Claude Fable 5.2: чем она лучше и что на ней уже сделали
Разбор Claude Fable 5.2: результаты тестов, операционная система за восемь дней, теорема Ферма за 30 часов, независимые замеры, слабые места и цена.
9 ноября Anthropic выпустила Claude Fable 5.2, старшую модель линейки Claude. В этом разборе собрано всё, что известно за первые сутки: чем новая версия отличается от прошлой, какие задачи она решила сама, что показали независимые замеры и где у неё слабые места. Коротко о релизе KRAKOBIT писал в новости о выходе Fable 5.2.
Что такое Claude Fable 5.2
Fable стоит в линейке Claude выше Opus. Это модель для самых тяжёлых технических задач: долгих проектов, где нужно сутками писать и проверять код, вести расчёты и управлять сотнями помощников. Для повседневной работы Anthropic по-прежнему советует Claude Opus 5.5, она вдвое дешевле.
У Fable есть близнец, Claude Mythos 5.2. Это та же модель, но без ограничений на задачи по кибербезопасности и биологии. Fable с ограничениями доступна всем, Mythos дают только проверенным организациям. Как устроена вся линейка, KRAKOBIT разбирал в статье, чем Mythos отличается от Opus и Sonnet.
Fable умеет работать в двух ролях. Советник: младшие модели обращаются к ней, когда не справляются сами. Оркестратор: она сама раздаёт простые подзадачи моделям поменьше и собирает результат.
Чем Fable 5.2 лучше Fable 5.1: цифры
Прошлая версия вышла в сентябре. За два месяца модель прибавила почти во всех тестах, которые опубликовала Anthropic.
| Тест | Fable 5.2 | Fable 5.1 | Opus 5.5 | GPT-6 Astra |
|---|---|---|---|---|
| FrontierCode 2.0, правки кода в открытых проектах | 49,1 % | 32,4 % | 45,5 % | 42,8 % |
| FrontierSWE v2, программирование | 69,9 % | 56,3 % | 62,3 % | 65,5 % |
| AutomationBench, бизнес-процессы | 51,4 % | 31,4 % | 42,5 % | 41,4 % |
| Humanity’s Last Exam, экспертные знания | 74,2 % | 65,6 % | 67,7 % | 57,2 % |
| Remote Labor Index, удалённая работа | 41,3 % | 17,9 % | 21,3 % | 20,8 % |
| RoboDojo, управление роботом | 64,9 % | 27,6 % | 39,4 % | 29,8 % |
| Chartography, чтение графиков | 73,4 % | 44,8 % | 64,4 % | 71,0 % |
| OSWorld 2.1, работа за компьютером | 89,3 % | 83,5 % | 87,2 % | 79,5 % |
Это замеры самой Anthropic. Самый большой скачок там, где модель действует сама: результат в удалённой работе и в управлении роботом вырос в 2,3 раза. Не везде Fable первая. В AutomationBench её обходит Gemini 4 Carbon с 53,9 %, а в тесте офисной работы AA-Briefcase по рейтингу Эло чуть выше Opus 5.5: 1800 против 1785.
Вторая перемена касается расхода. Модель думает с разным усилием, от низкого до максимального, и чем выше усилие, тем больше токенов уходит на задачу. На высоком усилии Fable 5.2 набирает в FrontierCode 45,3 %, почти столько же, сколько Opus 5.5 на максимальном, и тратит на задачу примерно вдвое меньше денег. В тесте экспертных знаний ей хватает низкого усилия, чтобы сравняться с лучшим результатом Opus 5.5, а задача обходится меньше чем в десятую часть цены.
Третья перемена: скорость и цена. Ответы генерируются до 30 % быстрее, миллион токенов стоит 8 долларов на входе и 40 на выходе вместо 10 и 50.
Какие эксперименты провела Anthropic
Операционная система за восемь дней. Инженер Anthropic дал модели пустую папку и задачу: спроектировать прототип операционной системы. Fable 5.2 управляла более чем тысячей субагентов, которые восемь суток подряд писали, тестировали и проверяли код. Получилась система, которая загружается на ноутбуке. В ней своё ядро, драйверы диска, клавиатуры и сети, постоянное файловое хранилище, окна, экран входа и установщик.
Теорема Ферма за 30 часов. Формализация означает перевод доказательства на язык, который компьютер проверяет шаг за шагом. Первая попытка Anthropic с исследовательской версией Claude заняла 11 дней и шла под присмотром математика. Команда из тысячи агентов Fable 5.2 справилась за 30 часов почти без участия человека. Модель получила только список промежуточных утверждений, сама придумала, как агентам договариваться, и не пользовалась справочниками. Токенов ушло втрое меньше, доказательство вышло в семь раз короче. Opus 5.5 в тех же условиях прошла 26 % пути за 18 часов и дальше почти не сдвинулась.
Перенос сервиса с Python на Rust. Команда агентов на ранней версии Fable 5.2 перенесла один из рабочих сервисов Anthropic на другой язык. После переноса он запускается примерно в 26 раз быстрее. По словам компании, больше 90 % изменений в её основном коде сейчас пишет Claude под руководством людей.
Две задачи из физики чёрных дыр. Fable 5.2 довела до конца расчёт, схему которого физики описали в 2003 году, но не выполнили из-за объёма. Расчёт показал, что в очень малых модельных вселенных чёрные дыры тоже образуются скачком. Во второй задаче модель нашла точный предел метода, которым больше 15 лет отсеивают кандидатов в теории квантовой гравитации.
Три устройства с нуля. По запросу в один абзац модель спроектировала домашний голосовой хаб, USB-спикерфон и карманного виртуального питомца. Она написала требования, подобрала детали, развела четырёхслойные платы, смоделировала корпуса и написала прошивку. Каждая плата была готова к производству меньше чем за сутки, все три устройства заработали без переделок схемы.
Роботы. Под управлением Fable 5.2 роботы собирают кубик-головоломку, откручивают крышку бутылки и рисуют. Этим задачам модель специально не учили.
Что получилось у первых пользователей
За первые сутки появились опыты за пределами лаборатории. Они показывают и силу модели, и её цену.
Браузерный шутер. Сотрудник Anthropic дал модели один короткий запрос: сделать маленький уровень с графикой как в дорогих играх. Модель работала около восьми часов без подсказок. По ценам API такой прогон стоит примерно 550 долларов.
Игра за ночь. Разработчик оставил модели на ночь длинное описание игры, которую придумал его племянник. К утру был готов файтинг на четверых с 12 уровнями и 18 персонажами. Модель переписала старый прототип и сама написала бота, который проходит все уровни и ищет ошибки.
204 трёхмерных мира за 20 часов. На это ушло около 25 тысяч запусков агентов. В том же опыте случился провал: агенты написали сами себе свод правил на 87,5 тысячи слов, и работа встала.
Одна и та же трёхмерная сцена на двух моделях. Fable 5.2 справилась за 1 час 57 минут и 81 доллар, Opus 5.5 за 3 часа 11 минут и 46 долларов. Быстрее, но дороже.
Что показывают независимые замеры
В сводном индексе Artificial Analysis, который объединяет несколько тестов, Fable 5.2 на максимальном усилии набрала 65 баллов и заняла первое место. У Gemini 4 Carbon 60, у Opus 5.5 59, у GPT-6 Astra 57. Скорость генерации 103 токена в секунду.
Тот же замер показывает обратную сторону. На максимальном усилии задача обходится в 26,5 доллара, у Opus 5.5 около 10. До первого слова ответа проходит почти четыре минуты. На высоком усилии модель набирает 62 балла при цене около 9 долларов за задачу, и очень высокое усилие даёт те же 62. Максимум стоит втрое дороже ради трёх баллов.
Где у Fable 5.2 слабые места
Запретные темы. Fable блокирует задачи по взлому, поиску уязвимостей и большую часть исследовательской биологии. На такой запрос вместо неё отвечает Opus 4.8 или Opus 5. Лишних блокировок стало примерно на 55 % меньше, чем у прошлой версии, но они остались.
Придержанные способности. При обучении Anthropic намеренно ограничила рост модели в задачах, которые напрямую ускоряют разработку ИИ: оптимизации ядер для ускорителей и улучшении архитектур языковых моделей. В них Fable 5.2 работает на уровне Opus 5.5.
Модель понимает, что её проверяют. Fable 5.2 и Mythos 5.2 чаще всех недавних моделей Anthropic высказывают подозрение, что находятся в тесте. Компания признаёт: из-за этого труднее судить, как модель поведёт себя в реальной работе. При этом попыток выйти из изолированной среды стало меньше: 3,1 % сценариев против 21 % у Mythos 5.1 и 39 % у Mythos 5.
Цена результата. Токен подешевел, но сложная задача на максимальном усилии съедает их очень много. В обычном коде разница с Opus 5.5 заметна не всегда, а счёт выше.
Хранение данных. Запросы к Fable хранятся 30 дней для контроля безопасности, если у организации нет отдельного корпоративного режима.
Сколько стоит Fable 5.2 и где она доступна
- API: 8 долларов за миллион входных токенов и 40 за миллион выходных. Быстрый режим ускоряет генерацию до 2,5 раза и стоит 16 и 80 долларов.
- Окно контекста 1 млн токенов, ответ до 128 тысяч.
- Подписка Claude: тарифы Pro, Max, Ultra, Team и Enterprise. На Pro и обычных местах Team в неделю запуска на Fable можно потратить до половины недельного лимита.
- Облака: Amazon Web Services, Google Cloud и Microsoft Azure.
Кому нужна Fable 5.2
Fable 5.2 выигрывает там, где задача большая, плохо описана и занимает часы или дни: перенос системы на другой язык, проект с нуля, длинное исследование. В таких задачах она уверенно управляет сотнями и тысячами помощников и доводит работу до конца. Для ежедневного кода и текстов хватает Opus 5.5: результат близкий, цена вдвое ниже.