مراجعة Claude Fable 5.2: الأول على المؤشر، الأخير في التكلفة

يأتي Claude Fable 5.2 في المرتبة الأولى على Artificial Analysis Intelligence Index v5.0.1 بدرجة 65، وهو أيضًا النموذج الأغلى تشغيلًا في تلك القائمة: 26.54 دولارًا من إنفاق المزوّد لإكمال تمريرة واحدة على المؤشر، مقابل 5.48 دولارات للنموذج الذي يليه مباشرة. لذا فإن مراجعته ليست مسألة ما إذا كان جيدًا — فهو النموذج الأفضل تقييمًا بين النماذج المتاحة على نطاق واسع، وClaude Fable 5.2 API، إذ تسرد الصفحة 8.00 دولارات لكل مليون رمز إدخال و40.00 دولارًا لكل مليون رمز إخراج. السؤال هو ما الذي تدفع مقابله، وما إذا كان حمل العمل لديك قادرًا على استخدامه.

ما هو

خليفة Anthropic لـ Fable 5.1، المصمم للاستدلال المتطلّب والعمل الوكيلي طويل الأمد. نافذة سياق بسعة 1 مليون رمز حيث الحد الأقصى هو الوضع الافتراضي، وحتى 128K رمز إخراج لكل استجابة، وإدخال نصي وصوري ومستندات مع إخراج نصي، واستخدام أدوات أصلي وJSON منظّم. التفكير مفعّل دائمًا وقابل للتكيّف، مع مقياس جهد من منخفض إلى أقصى، وسلسلة التفكير الخام لا تُعاد أبدًا — تحصل على ملخص أو حقل تفكير فارغ.

هذه التفصيلة الأخيرة هي التي ينبغي التصميم حولها. لا يمكنك تدقيق الاستدلال؛ يمكنك فقط تدقيق الإجابة والملخص. وبالنسبة لسير العمل الخاضع للتنظيم، فإن ذلك يهم أكثر من درجة المؤشر، وهو أيضًا سبب استحقاق مستوى الجهد لأن يُضبط عمدًا بدلًا من تركه على الوضع الافتراضي.

النتيجة

65 على v5.0.1، الترتيب 1 من 78. التقييمات التسعة هي AA-Briefcase v1.1 وAutomationBench-AA وTerminal-Bench 4.0 وFrontierCode-AA 2.0 وAA-Omniscience v1.1 وGDP.pdf وHLE-Diamond وCritPt v2 Hard Subset وTerminal-Bench-Science 0.1 — مزيج من التقييمات الوكيلية والعلوم الصعبة بدلاً من مزيج من لوحات صدارة البرمجة. والفارق البالغ خمس نقاط عن Gemini 4 Carbon هو كامل الأسبقية في قمة اللوحة.

حارس الإصدار ليس إجراءً شكليًا. فالدرجات من v4.3 وv4.3.2 تنتمي إلى مجموعة تقييم مختلفة ولا يمكن جدولتها مقابل v5.0.1. وإذا رأيت Fable 5.2 مُرتّبًا إلى جانب درجة من v4.3، فإن المقارنة غير صالحة مهما كان المصدر محترمًا.

ما الذي تُكلّفه قمة اللوحة من الوقت

267 ثانية حتى أول رمز، والمرتبة 76 من 77 نموذجًا لديها بيانات زمن الوصول — وهو ثاني أبطأ في القائمة. 46.8 دقيقة من الزمن الفعلي لكل مهمة عبر التقييمات التسعة، أي 1.6 ضعف ما يستغرقه Carbon. سرعة الإخراج بمجرد بدء الكتابة هي 97 رمزًا في الثانية، وهي أسرع بنسبة 35 بالمئة من 72 لدى Carbon ولا تؤثر في الإجمالي، لأن الوقت يُقضى في التفكير.

في مقابل حركة المرور الحية عبر OrcaRouter، تختلف الصورة مرة أخرى: p50 8.09 ثانية حتى التوكن الأول، وp95 10.00 ثانية، و101 توكن في الثانية، عبر 35.6 مليون توكن تم تقديمها خلال سبعة أيام. تقيس AA أداة اختبار بأقصى جهد؛ بينما تقيس البوابة الطلب الحقيقي الوسيط. كلا الرقمين صادقان، ولا يخبرك أي منهما بمفرده بما سيواجهه المستخدم.

كم تبلغ تكلفته من المال

26.54 دولارًا لتشغيل المؤشر — المرتبة 77 من 77، أغلى نموذج في القائمة، و4.8 أضعاف 5.48 دولارًا لـ Gemini 4 Carbon. عند 8.00 دولارات للإدخال و40.00 دولارًا للإخراج، يكون المعدل المدمج نحو خمسة أضعاف معدل Carbon. يذكر AA أيضًا 275 مليون رمز إخراج لتشغيله مقابل رقم إسهاب قدره 0.97 بالمئة؛ عدد الرموز هو الرقم المهم، وهو أعلى من 205 ملايين لدى Carbon رغم النسبة الأقل بكثير، لذا لا يمكن قراءة هاتين الإحصائيتين معًا كزوج.

يغيّر التخزين المؤقت حسابات الإنتاج، لكنه لا يغيّر حسابات الاختبار المعياري. تُحتسب قراءات الذاكرة المؤقتة بسعر 0.200 دولار لكل مليون، والكتابات بسعر 10.00 دولارات، لذا تكلّف بادئة من 40,000 رمز 0.40 دولار للكتابة مرة واحدة، و0.008 دولار لكل قراءة لاحقة، مقابل 0.32 دولار لتمريرة واحدة دون تخزين مؤقت. إرسال مطالبة عشرين مرة في الدقيقة رخيص؛ أما مستند يُستخدم مرة واحدة فليس كذلك. مقارنة أسعار واجهات برمجة تطبيقات LLM تضع تلك الحسابات الخاصة بالتخزين المؤقت إلى جانب بقية الكتالوج، حيث تبلغ الفجوة بين هذا الطراز والطبقة الرخيصة نحو خمسة إلى واحد في الإخراج.

الموثوقية

على مدى نافذة الأيام السبعة نفسها، كان معدل الخطأ 10.8 بالمئة من الطلبات التي تعيد حالة غير 2xx عبر جميع المزوّدين في السلسلة — نحو واحد من كل تسعة. وهذا أفضل بكثير من نسبة 39.7 بالمئة لدى Gemini 4 Carbon خلال الفترة نفسها، لكنه ليس صفرًا بعد. أي مسار إنتاجي يحتاج إلى سياسة إعادة محاولة، وإذا كان الاستدعاء موجّهًا للمستخدم، إلى نموذج احتياطي؛ إن Gemini 4 Carbon API طبقة رخيصة معقولة للاستدعاءات التي تفشل مرتين ويمكنها تحمّل إجابة أضعف.

حيث يكسب المال

ثلاثة أنماط تبرر ذلك. وكلاء طويلة الأفق حيث تبطل خطوة خاطئة واحدة عشرين دقيقة من العمل، وتتجاوز تكلفة إجابة سيئة بكثير 40 دولارًا لكل مليون رمز. وعمل برمجي عميق على مستودع يستطيع النموذج استيعابه في نافذة سعة مليون. ومهام تحليلية صعبة كان البديل فيها تجميعًا من ثلاثة نماذج يُوفَّق بينها يدويًا. في كل حالة، أنت تشتري نقاط المؤشر الخمس، والأهم من ذلك، تقليل التباين.

أما نمطان فلا. التصنيف أو الاستخراج عالي الحجم عند جهد منخفض هو مجال يؤدي فيه نموذج أرخص ذو مخرجات منظمة الغرض، والمنتجات التفاعلية التي ينتظر فيها المستخدم الرمز الأول هي مجال يجعل 267 ثانية بأقصى جهد غير مقبولة بغض النظر عن الجودة. اضبط الجهد لكل مسار يصبح النموذج قابلاً للاستخدام في الحالتين؛ واتركه عالميًا وسيكون إما مسرفًا أو غير قابل للاستخدام.

بالنسبة للمقارنات المباشرة، Claude Fable 5.2 مقابل Claude Opus 5.5 يقرنه بالخيار الأرخص من Anthropic، وClaude Fable 5.2 مقابل Claude Fable 5.1 يغطي الجيل الذي يستبدله — وهو أغلى بنسبة 20 بالمئة في كل من الإدخال والإخراج، مما يجعل الترقية تخفيضًا في السعر وزيادةً في النتيجة معًا.

حكم

الأول في المؤشر، والأخير في التكلفة، وثاني أبطأ نموذج في زمن الوصول إلى أول رمز، وأقدر نموذج متاح على نطاق واسع يمكنك استدعاؤه اليوم. يستحق المال للعمل الذي تكون فيه الإجابة الخاطئة مكلفة ويمكن أن يكون الاستدعاء غير متزامن، وهو الخيار الافتراضي الخاطئ لكل ما عدا ذلك. الانضباط التشغيلي الذي يطلبه النموذج — مستويات الجهد لكل مسار، وميزانية لإعادة المحاولة، وبديل احتياطي لحالات الفشل بنسبة واحد من تسعة — هو ثمن الدخول، وهو ليس في جدول الأسعار.