Claude Fable 5.2發佈，能力提升在哪裏？

Anthropic 於 2026 年 11 月 9 日正式發佈 Claude Fable 5.2。官方能力表和第三方榜單都顯示，它在困難任務和長程協作上明顯強於 5.1，標準 API 單價也比 5.1 低 20%。

核心價值：本文按“先結論、再證據、後邊界”的順序，幫你判斷 Claude Fable 5.2 到底強在哪裏、強到什麼程度，以及你的任務是否值得現在切換。

讀懂 Claude Fable 5.2 評測前的術語速查

下文會反覆出現一些評測口徑。如果把它們理解錯，很容易把廠商演示讀成獨立驗證，或者把部分得分讀成通過率。

• Agent：能夠調用工具、連續執行多步任務的模型系統。
• Intelligence Index：Artificial Analysis（AA）的綜合能力指數，是一個綜合分數，不是正確率。
• OSWorld partial：桌面操作評測中按部分完成情況計分的口徑，不等於整題嚴格通過率。
• RoboDojo Sim：在仿真機器人環境中進行的控制評測，不代表真實機器人的成功率。
• PCB：印刷電路板，用於承載並連接電子元件。
• Lean / 形式化證明：Lean 是一種能讓計算機檢查證明的語言和工具；形式化證明就是把數學論證改寫成機器可以逐步驗證的嚴格步驟。
• 多 Agent 協作：多個模型實例分工執行、互相溝通，最後彙總結果。

Claude Fable 5.2 有多強：先給結論，再看發佈背景

一句話結論：Claude Fable 5.2 在困難編程、長程任務和視覺到動作類評測上提升顯著，但不能概括爲“所有任務第一”。 在部分自動化評測和偏好打分中，它仍然落後於其他模型。

發佈背景需要先說明。官方稱 Fable 和 Mythos 使用同一個底層模型。Fable 的網絡安全和生物安全防護允許它面向一般客戶開放，Mythos 只面向通過驗證的組織，所以不能把 Mythos 的專屬能力或得分直接算到普通 Fable 頭上。

Claude Fable 5.2 核心信息速覽

有兩點容易被誤讀。第一，“最高快 30%”是廠商給出的輸出速度上限，不是每個任務都能縮短 30% 的耗時。第二，Fable 5.2 的標準單價仍是 Opus 5.5（4/20 美元）的兩倍。

官方也明確建議，大多數日常編碼和知識工作先使用 Opus 5.5，遇到複雜任務再升級到 Fable。

Claude Fable 5.2 編程和長程任務的提升依據

編程是這次發佈的主線。先看廠商公佈的數據，再看兩組環境不同的第三方數據。

官方能力表：Fable 5.2 對比 5.1 與 Opus 5.5

從這張表可以確認，Fable 5.2 在 FrontierSWE v2 上比 5.1 高出 13.6 個百分點，也超過了 Opus 5.5。FrontierCode 2.0 的漲幅更大，但兩行數據的 effort 不同，漲幅裏有一部分可能來自推理檔位。

第三方數據：Claude Fable 5.2 在 AA 與 Cursor 的表現

AA 是獨立評測機構，它的 Intelligence Index 中 Fable 5.2 max 爲 65，高於 Opus 5.5 max 的 59，與官方表的方向一致。

Cursor 的數據來自它自己的任務和工具環境，Fable 5.2 Max 達到 60.0%，但 High 檔與 Opus 5.5 High 只差 0.9 個百分點。

兩組第三方數據都顯示，更高的上限通常伴隨更高的單任務花費。在 AA 上，從 high 到 max 分數增加 3 分，每任務成本約變爲 2.92 倍。

🎯 技術建議：榜單隻能縮小候選範圍，最終結論要用你自己的任務集來下。建議通過 API易 apiyi.com 用同一套 OpenAI 兼容接口，在同樣的提示和驗收標準下對比 Opus、Fable 等多個模型，再按檔位記錄質量和費用。

Claude Fable 5.2 視覺與工程能力走到了哪一步

從看懂屏幕到控制動作

視覺方面最值得關注的兩項是 OSWorld 2.1 和 RoboDojo Sim。OSWorld 2.1 離線子集的 partial 得分從 83.5% 提高到 89.3%，但 Opus 5.5 也已經達到 87.2%，差距不算大。

RoboDojo Sim 的變化更大，從 27.6% 升到 64.9%，說明模型把視覺理解轉成連續控制動作的能力有了明顯提升。

Fable 5.2 參與電子原型設計

Anthropic 與 Diode 合作製作了三種電子設備原型：語音助手、USB 揚聲電話和虛擬寵物。模型參與了元件選擇、PCB 佈局佈線、外殼設計和軟件編寫，Diode 的工程師負責實際製造、組裝和測試。雙方存在商業合作關係，讀這個案例時要考慮這一點。

這個案例的邊界很清楚。三種設備都只是原型，沒有完成電氣驗證、天線調諧、熱測試或認證，也沒有按量產要求設計。模型沒有連接工廠設備或測試儀器。所以準確的說法是“模型能深度參與電子原型設計”，而不是“模型獨立造出了可以量產的產品”。

同一份研究文檔中還有兩項設計類數據。一是由 Diode 運行的內部評測 PCB Gym，Fable 5.2 得分 69%，對照組是 Fable 5（25%），不是 5.1。二是公開基準 BenchCAD 2.1，用於從工程圖和渲染圖重建 3D 零件、裝配體和電路板，廠商報告 Fable 5.2 得分 83.5%。基準本身是公開的，但這次的分數尚未經過獨立複測。

Claude Fable 5.2 科研與多 Agent 案例爲什麼引人關注

關注度最高的是數學形式化實驗。官方開發者博客稱，1000 個早期版本的 Fable 5.2 Agent 用 28.7 小時，在 Lean 中復現了費馬大定理的形式化證明。

這個案例的價值在於大規模、長時間的任務組織能力，而不在於數學上的新發現。

實驗條件需要完整說明：

• 輸入是給定的：60 個命題與定義、一句話的經典證明路線提綱，以及此前已經證明的 47 條引理。
• 工具與環境：Lean、Mathlib、Git、共享數據庫，以及一個不聯網的沙盒，同時設有動作檢查和離線監控。
• 運行過程：Agent 運行到大約 18 小時時，從保存的狀態重啓，又追加了 12 小時。
• 作者定位：作者自己稱之爲 toy experiment，並指出專業的 harness 和人類方向指導都能進一步提高效率。

因此，這是對已有數學證明的形式化。

即使加上這些限制，案例仍然說明了一個方向：多個模型實例在共享狀態下分工、提交、複覈，可以持續推進一項超長任務。這種能力對大型代碼遷移、複雜系統重構等工程工作同樣有參考價值。

Claude Fable 5.2 沒有在哪些方面全面勝出

一篇負責任的能力綜述必須寫出反例。官方公告的同一張表裏，就有兩處 Fable 5.2 不佔優的數據。

AA-Briefcase 這一行最有代表性。同一項任務，按評分細則（rubric）計分時 Fable 領先，按 Elo 偏好對戰計分時 Opus 領先。評分口徑一變，排名就可能反過來，所以用一兩個榜單宣佈“全面第一”是不可靠的。

另一個代價是費用。Cursor 環境中，Fable 5.2 Max 每任務 32.79 美元，Opus 5.5 High 每任務 3.97 美元，相差約 8 倍，分數差距是 4 個百分點。個人開發者 Lex Toumbourou 的小樣本實驗也顯示，5.2 high 的準確率高於 5.1，但輸出量和每輪費用都大約翻倍。

此外，Mythos 的專屬安全、生物相關得分不應當算作普通 Fable 的能力。

Claude Fable 5.2 適合哪些用戶現在嘗試

根據官方的模型選擇指南和上面的數據，可以大致這樣劃分：

• 值得優先試用：困難的長程編碼、複雜工程設計、需要多步工具調用的研究任務。可以用自己的任務集驗證是否真的有提升。
• 先用日常模型起步：日常知識問答和普通編碼，按官方建議先用 Opus 5.5 等日常模型，確實遇到瓶頸再升級。

Claude Fable 5.2 試用前的五個判斷維度

用統一接口完成 Claude Fable 5.2 對比測試

下面的極簡示例用 OpenAI 兼容接口調用模型。把 MODEL 換成平臺模型列表裏實際存在的 ID，就可以在不改代碼的情況下切換不同模型做對比。

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"  # 以平臺當日模型列表爲準
resp = client.chat.completions.create(
    model=MODEL,
    messages=[{"role": "user", "content": "爲下面的函數補充單元測試：..."}]
)
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"
)

# 候選模型 ID 請以平臺當日模型列表爲準
CANDIDATES = ["daily-model-id", "candidate-model-id"]

def run_task(model: str, prompt: str, check) -> dict:
    """執行一次任務，記錄耗時、token 與驗收結果"""
    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)),  # 用你自己的驗收函數
    }

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

tasks = ["爲 parse_date 函數補充單元測試：..."]
results = [run_task(m, t, check) for m in CANDIDATES for t in tasks]
for r in results:
    print(r)

對比完成後，還應該回到實際賬單進行覈算。API易 的日誌文檔提供了 model_name、prompt_tokens、completion_tokens、quota、request_id 等字段，其中 quota 除以 500000 就是美元扣費，可以按任務把升級前後的花費逐條對上。需要說明的是，按官方費率算出來的金額只是估算，以平臺的實際日誌爲準。

🚀 快速開始：可以在 API易 apiyi.com 註冊並領取新用戶免費測試額度。先拿 10 到 20 個真實任務跑通對比流程，再決定是否擴大到 Fable 級別的流量。新型號是否上線、價格多少，請以平臺當日公佈的信息爲準。

常見問題 FAQ

Claude Fable 5.2 核心要點 Key Takeaways

• 發佈定位：11 月 9 日發佈，與 Mythos 使用同一底層模型，面向一般客戶開放。
• 編程上限：FrontierSWE v2 達到 69.9%，在官方表中高於 5.1 和 Opus 5.5。
• 第三方印證：AA max 檔 65 分，CursorBench Max 60.0%，但單任務費用明顯更高。
• 視覺到動作：RoboDojo Sim 從 27.6% 升到 64.9%，但這是仿真口徑。
• 工程與科研：能參與電子原型設計和大規模 Lean 形式化，但都有明確的前提條件。
• 並非全勝：AutomationBench 和 Elo 口徑下都存在其他模型領先的情況。
• 上手方式：可在 API易 apiyi.com 用統一接口和自有任務做對比，再決定是否升級。

總結

Claude Fable 5.2 的核心要點：

1. 困難任務提升明顯：在長程編程、視覺控制等評測上，相對 5.1 進步很大。
2. 證據需要分層看：廠商自評、AA 獨立榜單和 Cursor 自有環境各有適用範圍，不能把數字混在一起比較。
3. 上限對應代價：高檔位的能力上限往往伴隨數倍的單任務費用，單價降低不等於任務成本降低。

如果你的工作主要是困難的長程編碼、複雜工程或研究任務，值得現在就用自己的任務集驗證 Fable 5.2 的實際提升。日常工作仍然建議從 Opus 等日常模型開始。推薦通過 API易 apiyi.com 在同一接口下對比多個模型並按日誌覈算成本，用數據而不是榜單來決定是否升級。

📚 參考資料

1. Anthropic 發佈公告：Fable 與 Mythos 5.2 發佈範圍、官方能力表
2. 鏈接：anthropic.com/claude-fable-and-mythos-5-2

3. 說明：發佈日期、速度口徑和對照數據的一手來源（廠商自評）

4. Fable 5.2 模型規格：上下文、輸出上限、思考模式

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

6. 說明：官方 API 文檔

7. Artificial Analysis 模型榜單：Intelligence Index 與每任務成本

8. 鏈接：artificialanalysis.ai/leaderboards/models

9. 說明：第三方機構動態快照

10. CursorBench 4.0：Cursor 自有環境評測

11. 鏈接：prod.cursor.com/evals

12. 說明：工具提供商評測，不是通用的獨立複測

13. Claude 電子原型設計研究：與 Diode 合作的三種原型

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

15. 說明：含 PCB Gym、BenchCAD 2.1 數據及原型的侷限

16. Fable 5.2 多 Agent 團隊實驗：Lean 形式化實驗條件

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

18. 說明：廠商早期快照的一次大規模運行

19. Claude 模型選擇指南：Opus 與 Fable 的使用建議

20. 鏈接：claude.dev/blog/which-claude-model-should-you-build-with/
21. 說明：官方開發者指南

作者：APIYI 技術團隊
技術交流：歡迎在 API易 官網首頁聯繫我們，日誌字段和計費說明可查閱 docs.apiyi.com 文檔中心