Fable 5.2 重夺全球第一 LLM 席位,$ANT IPO 路演启动 — Latent Space

📌 One-Sentence Summary
Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2,两款模型登顶多个独立排行榜,但在不同基准测试中的表现参差不齐,单项任务成本更高,且出现了「高」努力程度设置优于「最高」设置的异常现象。
📝 Summary
本文报道了 Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2 的消息。两款模型迅速登顶多个独立排行榜,包括 Artificial Analysis Intelligence Index v5,得分为 65,以及 Vals Index 和 ARC-AGI。尽管每个 token 的价格降低了 20%(Fable 5.2 为 $8/$40,5.1 为 $10/$50),但由于模型会进行更多自我检查,消耗的 token 增加,单项任务成本反而上涨了 31%。文章详细介绍了基准测试结果:Fable 5.2 在编程、推理和视觉任务中表现出色,但在金融、法律、量化交易和硬件设计方面不及 Opus 5.5,这可能是有意降低 RSI 能力所致。另一个显著异常是,在多项评测中,「高」努力程度的表现优于「最高」和「极高」设置,与预期的规模扩展规律相悖。文章还分析了订阅服务的价值:Fable 5.2 Ultra 每月仅提供价值 $3,000 的使用量,而 Opus 5.5 为 $15,000;此外,Fable 的使用量上限为每周额度的 50%。开放模型的对比则显示,DeepSeek 的单项任务成本低 44 倍,说明大多数任务并不需要最聪明的模型。
💡 Main Points
Fable 5.2 登顶排行榜,但在不同领域表现参差不齐
Fable 5.2 在 Artificial Analysis Intelligence Index(65 分)、Vals Index 和 ARC-AGI 基准测试中得分最高,但在金融、法律、量化交易、RSI 和硬件设计任务中的表现不及 Opus 5.5,这可能是有意限制其能力所致。
每个 token 的价格降低 20%,但单项任务成本反而上涨
Fable 5.2 的每个 token 价格从 $10/$50 降至 $8/$40,但 SemiAnalysis 的 GDPx 基准测试显示,单项任务成本从 $67.16 上升至 $88.15,涨幅为 31%。这是因为模型会生成数百至数千个测试用例,并调用子智能体进行独立验证,消耗的 token 显著增加。
努力程度设置异常:「高」优于「最高」
包括 Vals Index 和 AA 纯代码评测在内的多项独立评估显示,Fable 5.2 在「高」努力程度下的表现优于「最高」或「极高」设置,与预期的规模扩展规律相悖,也让人怀疑最高努力程度配置可能存在问题。
订阅价值分析显示 Fable 5.2 的性价比不佳
对 $200 Ultra 订阅中 110 万条记录请求的分析显示,Fable 5.2 每月提供的价值约为 $3,000,而 Opus 5.5 为 $15,000;同时,Fable 的使用量上限为每周额度的 50%,使其对订阅用户的价值明显较低。
开放模型对大多数任务具有显著的成本优势
与 DeepSeek 等开放模型的对比显示,其单项任务成本低 44 倍。分析还指出,95% 的任务不需要最聪明的模型,这表明开源替代方案可能更适合常规应用。
💬 Key Quotes
Fable 5.2 以 65 分登顶,排名第一(最高)
尽管每个 token 的价格便宜了 20%,单项任务成本仍上涨了 31%($67.16 → $88.15)
不要使用 Fable 5.2 Max
DeepSeek 的单项任务成本低 44 倍,而且 95% 的任务都不需要最聪明的模型
Fable 5.2 在「高」努力程度下的表现媲美 Opus 5.5 的「最高」设置,而单项任务成本约为其一半
📊 Article Meta
AI Screening: 85
Source: Latent.Space
Author: swyx .ai
Category: 人工智能
Language: 英文
Read Time: 28 min
Word Count: 6950
Tags:
AI 与智能应用 , 模型训练与推理 , 测试与质量 , AI 安全与对齐 , AI Agent
刚好最近在找这方面的资料,太及时了。
有没有更详细的教程,期待后续。
看完了,收获满满,期待更多更新。
实测过类似工具,作者说的基本属实。
实话,说的不明不白
不错不错,已加入书签。
整理得太全面了,省了我不少时间。
整理得太全面了,省了我不少时间。
有没有更详细的教程,期待后续。
内容翔实,正好需要,先收藏再看。
作者写得真不错,学到了不少。
看标题就点进来了,内容果然没让人失望。