Обзор Claude Fable 5.2: первый в индексе, последний по стоимости

Claude Fable 5.2 занимает первое место в Artificial Analysis Intelligence Index v5.0.1 с результатом 65 и при этом является самой дорогой в эксплуатации моделью в этой таблице: $26.54 расходов провайдера на выполнение одного прохода индекса против $5.48 у модели, идущей непосредственно за ней. Поэтому её обзор — это не вопрос о том, хороша ли она: это модель с наивысшей оценкой среди широко выпущенных и доступных моделей, а страница Claude Fable 5.2 APIуказывает $8.00 за миллион входных токенов и $40.00 за миллион выходных токенов. Вопрос в том, за что вы платите и сможет ли ваша рабочая нагрузка её использовать.

Что это такое

Преемник Fable 5.1 от Anthropic, созданный для сложных рассуждений и длительной агентной работы. Контекстное окно на 1 млн токенов, где максимум используется по умолчанию, до 128 тыс. выходных токенов на ответ, ввод текста, изображений и документов с текстовым выводом, нативное использование инструментов и структурированный JSON. Режим мышления всегда включён и адаптивен, доступна настройка уровня усилий от низкого до максимального, а необработанная цепочка рассуждений никогда не возвращается — вы получаете сводку или пустое поле thinking.

Именно эту последнюю деталь и нужно закладывать в основу проектирования. Вы не можете проверить ход рассуждений; проверить можно только ответ и резюме. Для регулируемых рабочих процессов это важнее, чем показатель индекса, и именно поэтому уровень усилий стоит задавать осознанно, а не оставлять по умолчанию.

Счёт

65 на v5.0.1, место 1 из 78. Девять оценок — это 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 и Terminal-Bench-Science 0.1 — смесь агентных и сложных научных тестов, а не набор из лидерборда по программированию. Разрыв в пять пунктов с Gemini 4 Carbon — это весь отрыв на вершине таблицы.

Защита версии — не формальность. Оценки из v4.3 и v4.3.2 относятся к другому набору оценки, и их нельзя сопоставлять с v5.0.1 в одной таблице. Если вы видите Fable 5.2 в рейтинге рядом с оценкой v4.3, сравнение недействительно, каким бы авторитетным ни был источник.

Сколько времени стоит попасть на вершину таблицы лидеров

267 секунд до первого токена, 76-е место из 77 моделей с данными о задержке — предпоследнее место по скорости в таблице. 46,8 минуты реального времени на задачу в рамках девяти оценок, в 1,6 раза больше, чем требуется Carbon. Скорость вывода, как только он начинает писать, составляет 97 токенов в секунду, что на 35 процентов быстрее, чем 72 у Carbon, и не имеет значения для итога, потому что время тратится на размышления.

При живом трафике через OrcaRouter картина снова иная: p50 — 8,09 секунды до первого токена, p95 — 10,00 секунды, 101 токен в секунду, при 35,6 миллиона токенов, обработанных за семь дней. AA измеряет испытательный стенд при максимальной нагрузке; шлюз измеряет медианный реальный запрос. Оба числа честны, и ни одно из них само по себе не говорит о том, что почувствует пользователь.

Сколько это стоит в деньгах

26,54 доллара за прогон индекса — 77-е место из 77, самая дорогая модель в рейтинге, и в 4,8 раза дороже, чем 5,48 доллара у Gemini 4 Carbon. При 8,00 доллара на входе и 40,00 доллара на выходе смешанная ставка примерно в пять раз выше, чем у Carbon. AA также сообщает о 275 млн выходных токенов за прогон при показателе многословности 0,97 процента; значение имеет именно количество токенов, и оно выше, чем 205 млн у Carbon, несмотря на гораздо более низкий процент, поэтому эти две статистики нельзя рассматривать как пару.

Кэширование меняет арифметику для продакшена, но не для бенчмарка. Чтение из кэша тарифицируется по $0,200 за миллион, а запись — по $10,00, поэтому префикс на 40 000 токенов стоит $0,40 за однократную запись и $0,008 за каждое последующее чтение против $0,32 за один проход без кэширования. Промпт, который вы отправляете двадцать раз в минуту, обходится дешево; одноразовый документ — нет. Сравнение цен на LLM API ставит эту арифметику кэширования рядом с остальным каталогом, где разрыв между этой моделью и дешевым тарифом составляет примерно пять к одному на выходе.

Надёжность

За тот же семидневный период доля ошибок составила 10,8 процента запросов, возвращавших ответы вне диапазона 2xx у всех вышестоящих провайдеров, — примерно один из девяти. Это гораздо лучше, чем 39,7 процента у Gemini 4 Carbon за тот же период, и всё ещё не ноль. Любому пути в продакшене нужна политика повторных попыток, а если вызов обращён к пользователю — резервная модель; Gemini 4 Carbon API — разумный недорогой тариф для вызовов, которые дважды завершаются неудачей и допускают более слабый ответ.

Где это приносит деньги

Три паттерна оправдывают это. Агенты с длительным горизонтом работы, где один неверный шаг обнуляет двадцать минут работы, а стоимость плохого ответа многократно превышает $40 за миллион токенов. Глубокая работа с кодом в репозитории, который модель может удержать в окне на 1M. И сложные аналитические задачи, где альтернативой был ансамбль из трёх моделей, согласовываемый вручную. В каждом случае вы покупаете пять пунктов индекса и, что важнее, снижение дисперсии.

Два паттерна — нет. Классификация или извлечение в больших объёмах при низком уровне усилий — это случай, где более дешёвая модель со структурированным выводом справляется с задачей, а интерактивные продукты, где пользователь ждёт первый токен, — это случай, где 267 секунд при максимальном уровне усилий дисквалифицируют решение независимо от качества. Задайте уровень усилий для каждого маршрута, и модель станет пригодной в обоих случаях; оставьте его глобальным — и она будет либо расточительной, либо непригодной.

Для прямых сравнений, Claude Fable 5.2 против Claude Opus 5.5 сопоставляет её с более дешёвым вариантом от Anthropic, а Claude Fable 5.2 против Claude Fable 5.1 охватывает поколение, которое она заменяет — оно на 20 процентов дороже и на входе, и на выходе, поэтому обновление — это и снижение цены, и прирост баллов.

Вердикт

Первый в индексе, последний по стоимости, второй по медленности до первого токена и самая мощная широкодоступная модель, которую можно вызвать сегодня. Она стоит своих денег для работы, где неверный ответ дорого обходится и вызов может быть асинхронным, и это неправильный выбор по умолчанию для всего остального. Операционная дисциплина, которую требует модель, — уровни усилий для каждого маршрута, бюджет повторных попыток, запасной вариант на случай каждого девятого сбоя — это плата за вход, и её нет в таблице цен.