Recensione di Claude Fable 5.2: primo nell'Indice, ultimo nei costi

Claude Fable 5.2 è primo nell'Artificial Analysis Intelligence Index v5.0.1 con 65, ed è anche il modello più costoso da eseguire in quella classifica: 26,54 $ di spesa del provider per completare una singola passata dell'indice, contro 5,48 $ per il modello immediatamente dietro. Una sua recensione non è quindi una questione di quanto sia buono — è il modello con il punteggio più alto tra quelli ampiamente rilasciati e disponibili, e la Claude Fable 5.2 APIpagina indica 8,00 $ per milione di token in input e 40,00 $ per milione in output. La domanda è per cosa stai pagando e se il tuo carico di lavoro può utilizzarlo.

Che cos'è

Il successore di Fable 5.1 di Anthropic, pensato per ragionamenti impegnativi e lavoro agentico su orizzonti lunghi. Una finestra di contesto da 1M di token in cui il massimo è il valore predefinito, fino a 128K token di output per risposta, input di testo, immagini e documenti con output testuale, uso nativo degli strumenti e JSON strutturato. Il pensiero è sempre attivo e adattivo, con un selettore dello sforzo da basso a massimo, e la catena di pensiero grezza non viene mai restituita: si ottiene un riassunto oppure un campo thinking vuoto.

Quel ultimo dettaglio è quello su cui impostare la progettazione. Non puoi verificare il ragionamento; puoi verificare solo la risposta e il riepilogo. Per i flussi di lavoro regolamentati questo conta più del punteggio dell'indice, ed è anche il motivo per cui vale la pena impostare deliberatamente il livello di impegno invece di lasciarlo al valore predefinito.

Il punteggio

65 su v5.0.1, posizione 1 di 78. Le nove valutazioni sono 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 e Terminal-Bench-Science 0.1 — un mix agentico e di scienze dure anziché un mix da classifica di coding. Il divario di cinque punti rispetto a Gemini 4 Carbon costituisce l'intero vantaggio in testa alla classifica.

Il controllo della versione non è una formalità. I punteggi di v4.3 e v4.3.2 appartengono a un insieme di valutazione diverso e non possono essere inseriti nella stessa tabella di v5.0.1. Se vedi Fable 5.2 classificato accanto a un punteggio v4.3, il confronto non è valido, per quanto autorevole sia la fonte.

Quanto costa in termini di tempo il vertice della classifica

267 secondi al primo token, 76º posto su 77 modelli con dati di latenza — il secondo più lento della classifica. 46,8 minuti di tempo reale per attività sulle nove valutazioni, 1,6 volte quanto impiega Carbon. La velocità di output, una volta che inizia a scrivere, è di 97 token al secondo, il 35 percento in più dei 72 di Carbon e irrilevante ai fini del totale, perché il tempo se ne va nel ragionamento.

Sul traffico reale attraverso OrcaRouter il quadro cambia ancora: p50 8,09 secondi al primo token, p95 10,00 secondi, 101 token al secondo, su 35,6 milioni di token serviti in sette giorni. AA misura un harness al massimo sforzo; il gateway misura la mediana delle richieste reali. Entrambi i numeri sono onesti e nessuno dei due, da solo, ti dice cosa sperimenterà un utente.

Quanto costa in denaro

26,54 $ per eseguire l'indice — 77º posto su 77, il modello più costoso della classifica, e 4,8 volte i 5,48 $ di Gemini 4 Carbon. Con 8,00 $ in input e 40,00 $ in output, la tariffa combinata è circa cinque volte quella di Carbon. AA riporta inoltre 275 milioni di token in output per la sua esecuzione rispetto a un valore di verbosità dello 0,97 percento; il conteggio dei token è il dato che conta, ed è superiore ai 205 milioni di Carbon nonostante la percentuale molto più bassa, quindi le due statistiche non possono essere lette come una coppia.

La cache cambia l'aritmetica per la produzione ma non per il benchmark. Le letture dalla cache costano $0,200 per milione e le scritture $10,00, quindi un prefisso di 40.000 token costa $0,40 per la scrittura una volta e $0,008 per ogni lettura successiva, contro $0,32 per un singolo passaggio senza cache. Un prompt che invii venti volte al minuto costa poco; un documento inviato una sola volta no. Il confronto dei prezzi delle API LLM mette quell'aritmetica della cache accanto al resto del catalogo, dove il divario tra questo modello e il livello economico è di circa cinque a uno sull'output.

Affidabilità

Nella stessa finestra di sette giorni il tasso di errore è stato del 10,8 percento di richieste che restituivano risposte non-2xx su tutti i provider upstream — circa una su nove. È molto meglio del 39,7 percento di Gemini 4 Carbon nello stesso periodo e comunque non è zero. Qualsiasi percorso di produzione necessita di una politica di retry e, se la chiamata è rivolta all'utente, di un modello di fallback; la Gemini 4 Carbon API è un livello economico sensato per le chiamate che falliscono due volte e possono tollerare una risposta più debole.

Dove guadagna i soldi

Tre schemi lo giustificano. Agenti a lungo orizzonte in cui un singolo passo sbagliato invalida venti minuti di lavoro, e il costo di una risposta errata fa impallidire i 40 $ per milione di token. Lavoro approfondito sul codice su un repository che il modello può tenere in una finestra da 1M. E compiti analitici difficili in cui l'alternativa era un ensemble di tre modelli riconciliato a mano. In ogni caso stai comprando i cinque punti di indice e, cosa più importante, la riduzione della varianza.

Due pattern non funzionano. La classificazione o l'estrazione ad alto volume a basso effort è un ambito in cui un modello più economico con output strutturato fa il suo lavoro, e i prodotti interattivi in cui l'utente attende il primo token sono un ambito in cui 267 secondi con effort massimo sono inaccettabili a prescindere dalla qualità. Imposta l'effort per route e il modello diventa utilizzabile in entrambi i casi; lascialo globale e sarà o uno spreco o inutilizzabile.

Per i confronti diretti, Claude Fable 5.2 vs Claude Opus 5.5lo abbina all'opzione Anthropic più economica, e Claude Fable 5.2 vs Claude Fable 5.1 copre la generazione che sostituisce — che costa il 20 per cento in più sia in input che in output, rendendo l'aggiornamento anche un taglio di prezzo oltre che un guadagno di punteggio.

Verdetto

Primo nell'indice, ultimo sul costo, secondo più lento al primo token e il modello più capace tra quelli ampiamente rilasciati che puoi chiamare oggi. Vale la spesa per i lavori in cui una risposta sbagliata costa cara e la chiamata può essere asincrona, ed è la scelta predefinita sbagliata per tutto il resto. La disciplina operativa che il modello richiede — livelli di effort per route, un budget di retry, un fallback per i fallimenti uno su nove — è il prezzo d'ingresso, e non è nella tabella dei prezzi.