Claude Fable 5.2 对比 Claude Opus 5.5：每任务成本 2.6 倍，换来六个指数点

Anthropic 自家文档中的一句话就解决了这场对比的大部分问题，而且这不是一句营销文案：先从Claude Opus 5.5用于大多数工作负载，再转向Claude Fable 5.2，前提是你在更高 effort 下对 Opus 模型所做的评测仍然不达标。这是厂商在告诉你，其每百万 token 8 美元 / 40 美元的模型是例外，而 4 美元 / 20 美元的模型才是常规。例外背后的数字是真实的——按独立评测指标，Claude Fable 5.2 是两家公司所交付的最强模型，而且在若干 agentic 基准上优势明显。常规背后的数字则更大：在 Artificial Analysis 的测试套件中，较便宜的模型完成一个索引任务花费 10.04 美元，较贵的模型花费 26.54 美元，因此它们之间 6 分的差距意味着每完成一个任务成本相差 2.6×；而两个模型之间默认 effort 设置不一致，意味着一次简单的 A/B 测试会夸大便宜模型的优势或昂贵模型的成本，取决于你忘了往哪个方向设置。

两款模型均为现役，均配备一百万 token 的上下文窗口和 128K 输出上限，且都能读取文本和图像。Claude Opus 5.5 于 2026 年 9 月 22 日发布，是 Claude 5.5 系列的首款模型，且在其自己的页面上仍标注为 最新；Claude Fable 5.2 于 2026 年 11 月 9 日推出，是当前的 Fable。它们并非同一产品线的不同代际——Fable 是高于 Opus 的层级，定价也相应更高——因此问题不在于哪个更新，而在于你的工作负载实际需要哪个层级；而对大多数工作负载来说，诚实的答案是更便宜的那个。

三行说明这个决定

• 如果你的工作是规范明确的编码、常规的智能体运行、知识工作、计算机使用，或任何零数据保留的场景，那么 Claude Opus 5.5 就是正确的默认选择，而 2.6× 并不能给你带来任何你会察觉到的收益。

• 如果你已经把 Claude Opus 5.5 推到 xhigh 或 max，而你的评估仍然失败，那么 Claude Fable 5.2 就是这一系列中唯一还能往上走的一步；厂商声称它在某些编码工作上能达到 Opus 同级水平，而每项任务成本大约只有一半——这正是那种昂贵模型同时也是经济模型的唯一情况。

• 如果你的工作负载是简短、对延迟敏感的聊天，那么层级和降价都没那么重要，因为 Fable 5.2 在默认推理强度下几乎每次回复前都会先思考，而 Opus 5.5 不会。

两个并不相同的默认值

这次对比中的第一个陷阱在价目表上是看不出来的。Claude Fable 5.2 默认采用高 effort；Claude Opus 5.5 默认采用中等 effort。因此，一个未设置 effort 的请求在 Fable 模型上会高一级运行——调用成功，而唯一的证据就是不同的成本、不同的延迟和不同的答案。Anthropic 的迁移文档对任何从 Opus 迁移过来的人都明确指出了这一点，而这是制造毫无意义的基准对比的最简单方式。

• 默认 effort — Claude Fable 5.2 为 high，Claude Opus 5.5 为 medium。

• 每百万 token 费率 — 输入 $8、输出 $40，对比输入 $4、输出 $20。

• 缓存写入和读取——五分钟写入、一小时写入和缓存读取每百万分别为 $10 / $16 / $0.20，对比 $5 / $8 / $0.20。

• 批量定价——每百万 $4 / $20 对比 $2 / $10。

快速模式 — 每百万 $16 / $80 对比 $8 / $40，两者均宣称速度最高可达 2.5 倍。

• 比较延迟——根据供应商自己的表格，两者均为“中等”；两者中任何一个所拥有的唯一实测数字是 Opus 5.5 的每秒 115 个输出 token。

• 数据保留 — 必须保留 30 天，Claude Fable 5.2 不支持 ZDR，而 Claude Opus 5.5 可提供零数据保留。

• 知识截止日期——两者均为 2026 年 6 月；退役下限——2027 年 11 月 9 日 对比 2027 年 9 月 22 日。

• 批量输出上限——在 Claude Fable 5.2 上为 128K，对比为 128K；而在 Claude Opus 5.5 上，配合 output-300k-2026-03-24 beta 标头后可提升至 300K。

其中两条条款在参考任何基准测试之前，就已经决定了真实部署。留存条款是一道硬性分水岭：Claude Fable 5.2 是受覆盖模型（Covered Model），要求 30 天数据留存，并且在零数据保留下不可用，除非 Anthropic 明确授权；而 Claude Opus 5.5 可在 ZDR 下运行。一个在合同上被禁止留存提示词的团队，无论分数如何，都完全无法使用更强的模型。批量输出条款更软一些，但也很具体——300K 扩展输出 beta 列在 Opus 5.5 名下，而不在 Fable 5.2 名下，因此，对于通过批处理任务生成超大单个文档的流水线来说，Fable 一侧就少了一个选项。

差距在哪里很大，又在哪里小到只是舍入误差

Anthropic 的 Claude Fable 5.2 发布文章把两款模型放在相同的列中展示，这使其成为唯一能在相同硬件和设置下比较这对模型的地方。以下所有内容均由厂商报告且未经复现；凡是文章提到 effort 设置的地方，我们都将其纳入，因为在这些模型上，该设置对数值的影响与模型本身一样大。

• Terminal-Bench-Science 0.1——Claude Fable 5.2 得分 74.6%，Claude Opus 5.5 得分 58.7%：两者相差 16 个百分点，是标准基准测试中差距最大的一项。

• AutomationBench — 51.4% 对比 42.5%；RoboDojo Sim — 64.9% 对比 39.4%；RLI — 高难度下为 41.3%，对比 21.3%。

• FrontierSWE v2 — 69.9% 对比 62.3%；WANDR（宽松）— 82.1% 对比 72.3%。

• 文本中的 BenchCAD 2.1 — 83.5 对 65.3；无工具辅助的 Chartography — 73.4% 对 64.4%。

• {{1}}Humanity's Last Exam{{/1}} 使用工具 — 74.2% 对 67.7%。

• OSWorld 2.1 — 89.3% 对比 87.2%：2.1 个百分点，这大约是该规模基准测试的噪声区间。

• AA-Briefcase v1.1 — Claude Fable 5.2 获得 66.1% 的评分表得分和 1,785 Elo，而 Claude Opus 5.5 为 61.2% 的评分表得分和 1,800 Elo。评分表更青睐 Fable 模型，Elo 则更青睐 Opus 模型。这种反转值得仔细琢磨：在评审式对比中，更便宜的模型赢下了正面对决，却在检查清单上落败。

读一下那组数据，层级边界就变得清晰可辨。Fable 的优势集中在研究级、长周期的科学与智能体工作上——Terminal-Bench-Science、RLI、RoboDojo、Chartography——而在两个模型都已胜任的计算机使用类环境中，这种优势会缩小到接近零。如果你的工作负载落在 OSWorld 区间，那你就是在为两个点支付 2.6× 的代价。如果它落在 Terminal-Bench-Science 区间，更便宜的模型确实差了一截，而且 Opus 这边再怎么努力也弥补不了 16 个点的差距。

每个任务成本的计算，已经算好了

按每个 token 的费率来看，Claude Fable 5.2 的成本是 Claude Opus 5.5 的两倍。但这只有在两个模型使用相同数量 token 时才成立，而事实并非如此。Artificial Analysis 在其自有的九项评估套件上对这两个模型进行测量，并公布完成任务的数量：

• 智能指数 — Claude Fable 5.2 为 65，在 74 个模型中排名第一；相比之下，Claude Opus 5.5 为 59，排名第五。

• 在缓存命中/输入/输出为 7:2:1 的混合比例下，混合价格为每百万 tokens 5.74 美元 vs 2.94 美元，比值为 1.95×。

• 每项已完成索引任务的成本——26.54 美元 vs 10.04 美元，比率为 2.64 倍。

• 该测试套件上的输出 token 数——Claude Opus 5.5 为 2.18 亿；而 Artificial Analysis 完全没有公布 Claude Fable 5.2 的速度或延迟数据。

1.95× 与 2.64× 之间的这道差距，本身就是全部教训所在。Fable 模型完成同一项任务要消耗更多 token——这正是“更用力思考”在计量表上的样子——因此，按 token 计算的比值把完成一个单位工作量的实际成本低估了大约三分之一。所有基于标价构建的预算模型都会朝同一个方向出错，而且任务所需的推理越多，出错的幅度就越大。另请注意一项缺失的测量：独立测试套件给出了 Claude Fable 5.2 的指数得分和成本，却没有输出速度或延迟数据，而 Claude Opus 5.5 实测为每秒 115 个 token。对于延迟敏感型产品而言，这种不对称本身就是值得再等一等的理由。

Anthropic 自身对这一取舍的表述更为狭窄，而且仔细读来与上述说法一致。它表示，在其 FrontierCode 评测中，Fable 模型在高投入度下的表现大致与 Claude Opus 5.5 的最佳得分相当，而每个任务的成本约为后者的一半；在 Humanity's Last Exam 上以低投入度运行时，其成绩与 Opus 5.5 的峰值持平，成本却不到后者的十分之一。这两项说法针对的都是单位能力成本，而非每 token 成本，并且都取决于是否有意选择合适的投入程度。它们还与 Terminal-Bench-Science 上 16 个百分点的差距并存——Opus 一侧无论怎么设置投入程度都无法弥合这一差距——因此这两种说法并不矛盾，它们描述的是不同的任务。

在对话中途于两者之间切换

有一种不对称很容易被忽略，直到它真正带来麻烦。Claude Fable 5.2 的思考块只有 Claude Fable 5.2 和 Claude Mythos 5.2 才能读取。将对话迁移到 Claude Opus 5.5 后，API 会在模型看到这些思考块之前就将其丢弃：请求成功，这些块不计费，而对于在另一侧运行的轮次，推理内容就直接消失了。Claude Fable 5.2 允许的回退目标是 Claude Opus 4.8 和 Claude Opus 5——值得注意的是，不包括 Claude Opus 5.5。

反方向更顺畅：Claude Fable 5.2 会读取来自 Claude Opus 5.5、Claude Sonnet 5.5、Claude Haiku 5.5、Claude Fable 5.1 以及较旧的 Opus、Sonnet 和 Haiku 模型的思考块，因此，从低成本开始并逐步升级的升级路径能保持其推理完整。实际做法由此而来：升级到 Fable 层级，而不要回退到该层级；如果你的路由器在两个层级之间迁移对话，预计下降方向会丢失上下文，而不是报错。

一把钥匙，无论路由规则指向哪个方向

这里的层级边界正是那种应该由网关来掌握、而不是由代码分支来处理的决策。Claude Opus 5.5 已在 OrcaRouter 上线，只需一个密钥，即可按提供商的目录价、零加价使用，因此 $4 / $20 的价目卡就是你实际支付的价格，供应商调价当天即生效，而不是等到下一张账单；路由规则可以将 Claude Opus 5.5 保持为默认，仅在请求被评定为足够困难、达到门槛时才升级到 Claude Fable 5.2，这正是供应商自己的指导原则以配置而非文字形式表达。回退链覆盖剩余的故障模式——Claude Opus 5.5 不是 Fable 5.2 的允许回退目标，因此以 Claude Opus 4.8 或 Claude Opus 5 结尾的回退链会以 Anthropic 服务所期望的方式故障关闭。

为核实准确性：我们于2026年11月10日查询，OrcaRouter的公开目录列出了anthropic/claude-opus-5.5，但未列出Claude Fable 5.2，因此目前升级步骤是一个可阅读的模型页面，而非可在此处发起的调用。Opus 5.5已按标价上线。

什么会改变答案

有三件事，其中只有一件与基准测试有关。第一件是价格变动：如果 Fable 5.2 的价目卡降到接近 Opus 5.5 的水平，那么 Terminal-Bench-Science 上 16 分的差距就不再意味着 2.6 倍的成本，而对任何没有留存约束的人来说，层级边界也会随之消失。第二件是独立的测速数据——Anthropic 宣称其输出速度比 Fable 5.1 快 30%，而一旦 Fable 模型有了实测的每秒 token 数，继续留在 Opus 上的延迟理由要么成立，要么彻底消失。第三件是你自己的评估套件，而它对你的工作负载来说才是唯一重要的；两个模型都提供全部五档 effort 级别，Anthropic 对两者的建议相同：显式设置 effort，从默认值开始，并逐一扫描测试，而不是把另一个模型的设置直接沿用过来。

在此之前，这条分界线简单到无需表格就能说明。编码、常规智能体、计算机操作、延迟敏感型产品以及任何零数据留存场景，都默认使用 Claude Opus 5.5。当一次失败运行的代价足够高，以至于 16 个百分点的基准差距，或 Opus 层级即便全力以赴也根本无法完成的研究任务，值得支付 26.54 美元而非 10.04 美元时，就为 Claude Fable 5.2 付费——并且在做出决定前，在你自己的评估集上衡量完成任务的成本，因为能可靠预测你处于这条分界线哪一侧的那个数字，并不是价目表。