Claude Fable 5.2 レビュー：インデックスでは首位、コストでは最下位

Claude Fable 5.2は、Artificial Analysis Intelligence Index v5.0.1で65を記録して首位に立ち、さらにそのボード上で実行コストが最も高いモデルでもあります。インデックスを1回完了するのにプロバイダー支出が$26.54かかり、すぐ後ろに続くモデルは$5.48です。したがって、このモデルのレビューは、優れているかどうかを問うものではありません — 広くリリースされているモデルの中で最高スコアであり、Claude Fable 5.2 APIページには、入力100万トークンあたり$8.00、出力100万トークンあたり$40.00と記載されています。問題は、何に支払っているのか、そしてあなたのワークロードでそれを使えるのかどうかです。

それが何であるか

AnthropicによるFable 5.1の後継モデルで、高度な推論と長期的なエージェント作業向けに構築されています。最大値がデフォルトの1Mトークンコンテキストウィンドウ、レスポンスあたり最大128K出力トークン、テキスト・画像・ドキュメント入力とテキスト出力、ネイティブのツール使用と構造化JSONを備えています。思考は常に有効で適応型であり、エフォートダイヤルは低から最大まで設定できます。生の思考連鎖は決して返されず、要約または空のthinkingフィールドが得られます。

その最後の詳細こそ、設計の中心に据えるべきものだ。推論を監査することはできず、監査できるのは回答と要約だけである。規制対象のワークフローでは、それはインデックススコアよりも重要であり、また、エフォートレベルをデフォルトのままにせず意図的に設定する価値がある理由でもある。

スコア

v5.0.1で65、順位78中1位。9つの評価は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、Terminal-Bench-Science 0.1だ — コーディングのリーダーボード寄りの構成ではなく、エージェント型と硬科学系を組み合わせたものになっている。Gemini 4 Carbonに対する5ポイントの差が、ランキング首位のリードのすべてである。

バージョンガードは形式上のものではありません。v4.3 と v4.3.2 のスコアは別の評価セットに属するため、v5.0.1 と一緒に集計することはできません。Fable 5.2 が v4.3 のスコアの隣にランク付けされているのを見かけたら、その比較は、情報源がどれほど信頼できても無効です。

ボードのトップに立つには時間がどれだけかかるか

最初のトークンまで267秒、レイテンシデータのある77モデル中76位 — ボード上で2番目に遅い。46.8分が9つの評価全体でのタスクあたりの実時間で、Carbonの1.6倍。書き始めてからの出力速度は毎秒97トークンで、Carbonの72より35パーセント速いが、総時間には無関係だ。時間は思考に費やされるからである。

OrcaRouter を経由した実際のトラフィックに対しては、また状況が異なります。最初のトークンまでの p50 は 8.09 秒、p95 は 10.00 秒、毎秒 101 トークンで、7 日間で提供された 3560 万トークンにわたる数値です。AA はハーネスを最大限の負荷で測定し、ゲートウェイは実際のリクエストの中央値を測定します。どちらの数値も正直であり、どちらか一方だけではユーザーが何を体験するかは分かりません。

金銭面でいくらかかるか

$26.54でインデックスを実行 — 77中77位、掲載モデルの中で最も高価で、Gemini 4 Carbonの$5.48の4.8倍です。入力$8.00、出力$40.00では、混合レートはCarbonのおよそ5倍です。AAはまた、その実行で2億7500万出力トークンと、0.97パーセントという冗長性の数値を報告しています。重要なのはトークン数であり、割合がはるかに低いにもかかわらずCarbonの2億500万より高いため、この2つの統計を対として読むことはできません。

キャッシュは本番環境の計算を変えるが、ベンチマークの計算は変えない。キャッシュの読み取りは100万トークンあたり$0.200、書き込みは$10.00で課金されるため、40,000トークンのプレフィックスは初回書き込みに$0.40、以降の読み取りごとに$0.008かかり、キャッシュなしの1回の処理では$0.32となる。1分に20回送るプロンプトは安く、1回限りの文書は安くない。LLM API 価格比較は、そのキャッシュの計算をカタログの残りと並べて示しており、このモデルと安価なティアの差は出力でおおよそ5対1である。

信頼性

同じ7日間の期間中、エラー率は10.8パーセントでした。すべての上流プロバイダーで非2xxを返したリクエストの割合で、およそ9件に1件です。これは同時期のGemini 4 Carbonの39.7パーセントよりはるかに優れていますが、依然としてゼロではありません。本番環境の経路にはリトライポリシーが必要で、呼び出しがユーザー向けならフォールバックモデルも必要です。Gemini 4 Carbon APIは、2回失敗する呼び出しで、より弱い回答を許容できる場合に適した妥当な低コスト階層です。

どこでお金を稼いでいるのか

それを正当化するパターンは3つある。長時間にわたるエージェント作業で、1回の誤ったステップが20分の作業を無効化し、誤った回答のコストが100万トークンあたり40ドルをはるかに上回る場合。モデルが1Mウィンドウに収められるリポジトリでの深いコード作業。そして、代替手段が3モデルのアンサンブルを手作業で突き合わせることだった困難な分析タスク。いずれの場合も、購入しているのは5つのインデックスポイントであり、さらに重要なのは分散の減少だ。

2つのパターンはそうではない。低エフォートでの大量分類や抽出は、構造化出力を備えた安価なモデルで事足りる場面であり、ユーザーが最初のトークンを待つ対話型製品は、最大エフォートで267秒かかるなら品質に関係なく不適格となる場面だ。ルートごとにエフォートを設定すれば、モデルはどちらでも使えるようになる。グローバル設定のままにすれば、無駄になるか使えなくなるかのどちらかだ。

直接比較では、Claude Fable 5.2 vs Claude Opus 5.5がより安価なAnthropicの選択肢と組み合わされ、Claude Fable 5.2 vs Claude Fable 5.1は置き換える世代をカバーしています。その世代は入力と出力の両方で20パーセント高価であり、アップグレードはスコアの向上だけでなく価格の引き下げにもなっています。

評決

インデックスで首位、コストでは最下位、最初のトークンが出るまでの速さでは後ろから2番目、そして今日呼び出せる中で最も高性能かつ広く公開されているモデルだ。誤った回答の代償が大きく、呼び出しを非同期にできる仕事なら、その費用に見合う価値がある。それ以外のすべてにとっては、間違ったデフォルトだ。このモデルが求める運用上の規律——ルートごとのエフォートレベル、リトライの予算、9回に1回の失敗に備えるフォールバック——は参入に必要なコストであり、価格表には載っていない。