Claude Fable 5.2-recension: Först på indexet, sist när det gäller kostnad

Claude Fable 5.2 ligger etta på Artificial Analysis Intelligence Index v5.0.1 med 65, och det är också den dyraste modellen på den listan att köra: $26.54 i leverantörskostnad för att slutföra en indexomgång, jämfört med $5.48 för modellen närmast bakom. En granskning av den handlar därför inte om huruvida den är bra — den är den bäst poängsatta allmänt tillgängliga modellen som finns, och Claude Fable 5.2 API-sidan listar $8.00 per miljon input och $40.00 per miljon output. Frågan är vad du betalar för och huruvida din arbetsbelastning kan använda den.

Vad det är

Anthropics efterträdare till Fable 5.1, byggd för krävande resonemang och långsiktigt agentiskt arbete. Ett kontextfönster på 1M token där max är standard, upp till 128K utdatatoken per svar, text-, bild- och dokumentinmatning med text som utdata, inbyggd verktygsanvändning och strukturerad JSON. Tänkandet är alltid på och adaptivt, med en ansträngningsratt från låg till max, och den råa tankekedjan returneras aldrig – du får en sammanfattning eller ett tomt thinking-fält.

Den sista detaljen är den man bör utgå från i designen. Man kan inte granska resonemanget; man kan bara granska svaret och sammanfattningen. För reglerade arbetsflöden spelar det större roll än indexpoängen, och det är också därför som ansträngningsnivån är värd att ställas in medvetet i stället för att lämnas på standardvärdet.

Poängen

65 på v5.0.1, plats 1 av 78. De nio utvärderingarna är 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 och Terminal-Bench-Science 0.1 – en mix av agentiska uppgifter och hård vetenskap snarare än en kodningsleaderboard-mix. Fempoängsgapet mot Gemini 4 Carbon utgör hela försprånget i toppen av tabellen.

Versionskontrollen är inte en formalitet. Poäng från v4.3 och v4.3.2 tillhör en annan utvärderingsuppsättning och kan inte sammanställas mot v5.0.1. Om du ser Fable 5.2 rankat bredvid en poäng från v4.3 är jämförelsen ogiltig, oavsett hur respektabel källan än är.

Vad toppen av brädet kostar i tid

267 sekunder till första token, plats 76 av 77 modeller med latensdata – näst långsammast på listan. 46,8 minuter av väggklockstid per uppgift över de nio utvärderingarna, 1,6 gånger så lång tid som Carbon tar. Utdatingshastigheten när den väl börjar skriva är 97 token per sekund, vilket är 35 procent snabbare än Carbons 72 och irrelevant för totalen, eftersom tiden går åt till att tänka.

Jämfört med livetrafik genom OrcaRouter ser bilden annorlunda ut igen: p50 8,09 sekunder till första token, p95 10,00 sekunder, 101 token per sekund, över 35,6 miljoner token som betjänats under sju dagar. AA mäter en testrigg vid maximal ansträngning; gatewayen mäter medianen för verkliga förfrågningar. Båda siffrorna är ärliga och ingen av dem säger ensam vad en användare kommer att uppleva.

Vad det kostar i pengar

$26,54 för att köra indexet – rang 77 av 77, den dyraste modellen på resultattavlan, och 4,8 gånger Gemini 4 Carbons $5,48. Med $8,00 in och $40,00 ut är den blandade taxan ungefär fem gånger Carbons. AA rapporterar också 275 miljoner utdata-tokens för sin körning mot en verbositetsnivå på 0,97 procent; det är tokenantalet som spelar roll, och det är högre än Carbons 205 miljoner trots den mycket lägre procentsatsen, så de två siffrorna kan inte läsas som ett par.

Cachning ändrar räkningen för produktion men inte för benchmarken. Cacheläsningar debiteras med $0.200 per miljon och skrivningar med $10.00, så ett prefix på 40 000 token kostar $0.40 att skriva en gång och $0.008 per efterföljande läsning, jämfört med $0.32 för en icke-cachad genomgång. En prompt som du skickar tjugo gånger i minuten är billig; ett engångsdokument är det inte. Jämförelse av LLM API-priser ställer den cacheberäkningen bredvid resten av katalogen, där gapet mellan den här modellen och den billiga nivån är ungefär fem till ett på utdata.

Tillförlitlighet

Under samma sjudagarsperiod var felkvoten 10,8 procent av förfrågningarna som returnerade icke-2xx hos alla uppströmsleverantörer – ungefär en av nio. Det är mycket bättre än Gemini 4 Carbons 39,7 procent under samma period och fortfarande inte noll. Varje produktionsväg behöver en återförsökspolicy och, om anropet är användarvänt, en reservmodell; Gemini 4 Carbon API är en rimlig billig nivå för anrop som misslyckas två gånger och kan tolerera ett svagare svar.

Där pengarna tjänas

Tre mönster motiverar det. Långsiktiga agenter där ett enda felsteg ogiltigförklarar tjugo minuters arbete, och kostnaden för ett dåligt svar får $40 per miljon tokens att blekna. Djupgående kodarbete på ett kodförråd som modellen kan hålla i ett 1M-fönster. Och svåra analytiska uppgifter där alternativet var en ensemble av tre modeller som stämdes av för hand. I varje fall köper du de fem indexpoängen och, ännu viktigare, minskningen i varians.

Två mönster gör det inte. Klassificering eller extrahering i hög volym med låg ansträngning är ett område där en billigare modell med strukturerad utdata gör jobbet, och interaktiva produkter där användaren väntar på den första token är ett område där 267 sekunder vid maximal ansträngning är diskvalificerande oavsett kvalitet. Ställ in ansträngning per rutt och modellen blir användbar i båda; lämna den global och den blir antingen slösaktig eller oanvändbar.

För de direkta jämförelserna, Claude Fable 5.2 vs Claude Opus 5.5 parar den ihop den med det billigare Anthropic-alternativet, och Claude Fable 5.2 vs Claude Fable 5.1 täcker generationen som den ersätter – vilken är 20 procent dyrare både på input och output, vilket gör uppgraderingen till en prissänkning såväl som en poängvinst.

Dom

Etta på indexet, sist på kostnad, näst långsammast till första token och den mest kapabla modell som släppts brett och som du kan anropa i dag. Det är värt pengarna för arbete där ett felaktigt svar är dyrt och anropet kan vara asynkront, och det är fel standardval för allt annat. Den driftsdisciplin som modellen kräver – ansträngningsnivåer per rutt, en återförsöksbudget, en reservlösning för de misslyckanden som inträffar i ett av nio fall – är inträdesbiljetten, och den finns inte med i pristabellen.