Test de Claude Fable 5.2 : premier à l'indice, dernier au coût

Claude Fable 5.2 arrive en tête de l’Artificial Analysis Intelligence Index v5.0.1 avec un score de 65, et c’est aussi le modèle le plus coûteux à exécuter de ce classement : 26,54 $ de dépenses auprès du fournisseur pour effectuer une passe complète de l’index, contre 5,48 $ pour le modèle juste derrière. Une évaluation de ce modèle n’est donc pas une question de savoir s’il est bon — c’est le modèle largement diffusé disponible qui obtient le meilleur score, et la page Claude Fable 5.2 API répertorie 8,00 $ par million de tokens d’entrée et 40,00 $ par million de tokens de sortie. La question est de savoir ce que vous payez et si votre charge de travail peut l’utiliser.

Ce que c’est

Le successeur d’Anthropic à Fable 5.1, conçu pour le raisonnement exigeant et le travail agentique sur long horizon. Une fenêtre de contexte de 1 M de tokens où le maximum est la valeur par défaut, jusqu’à 128 K tokens de sortie par réponse, une entrée texte, image et document avec sortie texte, une utilisation native d’outils et du JSON structuré. La réflexion est toujours activée et adaptative, avec un réglage d’effort de faible à maximal, et la chaîne de pensée brute n’est jamais renvoyée — vous obtenez un résumé ou un champ de réflexion vide.

C’est ce dernier détail qui doit guider la conception. Vous ne pouvez pas auditer le raisonnement ; vous pouvez seulement auditer la réponse et le résumé. Pour les workflows réglementés, cela compte plus que le score d’index, et c’est aussi pourquoi il vaut la peine de définir délibérément le niveau d’effort plutôt que de le laisser à la valeur par défaut.

Le score

65 sur v5.0.1, rang 1 sur 78. Les neuf évaluations sont AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 Hard Subset et Terminal-Bench-Science 0.1 — un mélange d'évaluations agentiques et de science dure plutôt qu'un mélange de classements de codage. L'écart de cinq points sur Gemini 4 Carbon constitue l'intégralité de l'avance en tête du classement.

Le contrôle de version n'est pas une simple formalité. Les scores des versions v4.3 et v4.3.2 appartiennent à un ensemble d'évaluation différent et ne peuvent pas être tabulés avec ceux de la v5.0.1. Si vous voyez Fable 5.2 classé à côté d'un score v4.3, la comparaison est invalide, quelle que soit la respectabilité de la source.

Ce que le haut du classement coûte en temps

267 secondes pour le premier token, 76e rang sur 77 modèles disposant de données de latence — deuxième plus lent du classement. 46,8 minutes de temps réel par tâche sur les neuf évaluations, soit 1,6 fois ce que prend Carbon. La vitesse de sortie, une fois qu'il commence à écrire, est de 97 tokens par seconde, soit 35 % de plus que les 72 de Carbon, ce qui n'a aucune incidence sur le total, car le temps est consacré à la réflexion.

Face au trafic réel via OrcaRouter, le tableau est encore différent : p50 de 8,09 secondes jusqu'au premier token, p95 de 10,00 secondes, 101 tokens par seconde, sur 35,6 millions de tokens servis en sept jours. AA mesure un harnais à effort maximal ; la passerelle mesure la requête réelle médiane. Les deux chiffres sont honnêtes et aucun des deux, à lui seul, ne dit ce qu'un utilisateur vivra.

Combien cela coûte en argent

26,54 $ pour exécuter l’index — 77e rang sur 77, le modèle le plus coûteux du classement, et 4,8 fois les 5,48 $ de Gemini 4 Carbon. À 8,00 $ en entrée et 40,00 $ en sortie, le tarif mixte est environ cinq fois celui de Carbon. AA rapporte aussi 275 millions de tokens de sortie pour son exécution, contre un taux de verbosité de 0,97 pour cent ; le nombre de tokens est le chiffre qui compte, et il est supérieur aux 205 millions de Carbon malgré le pourcentage bien plus faible, de sorte que les deux statistiques ne peuvent pas être interprétées ensemble.

La mise en cache modifie les calculs pour la production, mais pas pour le benchmark. Les lectures du cache sont facturées à 0,200 $ par million et les écritures à 10,00 $, de sorte qu’un préfixe de 40 000 tokens coûte 0,40 $ à écrire une fois et 0,008 $ par lecture ultérieure, contre 0,32 $ pour une passe sans cache. Un prompt que vous envoyez vingt fois par minute est bon marché ; un document à usage unique ne l’est pas. Le Comparatif des tarifs des API LLM place ce calcul de cache à côté du reste du catalogue, où l’écart entre ce modèle et l’offre économique est d’environ cinq pour un sur la sortie.

Fiabilité

Sur la même fenêtre de sept jours, le taux d'erreur était de 10,8 pour cent des requêtes renvoyant un code non-2xx sur l'ensemble des fournisseurs en amont — environ une sur neuf. C'est bien meilleur que les 39,7 pour cent de Gemini 4 Carbon sur la même période, et ce n'est toujours pas zéro. Tout chemin de production nécessite une politique de nouvelle tentative et, si l'appel est destiné à l'utilisateur, un modèle de secours ; l'API Gemini 4 Carbon est un palier économique judicieux pour les appels qui échouent deux fois et peuvent tolérer une réponse plus faible.

Là où il gagne de l’argent

Trois schémas le justifient. Des agents à long horizon où une seule mauvaise étape invalide vingt minutes de travail, et où le coût d’une mauvaise réponse éclipse 40 $ par million de jetons. Un travail approfondi sur le code d’un dépôt que le modèle peut garder dans une fenêtre de 1 M. Et des tâches analytiques difficiles où l’alternative était un ensemble de trois modèles réconcilié à la main. Dans chaque cas, vous achetez les cinq points d’indice et, plus important encore, la réduction de la variance.

Deux schémas ne fonctionnent pas. La classification ou l’extraction à grand volume et à faible effort est un cas où un modèle moins coûteux doté d’une sortie structurée fait l’affaire, et les produits interactifs où l’utilisateur attend le premier token sont un cas où 267 secondes à effort maximal sont rédhibitoires, quelle que soit la qualité. Définissez l’effort par route et le modèle devient utilisable dans les deux cas ; laissez-le global et il sera soit gaspilleur, soit inutilisable.

Pour les comparaisons directes, Claude Fable 5.2 vs Claude Opus 5.5l'associe à l'option Anthropic moins chère, et Claude Fable 5.2 vs Claude Fable 5.1couvre la génération qu'il remplace — laquelle coûte 20 % plus cher en entrée comme en sortie, ce qui fait de cette mise à niveau à la fois une baisse de prix et un gain de score.

Verdict

Premier au classement, dernier sur le coût, deuxième plus lent à produire le premier token, et le modèle le plus capable largement diffusé que vous pouvez appeler aujourd’hui. Il vaut son prix pour les travaux où une mauvaise réponse coûte cher et où l’appel peut être asynchrone, et c’est un mauvais choix par défaut pour tout le reste. La discipline opérationnelle qu’exige le modèle — niveaux d’effort par route, budget de nouvelles tentatives, solution de repli pour les échecs qui surviennent une fois sur neuf — est le prix d’entrée, et elle ne figure pas dans la grille tarifaire.