Claude Fable 5.2 評測：指數榜首，成本墊底

Claude Fable 5.2 在 Artificial Analysis Intelligence Index v5.0.1 中以 65 分位居第一，而且它也是該榜單上執行成本最高的模型：完成一輪指數評測需花費 26.54 美元的供應商支出，而緊追其後的模型僅需 5.48 美元。因此，對它的評測並不是它好不好的問題——它是目前廣泛發布的模型中得分最高者，而Claude Fable 5.2 API頁面列出每百萬輸入 8.00 美元與每百萬輸出 40.00 美元。問題在於你花錢買到什麼，以及你的工作負載能否用得上它。

這是什麼

Anthropic 旗下 Fable 5.1 的後繼產品，專為高強度推理與長時程代理式工作打造。具備 1M token 上下文視窗，最大值即為預設值，每次回應最多可輸出 128K token，支援文字、圖像與文件輸入並以文字輸出，原生工具使用與結構化 JSON。Thinking 始終開啟且具自適應性，並提供從低到最高的努力程度調節；原始思維鏈永遠不會回傳——你只會取得摘要，或空的 thinking 欄位。

最後那個細節，才是設計時該圍繞的重點。你無法稽核推理過程，只能稽核答案與摘要。對受監管的工作流程來說，這一點比索引分數更重要；這也是為什麼努力程度值得刻意設定，而不是放著維持預設值。

分數

在 v5.0.1 上為 65，排名78 之中的第 1 名。這九項評估分別是 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 以及 Terminal-Bench-Science 0.1——這是代理式與硬科學的組合，而非程式設計排行榜的組合。領先 Gemini 4 Carbon 的五分差距，正是榜首領先的全部幅度。

版本守門機制不是形式上的要求。來自 v4.3 與 v4.3.2 的分數屬於不同的評測集合，不能與 v5.0.1 併表比較。如果你看到 Fable 5.2 與某個 v4.3 分數並列排名，無論來源多麼可靠，這項比較都是無效的。

排行榜頂端在時間上的代價是什麼？

267 秒才能產生第一個 token，在 77 個有延遲資料的模型中排名第 76，是排行榜上倒數第二慢的。46.8 分鐘的實際耗時，這是九項評估中每項任務的平均值，是 Carbon 所需時間的 1.6 倍。一旦開始輸出，速度為每秒 97 個 token，比 Carbon 的每秒 72 個快 35%，但這對總時間毫無影響，因為時間都花在思考上。

若以經過 OrcaRouter 的實際流量來看，情況又有所不同：p50 首個 token 為 8.09 秒，p95 為 10.00 秒，每秒 101 個 token，七天內共處理 3,560 萬個 token。AA 衡量的是測試框架在最大努力下的表現；閘道衡量的則是真實請求的中位數。這兩個數字都誠實，但單獨來看，都無法告訴你使用者實際會體驗到什麼。

這要花多少錢

執行此索引需花費 $26.54——在 77 個模型中排名第 77，是榜上最貴的模型，且是 Gemini 4 Carbon 的 $5.48 的 4.8 倍。以 $8.00 輸入與 $40.00 輸出計算，混合費率約為 Carbon 的五倍。AA 也回報其執行產生 2.75 億個輸出 token，對應的冗長度數值為 0.97%；token 數量才是關鍵數字，儘管百分比低得多，它仍高於 Carbon 的 2.05 億，因此這兩項統計數字不能成對解讀。

快取改變了生產環境的成本計算，但沒有改變基準測試的成本計算。快取讀取每百萬 token 計費 $0.200，寫入則為 $10.00，因此 40,000-token 的前綴寫入一次要 $0.40，之後每次讀取要 $0.008，相較之下，未使用快取的一次處理要 $0.32。每分鐘送出二十次的提示很便宜；一次性文件則不然。這份LLM API 定價比較把這套快取成本計算與目錄其餘項目並列，其中此模型與便宜層級在輸出上的差距約為五比一。

可靠性

在同一個七天窗口內，錯誤率為10.8%的請求在所有上游供應商之間傳回非 2xx 回應——大約每九次就有一次。這遠優於 Gemini 4 Carbon 同期間的 39.7%，但仍非零。任何正式環境路徑都需要重試策略；若呼叫會直接面向使用者，還需要備援模型；Gemini 4 Carbon API對於失敗兩次且能容忍較弱答案的呼叫來說，是合理的便宜層級。

它在哪裡賺錢

有三種模式足以證明其合理性。長時程代理，其中單一錯誤步驟就會讓二十分鐘的工作作廢，而一個糟糕答案的代價遠超過每百萬個 token 40 美元。對模型能在 1M 視窗中容納的儲存庫進行深度程式碼工作。以及困難的分析任務，其替代方案是由三個模型組成集成並以人工調和。在每種情況下，你買到的是五個指數點，更重要的是，變異數的降低。

有兩種模式則不然。在低投入程度下進行大量分類或擷取，是較便宜的模型搭配結構化輸出就能勝任的場景；而使用者會等待第一個 token 的互動式產品，則是即使品質再好，以最高投入程度耗費 267 秒都不可接受的場景。依路由設定投入程度，模型在兩者就都能用；若把它設為全域，則不是浪費就是不可用。

就直接比較而言，Claude Fable 5.2 對 Claude Opus 5.5會將其與較便宜的 Anthropic 選項配對，而Claude Fable 5.2 對 Claude Fable 5.1則涵蓋它所取代的那一代——那一代在輸入與輸出上都貴了 20%，使這次升級既是降價，也是分數提升。

裁決

在該指數上排名第一、在成本上排名最後、首個 token 延遲倒數第二慢，而且是當今你能呼叫到、已廣泛釋出的模型中最有能力的一款。對於答錯代價高昂、且呼叫可以非同步進行的工作，它值得這個價錢；對其他所有情況，它則不是正確的預設選擇。這個模型要求的營運紀律——每條路由的投入等級、重試預算、為每九次出現一次的失敗準備的備援方案——是入場的代價，而這並未列在價格表上。