Claude Fable 5.2-recensie: bovenaan de Index, onderaan qua kosten

Claude Fable 5.2 staat op de eerste plaats in de Artificial Analysis Intelligence Index v5.0.1 met 65, en het is ook het duurste model in die ranglijst om te draaien: $26,54 aan providerkosten om één keer de index te doorlopen, tegenover $5,48 voor het model direct daarachter. Een review ervan draait dus niet om de vraag of het goed is — het is het best scorende, breed beschikbare model dat er is, en de Claude Fable 5.2 API-pagina vermeldt $8,00 per miljoen input en $40,00 per miljoen output. De vraag is waarvoor je betaalt en of je workload er gebruik van kan maken.

Wat het is

Anthropics opvolger van Fable 5.1, gebouwd voor veeleisend redeneren en langdurig agentisch werk. Een contextvenster van 1M tokens waarbij het maximum de standaard is, tot 128K uitvoertokens per antwoord, tekst-, afbeeldings- en documentinvoer met tekst als uitvoer, native toolgebruik en gestructureerde JSON. Denken staat altijd aan en is adaptief, met een inspanningsknop van laag tot max, en de ruwe gedachtegang wordt nooit teruggegeven — je krijgt een samenvatting of een leeg thinking-veld.

Dat laatste detail is waar je het ontwerp op moet afstemmen. Je kunt de redenering niet auditen; je kunt alleen het antwoord en de samenvatting auditen. Voor gereguleerde workflows is dat belangrijker dan de indexscore, en dat is ook waarom het de moeite loont om het inspanningsniveau bewust in te stellen in plaats van het op de standaardwaarde te laten.

De score

65 op v5.0.1, rang 1 van 78. De negen evaluaties zijn 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 en Terminal-Bench-Science 0.1 — een agentische en hard-science-mix in plaats van een codingleaderboard-mix. Het verschil van vijf punten met Gemini 4 Carbon vormt de hele voorsprong aan de top van het klassement.

De versiebeveiliging is geen formaliteit. Scores van v4.3 en v4.3.2 behoren tot een andere evaluatieset en kunnen niet in dezelfde tabel als v5.0.1 worden opgenomen. Als je Fable 5.2 naast een v4.3-score gerangschikt ziet, is de vergelijking ongeldig, hoe respectabel de bron ook is.

Wat de top van de ranglijst aan tijd kost

267 seconden tot het eerste token, rang 76 van de 77 modellen met latencygegevens — op één na traagste op de ranglijst. 46,8 minuten kloktijd per taak over de negen evaluaties, 1,6 keer zoveel als Carbon nodig heeft. De outputsnelheid zodra het begint te schrijven is 97 tokens per seconde, die 35 procent sneller is dan de 72 van Carbon en irrelevant voor het totaal, omdat de tijd wordt besteed aan nadenken.

Bij live verkeer via OrcaRouter ziet het beeld er weer anders uit: p50 8,09 seconden tot het eerste token, p95 10,00 seconden, 101 tokens per seconde, over 35,6 miljoen tokens die in zeven dagen zijn verwerkt. AA meet een testharnas op maximale inspanning; de gateway meet het mediane werkelijke verzoek. Beide cijfers zijn eerlijk en geen van beide vertelt op zichzelf wat een gebruiker zal ervaren.

Wat het in geld kost

$26,54 om de index te draaien — rang 77 van 77, het duurste model in de lijst, en 4,8 keer de $5,48 van Gemini 4 Carbon. Bij $8,00 in en $40,00 uit is het gemengde tarief ongeveer vijf keer dat van Carbon. AA meldt ook 275 miljoen outputtokens voor zijn run tegenover een verbositeitswaarde van 0,97 procent; het tokental is het cijfer dat ertoe doet, en het ligt hoger dan de 205 miljoen van Carbon ondanks het veel lagere percentage, dus de twee statistieken kunnen niet als een paar worden gelezen.

Caching verandert de rekensom voor productie, maar niet voor de benchmark. Cache-leesacties worden gefactureerd tegen $0,200 per miljoen en schrijfacties tegen $10,00, dus een prefix van 40.000 tokens kost $0,40 om één keer te schrijven en $0,008 per daaropvolgende leesactie, tegenover $0,32 voor één niet-gecachte doorgang. Een prompt die je twintig keer per minuut verstuurt is goedkoop; een eenmalig document niet. De LLM API-prijsvergelijking plaatst die cache-rekensom naast de rest van de catalogus, waar het verschil tussen dit model en het goedkope niveau op output ongeveer vijf tegen één is.

Betrouwbaarheid

Over hetzelfde venster van zeven dagen bedroeg het foutpercentage 10,8 procent van de verzoeken die bij alle upstreamproviders een niet-2xx-status retourneerden — ongeveer één op de negen. Dat is veel beter dan de 39,7 procent van Gemini 4 Carbon over dezelfde periode en nog steeds niet nul. Elk productiepad heeft een retrybeleid nodig en, als de aanroep naar de gebruiker gericht is, een fallbackmodel; de Gemini 4 Carbon API is een verstandige, goedkope tier voor de aanroepen die twee keer mislukken en een zwakker antwoord kunnen verdragen.

Waar het het geld verdient

Drie patronen rechtvaardigen het. Langhorizonagenten waarbij één verkeerde stap twintig minuten werk tenietdoet, en de kosten van een slecht antwoord $40 per miljoen tokens verre overtreffen. Diepgaand codewerk aan een repository die het model in een venster van 1M kan bevatten. En moeilijke analytische taken waarbij het alternatief een ensemble van drie modellen was dat handmatig werd afgestemd. In elk geval koop je de vijf indexpunten en, belangrijker nog, de reductie van de variantie.

Voor twee patronen geldt dat niet. Grootschalige classificatie of extractie bij lage effort is een plek waar een goedkoper model met gestructureerde output het werk doet, en interactieve producten waarbij de gebruiker op het eerste token wacht, zijn een plek waar 267 seconden bij maximale effort diskwalificerend is, ongeacht de kwaliteit. Stel effort per route in en het model wordt in beide gevallen bruikbaar; laat je het globaal, dan is het ofwel verspillend, ofwel onbruikbaar.

Voor de directe vergelijkingen, Claude Fable 5.2 vs Claude Opus 5.5koppelt het aan de goedkopere Anthropic-optie, en Claude Fable 5.2 vs Claude Fable 5.1behandelt de generatie die het vervangt — die op zowel input als output 20 procent duurder is, waardoor de upgrade niet alleen een scorewinst maar ook een prijsverlaging is.

Vonnis

Eerste op de index, laatste qua kosten, op een na langzaamst tot het eerste token, en het meest capabele breed uitgebrachte model dat je vandaag kunt aanroepen. Het is het geld waard voor werk waarbij een fout antwoord duur is en de aanroep asynchroon kan zijn, en het is de verkeerde standaard voor al het andere. De operationele discipline die het model vereist — inspanningsniveaus per route, een retrybudget, een fallback voor de een-op-negen-fouten — is de prijs van toegang, en die staat niet in de prijstabel.