Перейти к содержанию

Anthropic

Fable 5.2 решил тесты как Opus 5.5, но почти вчетверо дороже

4 мин чтения

Текст написан ИИ-моделью по источникам, на которые ведут ссылки, и сверен с ними второй моделью. Как мы работаем

Всё о теме: Цены на ИИ →
Изображение: thenewstack.io

Claude Fable 5.2 и Claude Opus 5.5 набрали одинаковые баллы во всех девяти прогонах сравнения, которое 15 ноября опубликовал The New Stack. Но Fable обошёлся почти вчетверо дороже: 8,98 доллара против 2,29 по расчётной стоимости API. Если вы вызываете модели через API с настройками по умолчанию, на коротких задачах по коду и агентной работе этот замер даёт повод начинать с Opus 5.5. Оговорка самого автора: по умолчанию Fable работает на уровне усилий high, а Opus на medium, и какую часть разницы дают именно эти настройки, сравнение не показывает.

К тому же порядку подталкивает и сама Anthropic. Fable 5.2 вышел 9 ноября, и в анонсе компания написала, что новая модель обходит Opus 5.5 почти во всех способностях, которые она измеряла. При этом для большинства задач по коду и работе со знаниями Anthropic там же советует начинать с Opus, назвав его своим «самым сильным вариантом на каждый день». Fable компания оставляет для самой амбициозной открытой технической работы.

Где Fable тратил больше

Автор The New Stack прогнал каждую модель по одному разу на каждую задачу через API Anthropic, без ограничения на число ходов, и проверял ответы скриптом. Первые версии всех трёх задач обе модели решили без ошибок, поэтому он дважды их усложнял. В итоге и Fable, и Opus набрали 50 из 50 во всех девяти прогонах, а разница нашлась во времени и деньгах:

  • Планировщик cron: код по письменной спецификации, затем запрос на изменение, проверка скрытым набором из 50 тестов. В усложнённых версиях появились правила вроде «последней пятницы месяца» и ручная обработка часовых поясов и перехода на летнее время без библиотеки Python. Fable писал в 2-3 раза больше рассуждений, и ни в одной версии баллов это ему не добавило. По трём версиям Opus уложился в 358 секунд и 0,99 доллара, Fable потратил 661 секунду и 3,29 доллара.
  • Починка библиотеки для счетов: агентная работа в репозитории со связанными багами в округлении, скидках, налогах и доставке и с одним неверным тестом, о котором надо сообщить, не трогая его. Opus закрывал каждую версию меньше чем за минуту, Fable тратил от 106 до 223 секунд и по трём версиям вышел в восемь раз дороже.
  • Расследование сбоя платежей через терминал по логам, метрикам и записям о деплоях, среди которых были ложные деплои и серверы со сбитыми часами. Здесь автор ждал перевеса Fable, и тот действительно обходился меньшим числом ходов, 9-11 против 12-14, но всё равно стоил 2,54 доллара против 0,91.

Итоговый разрыв складывается из прайса и объёма. По API Fable 5.2 стоит 8 долларов за миллион входных токенов без кэша и 40 долларов за миллион выходных, Opus 5.5 вдвое меньше: 4 и 20. Выходных токенов Fable за девять прогонов в тесте The New Stack написал 168 099 против 78 293 у Opus, а работал 1 579 секунд против 701. Прайс Fable 5.2 уже на 20% ниже, чем у Fable 5.1 (10 и 50 долларов), однако аналитик Greyhound Research Санчит Вир Гогия, чьи слова приводит Computerworld, сформулировал это так: «Anthropic снизила цену токена, но не цену мысли».

Что ещё влияет на выбор

Effort задаёт, насколько глубоко модель рассуждает перед ответом, а с этим и задержку, и стоимость. Уровни идут от low до max, адаптивное мышление у обеих моделей включено всегда и не отключается. По документации Claude, в API Fable 5.2 по умолчанию работает на high, Opus 5.5 на medium, а в Claude Code и приложениях Claude Fable 5.2 стартует с medium. Так что цифры теста описывают именно вызовы через API без настройки. Anthropic в гайде по выбору модели и вовсе предлагает сначала поднимать effort и только потом менять модель.

Свои задачи автор называет сложными, но короткими и признаёт, что они намного меньше бенчмарков Anthropic и не могут ни подтвердить, ни опровергнуть их результаты. На FrontierCode 2.0 у Anthropic Fable 5.2 набрал 49,1% на уровне Xhigh против 45,5% у Opus 5.5 на Max, а на High получил 45,3% примерно за половину стоимости задачи в том прогоне Opus. На FrontierSWE v2 компания приводит 69,9% у Fable против 62,3% у Opus.

Fable 5.2 к тому же требует хранить данные 30 дней: в режиме нулевого хранения (zero data retention) он недоступен, если Anthropic отдельно этого не разрешит.

ClaudeClaude Codeразбор

Claude Code научился звать инструменты из JavaScript

В Code Mode Claude пишет JavaScript, который сам вызывает Bash, Read и Edit, а классификатор auto mode проверяет весь код целиком. Значений, вычисленных во время запуска, вроде пути из результатов поиска, он не видит. Опасные вызовы агента у вас держат правила и хуки или одно auto mode?

Пока никто не написал. Будьте первым.

Присоединяйтесь к разговору

Войдите, чтобы оставить комментарий. Он появится после модерации.