Claude Fable 5.2: что изменилось в новой модели Anthropic и сколько она стоит в работе

Анонс вышел в понедельник под названием «Introducing Claude Fable 5.2 and Claude Mythos 5.2». В тот же день о нём написали VentureBeat и Vals AI, на следующий — Tech Times.

Модель одна. Anthropic называет это прямо: Fable с фильтрами, Mythos для проверенных организаций. Заявку на Mythos подают через Cyber Verification Program или Life Sciences Verification Program. Быстрый режим Mythos тоже только для них. Клиенты Claude Enterprise могут запускать сканы с Mythos 5.2 через Claude Security без отдельной проверки.

Имя для API — claude-fable-5-2. Окно 1 млн токенов и потолок ответа 128 тысяч в анонсе не названы, их дают Vals AI и Artificial Analysis. Расхождений между ними нет.

Для большинства задач по коду и документам Anthropic называет точкой старта Opus 5.5. Fable и Mythos она оставляет для случаев, где Opus упёрся.

Токен дешевле на 20%. На этом пункте споров нет: цифру называют Anthropic, VentureBeat и Tech Times. Чтение из кэша выходит в 40 раз дешевле обычного входа, а пакетный режим берёт вдвое меньше за те же токены.

Быстрый режим стоит вдвое дороже обычного и разгоняет вывод до 2,5 раза. Он есть в Claude Code, на платформе Claude, в Google Cloud и в Microsoft Foundry.

Дальше начинается арифметика, которая ценник 20% портит. Цену задачи определяет число выходных токенов, а их Fable 5.2 тратит много. Artificial Analysis прогнала индекс на максимальном уровне усилия: 275 миллионов выходных токенов при медиане 72,8 миллиона у других моделей. На одну задачу индекса у неё уходит 47,8 минуты (медиана 12,7). До первого токена ответа проходит 246 секунд, у медианной модели — 13,5. Скорость самого вывода — 95 токенов в секунду. Сервис эти цифры пересчитывает, здесь они на 12 ноября.

В рейтинге Artificial Analysis по стоимости одной задачи Fable 5.2 стоит последней, 73-й из 73.

У VentureBeat есть отдельный расчёт по FrontierCode 2.0. Данные взяты из системной карты Anthropic, тест вёл Cognition. На уровне Xhigh задача выходит примерно на 63% дороже, чем у Fable 5.1, хотя токен подешевел. На уровне Medium, наоборот, модель обгоняет прежний пик Fable 5.1 на 5,2 пункта и стоит за задачу на 71% меньше.

То есть заголовок про 20% годится для счёта за токены. Для счёта за работу он годится, только если уровень усилия вы выбрали сами.

В API Fable 5.2 по умолчанию работает на уровне high. В приложениях Claude и в Claude Code по умолчанию стоит medium. Это разные точки старта, и сравнивать «в приложении» с «через API» напрямую нельзя.

По FrontierCode 2.0 результаты у неё такие:

• Medium — 37,6%
• High — 45,3%
• Xhigh — 49,1%
• Max — 45,7%

Максимум оказался ниже Xhigh. Cognition считал без доверительных интервалов, и если таймауты засчитать нулём, Max падает с 45,7% до 44,4%. Разница в пределах шума, но на «потолок» ложной уверенности это не добавляет.

High у Fable 5.2 даёт 45,3% против 45,5% у Opus 5.5 на его максимуме, и Anthropic пишет, что стоит это примерно вдвое дешевле за задачу. Если выбирать между ними по FrontierCode, то выгода Fable в том, чтобы не гнать её выше high.

В документации для разработчиков Anthropic идёт дальше. Основная прибавка качества, пишут они, уже есть на high. Выше неравномерно: Xhigh поднимал оценки «слегка» и тратил «намного больше» токенов. Max предлагают для замеров потолка и редких задач, где время и токены не важны.

Таблица ниже собрана из анонса. Столбцы — Fable 5.2, Fable 5.1, Opus 5.5, GPT-6 Astra и Gemini 4 Carbon.

В 13 из 15 строк, которые Anthropic выложила, Fable 5.2 первая. На AutomationBench впереди Gemini 4 Carbon: 53,9% против 51,4%. Это на автоматизации рабочих процессов, где модель нужна больше всего агентам, и поэтому строка заметна.

На Chartography, то есть на чтении графиков и диаграмм, Carbon отстаёт на 0,9 пункта. Разрыв с Opus 5.5 там уже 9 пунктов.

Самая крупная прибавка к прошлой версии — Remote Labor Index, где модели выполняют оплачиваемые фриланс-заказы: 41,3% у Fable 5.2 против 17,9% у Fable 5.1 и около 21% у Opus 5.5 и Astra. Тест на High, одна строка, и всё-таки двукратный отрыв.

Ниже отдельно написано, что из этого подтвердили со стороны.

Vals AI поставила Fable 5.2 первой в своём индексе, 71,31% из 36 моделей. Следом идут Claude Sonnet 5.5 (70,85%) и Gemini 4 Carbon (70,45%). Разрыв с третьим местом меньше процента.

Первое место у Vals не единственное. Vibe Code Bench v1.1 — 93,77%, первое из 127. Finance Agent v2.1 — 69,47%, первое из 39. ProofBench v1.1 — 100%, первое из 53. На Terminal-Bench 4.0 у неё 65,15%, и это то же место, что у Opus 5.5: они делят первое из 63. В общем финансовом индексе картина скромнее, 63,58% и шестое место из 39.

Из строк Vals видно, где модель слабее. На SWE-bench Multimodal у неё 62,29% и второе место: впереди Opus 5.5 с 70,21%. В юридическом индексе у неё 69,17% и 20-е место из 37. Доля отказов у Vals нулевая, переключений на запасную модель 1,88%.

Artificial Analysis даёт 65 баллов на максимальном усилии, первое место из 74. По данным VentureBeat, Gemini 4 Carbon у них набрал 59. Но этот же сервис ставит Fable 5.2 в хвост списка по расходам и по времени.

Об одном Tech Times пишет прямо: независимого воспроизведения результатов Fable 5.2 на момент выхода статьи не нашлось. Все большие цифры из таблицы выше — заявленные.

Фильтры Fable 5.2 блокируют примерно на 55% меньше запросов, чем у 5.1. Для кибербезопасности снижение около 60%, для биологии около 40%. Заблокированный запрос по кибербезопасности уходит к Opus 4.8, по биологии — к Opus 5.

Про Mythos 5.2 цифры у Anthropic такие. CVE Rediscovery, 1829 уязвимостей, найденных в октябре: Mythos 5.2 нашла 89,6%, Mythos 5.1 — 78,3%, Opus 5.5 — 81,3%. Tech Times уточняет, что тест измеряет повторное нахождение известных дыр, а не нулевые дни.

Из показательных историй в анонсе: около тысячи агентов Fable 5.2 за 30 часов формализовали в Lean доказательство Великой теоремы Ферма. Opus 5.5 в той же схеме за 18 часов дошёл до 26%. Tech Times напоминает, что речь о проверке уже существующего доказательства Уайлса, нового в математике тут нет. Один прогон на модель.

В анонсе есть ещё одна странность. Обе модели чаще любой из недавних Claude говорят, что подозревают проверку.

METR оценил темп улучшения моделей Anthropic на чётко поставленных задачах примерно вдвое выше прежнего. Диапазон — от 1,3 до 3 раз, и METR сама называет оценку очень неопределённой. Часть доказательств Anthropic зачернила.

Anthropic выпустила отдельное руководство по промптам для Fable 5.2. Из него полезно вот что.

Думает почти всегда. На high и выше модель рассуждает перед любым ответом, даже перед «привет». Просьба «отвечай сразу, не размышляя» на medium и выше не работает. Дешевле снизить уровень усилия.

Может бросить задачу посередине. На low и medium в длинных агентных задачах бывает, что ход закрывается списком оставшегося или предложением продолжить. Anthropic даёт абзац, который просит не останавливаться без нужды. С ним вдвое меньше сессий кончались недоделанной работой, а выходных токенов выходило на 30% больше.

Фраза про владельца кода. Если сказать «эта кодовая база ваша», модель объединяет повторяющийся код примерно в трёх попытках из четырёх. Без фразы такое случается реже, чем в одной из десяти. Расход выходных токенов при этом вырастает на 70–80%, а в сводке в конце мелкие правки модель может не назвать, так что диф нужно смотреть целиком.

Ошибка 400 на правке старых ходов. Для всех аккаунтов включена проверка префикса сохранённого рассуждения. Если приложение между запросами меняет системный промпт, инструменты или ранние сообщения, запрос может вернуть 400. Новые инструкции дают в последнем сообщении.

Старые подсказки лучше убрать. Строку «отвечай без размышлений» Fable 5.1 обычно слушалась, на 5.2 она размышление не выключает. Жёсткие стилевые лимиты вроде «не больше 20 слов в предложении» новая модель исполняет буквально, и проза от них становится рубленой.

Ещё две вещи из руководства стоят отдельной строки: они про то, как Fable 5.2 ведёт себя внутри агентной обвязки.

Субагентов она запускает тем охотнее, чем сильнее обвязка к этому подталкивает. В тестах Anthropic на коротких задачах с минимальным инструментом для запуска помощников модель почти не делегировала. В продукте, где промпт прямо приглашает делегировать, делегирует охотно. Ранние тестеры хорошо отзывались о ней как о планировщике, который раздаёт работу другим моделям. Datadog в анонсе сравнивает её с командиром инцидента, который поручает сбор данных более быстрым моделям. Счёт сессии при этом легко растёт за счёт субагентов, поэтому стоит заглянуть, на какой модели обвязка гоняет их по умолчанию.

Вторая вещь про тишину. Реплики между вызовами инструментов в Fable 5.2 приходят отдельными блоками thinking, и при настройке по умолчанию их текст пуст. Клиент, который показывает только текстовые блоки, в долгом агентном ходе выглядит молчащим. Включается показ через display: "updates", это бета. Если же пользователь вообще не следит за ходом, а вернётся за готовым результатом, пауз можно не замечать: для таких долгих фоновых задач Anthropic модель и хвалит.

• Результаты Fable 5.2 никто со стороны не воспроизвёл. На момент выхода Tech Times тоже ничего не нашёл.
• Anthropic выбирала, чьи отзывы поставить в анонс. Vercel и Datadog хвалят модель, цифр у них нет.
• Цифр OSWorld 2.1 две. В таблице анонса стоит 89,3% с пометкой partial, а по системной карте в пересказе VentureBeat модель прошла все обязательные шаги в 54,6% задач. Считали, похоже, по-разному, поэтому в таблицу эта строка не попала.
• Сколько Fable 5.2 тратит на ваших задачах, станет понятно только на ваших задачах. Цифры Artificial Analysis сняты на максимуме, на котором в практике почти никто не сидит.
• По подпискам: на неделе запуска Pro и стандартные места Team получили Fable в пределах половины недельного лимита. Планам, где Fable уже была, дали от одной до трёх «перезарядок», смотря по стажу подписки. Условия акции может обновить сам Anthropic.

Для порядка: что сама Anthropic рядом с Fable 5.2 держит в работе и что у конкурентов стоит в её же таблице.

• Opus 5.5. Точка старта для кода и документов. В таблице выше он набирает 45,5% на FrontierCode и 62,3% на FrontierSWE v2, а на SWE-bench Multimodal у Vals обгоняет Fable.
• Sonnet 5.5. У Vals он второй в общем индексе, 70,85%, то есть меньше чем в одном проценте от первого места.
• Haiku 5.5. Самая быстрая из линейки, для коротких повторяющихся шагов.
• GPT-6 Astra. На FrontierSWE v2 65,5%, на Terminal-Bench-Science 68,1%. В научных тестах таблицы Fable 5.2 её обходит.
• Gemini 4 Carbon. Единственная, кто в таблице Anthropic выше Fable на AutomationBench. На FrontierCode её прогнали на Medium, Fable 5.2 — на Xhigh.

Если вы уже работаете с Opus 5.5, переходить на Fable 5.2 из-за анонса не нужно. Возьмите три-пять своих самых тяжёлых задач и прогоните на high. Сравните расход токенов, а не только результат.

Для обычных задач на код и документы начинайте с Opus 5.5: именно так советует сама Anthropic. Она есть в чате GPThub, разбор младшей модели линейки вышел раньше. Выбор модели под конкретную работу разобран в гайде как выбрать модель, для кода — в отдельном гайде.