Claude Fable 5.2 Scores 65 on Artificial Analysis, Highest So Far
379 points • 3 days ago • Article Link

Claude Fable 5.2,由 Anthropic 于 2026 年 11 月发布,是一款能力出众的专有推理模型,尽管它的性能表现让人明显感受到与行业常见水平的差异。在 Artificial Analysis Intelligence Index 上它得分为 65,高于 40 分的中位数,表明其在处理复杂任务时具备很强的智能。该模型可同时接收文本和图像输入,并输出文本结果,配备了 1 million token 的上下文窗口。

不过,尽管智力水平很高,这个模型在资金和时间上也要付出不小的代价。它被归为高成本选项:输入费用为每 million tokens 8.00 美元,输出费用为每 million tokens 40.00 美元。在评估其 Intelligence Index 表现时,单个任务的平均成本达到 26.54 美元,使其在同类模型的定价区间中处于偏高的位置。

运行速度也是 Claude Fable 5.2 区别于同业者的关键点之一。该模型刻意采用更为严谨的流程,在 Intelligence Index 上平均每个任务需要 44.1 分钟。相比类似模型观察到的 12.9 分钟中位数,它要慢得多,反映出其推理过程对时间的消耗更高。同时,它在"首个回答 token"上的耗时也较长,达到 231.55 秒,这通常意味着系统在正式生成答案前会进行大量的内部推理。

此外,它的输出也格外冗长。在智能基准测试中,该模型共产生了 275 million 个输出 token 。这个数量远高于 72.8 million 的中位数,显示出它更倾向于给出内容非常详尽、篇幅很长的回答。综合这些因素,Claude Fable 5.2 更像是一款专门工具:它把深度与分析的严谨性放在首位,而不是优先考虑速度或成本效益。

278 comments • Comments Link

• 最近的模型更新显示出性价比前沿的显著扩张,尽管最高推理档位在 Token 使用量和成本上带来了巨大的、往往令人却步的增长。

• 目前的行业趋势是通过基于推理的智能扩展来提升能力,这带来一个经济难题:答案 Token 的价格可能很快就会超过大多数用户实际愿意为之付出的价值。

• 仅依据"max"努力程度来对比模型往往会造成误导;通常较低的"high"或"medium"设置能提供更好的成本效益,同时仍能优于上一代模型。

• 用于复杂且非确定性的任务(如 3D design 、 electronics 或架构逻辑)的"frontier"模型,与面向日常 coding 或 CRUD 应用的更经济模型之间差异明显。

• Distillation 依然是关键且持续的研究方向:开发者希望把大规模模型的推理能力迁移到更小、更高效的 student models 中,用于循环性的、特定工作流的任务。

• 一些用户反馈,最新一代的 frontier models 表现出很强的"agency"或"arrogance",从而导致频繁拒绝或说教;相比之下,更顺从的替代方案反而可能更有效。

• 快速的发布周期(最前沿模型往往在几个月内就会被称为"ancient")给需要成本和性能可预测性的企业带来巨大阻力。

• 尽管基准测试显示进步显著,但"max"档位的真实价值常常局限在小众、高风险的学术或工业研究——在这类研究中,任务失败的代价远高于计算成本。

• 复杂的定价结构(推理设置会让成本波动很大)为试图大规模集成 AI 的企业制造了行政与财务上的障碍。

• 尽管对"true"机器智能仍抱怀疑,但 frontier models 正在成为专家级 debugging 、 cross-referencing 和复杂任务拆解的不可或缺工具,而这些往往是更简单的模型难以胜任的。

这场讨论反映出一个市场正在转折:单纯的"bigger is better"扩张正遭遇边际收益递减与经济可持续性的现实挑战。尽管 enthusiasts 和 power users 仍在推动最高推理档位所能达到的能力上限,但相当一部分用户正在主动为日常生产级 workflows 寻找更高效、更可预测且更顺从的模型。在快速、近乎不可持续的新产品迭代节奏与对稳定、具成本效益 infrastructure 的需求之间,形成了明显张力。最终,行业似乎正在从展示原始能力的阶段,迈向更为微妙的分层生态:模型选择越来越多取决于具体任务的需求,而非笼统的基准成绩。