5.1。二是公开基准 BenchCAD 2.1，用于从工程图和渲染图重建 3D 零件、装配体和电路板，厂商报告 Fable 5.2 得分 83.5%。基准本身是公开的，但这次的分数尚未经过独立复测。

Claude Fable 5.2 科研与多 Agent 案例为什么引人关注

关注度最高的是数学形式化实验。官方开发者博客称，1000 个早期版本的 Fable 5.2 Agent 用 28.7 小时，在 Lean 中复现了费马大定理的形式化证明。

这个案例的价值在于大规模、长时间的任务组织能力，而不在于数学上的新发现。

实验条件需要完整说明：

• 输入是给定的：60 个命题与定义、一句话的经典证明路线提纲，以及此前已经证明的 47 条引理。
• 工具与环境：Lean、Mathlib、Git、共享数据库，以及一个不联网的沙盒，同时设有动作检查和离线监控。
• 运行过程：Agent 运行到大约 18 小时时，从保存的状态重启，又追加了 12 小时。
• 作者定位：作者自己称之为 toy experiment，并指出专业的 harness 和人类方向指导都能进一步提高效率。

因此，这是对已有数学证明的形式化。

即使加上这些限制，案例仍然说明了一个方向：多个模型实例在共享状态下分工、提交、复核，可以持续推进一项超长任务。这种能力对大型代码迁移、复杂系统重构等工程工作同样有参考价值。

Claude Fable 5.2 没有在哪些方面全面胜出

一篇负责任的能力综述必须写出反例。官方公告的同一张表里，就有两处 Fable 5.2 不占优的数据。

AA-Briefcase 这一行最有代表性。同一项任务，按评分细则（rubric）计分时 Fable 领先，按 Elo 偏好对战计分时 Opus 领先。评分口径一变，排名就可能反过来，所以用一两个榜单宣布“全面第一”是不可靠的。

另一个代价是费用。Cursor 环境中，Fable 5.2 Max 每任务 32.79 美元，Opus 5.5 High 每任务 3.97 美元，相差约 8 倍，分数差距是 4 个百分点。个人开发者 Lex Toumbourou 的小样本实验也显示，5.2 high 的准确率高于 5.1，但输出量和每轮费用都大约翻倍。

此外，Mythos 的专属安全、生物相关得分不应当算作普通 Fable 的能力。

Claude Fable 5.2 适合哪些用户现在尝试

根据官方的模型选择指南和上面的数据，可以大致这样划分：

• 值得优先试用：困难的长程编码、复杂工程设计、需要多步工具调用的研究任务。可以用自己的任务集验证是否真的有提升。
• 先用日常模型起步：日常知识问答和普通编码，按官方建议先用 Opus 5.5 等日常模型，确实遇到瓶颈再升级。

Claude Fable 5.2 试用前的五个判断维度

用统一接口完成 Claude Fable 5.2 对比测试

下面的极简示例用 OpenAI 兼容接口调用模型。把 MODEL 换成平台模型列表里实际存在的 ID，就可以在不改代码的情况下切换不同模型做对比。

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # API易 OpenAI 兼容接口
)

MODEL = "your-model-id"  # 以平台当日模型列表为准
resp = client.chat.completions.create(
    model=MODEL,
    messages=[{"role": "user", "content": "为下面的函数补充单元测试：..."}]
)
print(resp.choices[0].message.content, resp.usage)

import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# 候选模型 ID 请以平台当日模型列表为准
CANDIDATES = ["daily-model-id", "candidate-model-id"]

def run_task(model: str, prompt: str, check) -> dict:
    """执行一次任务，记录耗时、token 与验收结果"""
    start = time.time()
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )
    text = resp.choices[0].message.content
    return {
        "model": model,
        "seconds": round(time.time() - start, 2),
        "prompt_tokens": resp.usage.prompt_tokens,
        "completion_tokens": resp.usage.completion_tokens,
        "passed": bool(check(text)),  # 用你自己的验收函数
    }

def check(text: str) -> bool:
    return "def test_" in text

tasks = ["为 parse_date 函数补充单元测试：..."]
results = [run_task(m, t, check) for m in CANDIDATES for t in tasks]
for r in results:
    print(r)

对比完成后，还应该回到实际账单进行核算。API易 的日志文档提供了 model_name、prompt_tokens、completion_tokens、quota、request_id 等字段，其中 quota 除以 500000 就是美元扣费，可以按任务把升级前后的花费逐条对上。需要说明的是，按官方费率算出来的金额只是估算，以平台的实际日志为准。

🚀 快速开始：可以在 API易 apiyi.com 注册并领取新用户免费测试额度。先拿 10 到 20 个真实任务跑通对比流程，再决定是否扩大到 Fable 级别的流量。新型号是否上线、价格多少，请以平台当日公布的信息为准。

常见问题 FAQ

Claude Fable 5.2 核心要点 Key Takeaways

• 发布定位：11 月 9 日发布，与 Mythos 使用同一底层模型，面向一般客户开放。
• 编程上限：FrontierSWE v2 达到 69.9%，在官方表中高于 5.1 和 Opus 5.5。
• 第三方印证：AA max 档 65 分，CursorBench Max 60.0%，但单任务费用明显更高。
• 视觉到动作：RoboDojo Sim 从 27.6% 升到 64.9%，但这是仿真口径。
• 工程与科研：能参与电子原型设计和大规模 Lean 形式化，但都有明确的前提条件。
• 并非全胜：AutomationBench 和 Elo 口径下都存在其他模型领先的情况。
• 上手方式：可在 API易 apiyi.com 用统一接口和自有任务做对比，再决定是否升级。

总结

Claude Fable 5.2 的核心要点：

1. 困难任务提升明显：在长程编程、视觉控制等评测上，相对 5.1 进步很大。
2. 证据需要分层看：厂商自评、AA 独立榜单和 Cursor 自有环境各有适用范围，不能把数字混在一起比较。
3. 上限对应代价：高档位的能力上限往往伴随数倍的单任务费用，单价降低不等于任务成本降低。

如果你的工作主要是困难的长程编码、复杂工程或研究任务，值得现在就用自己的任务集验证 Fable 5.2 的实际提升。日常工作仍然建议从 Opus 等日常模型开始。推荐通过 API易 apiyi.com 在同一接口下对比多个模型并按日志核算成本，用数据而不是榜单来决定是否升级。

📚 参考资料

1. Anthropic 发布公告：Fable 与 Mythos 5.2 发布范围、官方能力表
2. 链接：anthropic.com/claude-fable-and-mythos-5-2

3. 说明：发布日期、速度口径和对照数据的一手来源（厂商自评）

4. Fable 5.2 模型规格：上下文、输出上限、思考模式

5. 链接：platform.claude.com/docs/en/models/fable-5-2/overview

6. 说明：官方 API 文档

7. Artificial Analysis 模型榜单：Intelligence Index 与每任务成本

8. 链接：artificialanalysis.ai/leaderboards/models

9. 说明：第三方机构动态快照

10. CursorBench 4.0：Cursor 自有环境评测

11. 链接：prod.cursor.com/evals

12. 说明：工具提供商评测，不是通用的独立复测

13. Claude 电子原型设计研究：与 Diode 合作的三种原型

14. 链接：anthropic.com/research/claude-electronics-design

15. 说明：含 PCB Gym、BenchCAD 2.1 数据及原型的局限

16. Fable 5.2 多 Agent 团队实验：Lean 形式化实验条件

17. 链接：claude.dev/blog/safely-scaling-multi-agent-teams-with-fable-5-2/

18. 说明：厂商早期快照的一次大规模运行

19. Claude 模型选择指南：Opus 与 Fable 的使用建议

20. 链接：claude.dev/blog/which-claude-model-should-you-build-with/
21. 说明：官方开发者指南

作者：APIYI 技术团队
技术交流：欢迎在 API易 官网首页联系我们，日志字段和计费说明可查阅 docs.apiyi.com 文档中心