Claude Fable 5.2 对比 Fable 5.1：本次更新有何变化
从 Fable 5.1 升级到 Fable 5.2 可带来三项立即可量化的提升：标准代币价格降低 20%，输出速度最高提升 30%，Anthropic 公布的测试结果在多项编码、终端、机器人及科学任务上显著改善。此次迁移仍非简单的模型名称替换。默认投入程度、思考块兼容性、工具行为及数据保留要求均需进行测试。
并排对比
| 区域 | Fable 5.1 | Fable 5.2 | 实际效果 | |---|---:|---:|---| | 标准输入 | $10/MTok | $8/MTok | 降低20% | | 标准输出 | $50/MTok | $40/MTok | 降低20% | | 缓存读取 | $0.25/百万Token | $0.20/百万Token | 更便宜的重复上下文 | | 输出速度 | 基准 | 最高提升30% | 生成阶段更短 | | 上下文 / 最大输出 | 1M / 128K | 1M / 128K | 无标题容量变化 | | FrontierCode 2.0 | 32.4% | 49.1% | 在指定设置下大幅提升已公布性能 | | Terminal-Bench-Science 0.1 | 52.6% | 74.6% | 更好的基于终端的科学工作 | | RoboDojo 模拟器 | 27.6% | 64.9% | 更强的模拟机器人结果 | | 发布 | 2026年9月 | 2026年11月9日 | 更新的安全与行为配置文件 |
MTok 表示一百万个令牌。基准值来自 Anthropic 的发布评估，应结合其所述的工具和努力设置进行解读。
此次升级不仅仅是原始基准测试的变动
Fable 5.2 改善了大上下文工作的经济效益。一个使用 500,000 个未缓存输入令牌和 25,000 个输出令牌的任务，按标准 Fable 5.2 费率计算成本为 6 美元，而按 Fable 5.1 费率则为 7.50 美元。如果重复使用相同的长参考语料库，提示缓存可以进一步扩大这一差异。
速度也会改变模型在代理循环中的表现。输出生成速度提升30%可以减少模型编写补丁、测试计划或报告时的空闲时间。但这并不一定会减少检索、工具执行、队列等待或首令牌生成时间，因此端到端测量仍然至关重要。
安全行为旨在减少对合法工作的阻碍
Anthropic表示，在早期内部产品测试中，Fable 5.2产生的拦截量比Fable 5.1减少了约55%——其中网络安全交互减少约60%，生物学交互减少约40%。这并不意味着安全控制被移除。新版本对高级网络和生物能力采用了更强的控制措施，并可能将某些被拦截的查询路由至备用模型。
对于普通工程团队而言，相关问题是允许的防御性安全及生命科学请求是否完成得更一致。在验收测试中纳入具有代表性但无害的敏感案例，而非从总体百分比进行推断。
可能导致集成中断的迁移细节
首先，在比较过程中明确设定努力程度。Fable 5.2 默认使用高努力模式；而历史部署可能依赖于不同的默认设置或隐式行为。如果没有固定的设定，成本、延迟和质量比较可能会产生误导。
其次，正确保留思考块。Anthropic 文档指出，Fable 5.2 思考块只能由 5.2 模型读取。一个跨版本存储并重放模型状态的管道需要制定兼容性计划。
第三，重新测试工具调用和计算机使用集成。较旧的计算机工具版本可能会返回错误，并且此模型不支持使用 any 或命名工具进行强制工具选择。最后，Fable 5.2 请求通常需要保留 30 天以进行安全监控，除非账户已获得符合条件的零数据保留安排的授权。
低风险升级计划
- 复制一份具有代表性的生产评估集，包括故障和边缘情况。
- 对两个模型使用相同的提示、工具、最大输出和努力设置。
- 衡量任务成功率、人工修正时间、总令牌数、实际延迟、拒绝率以及工具故障。
- 在迁移流量之前，先运行一个小规模的影子部署。
- 更新模型ID、存储的思考状态逻辑、监控标签、预算和回滚指令。
不要只为了基准分数而优化。一个能多完成10%任务但带来两倍审查负担的模型，可能仍然是更差的生产选择。
现在应该升级吗？
首先在Fable 5.1已增加价值且5.2成本更低或执行质量更优的情况下进行升级。对受监管数据、跨模型思维状态复用、旧版计算机使用工具或严格保留要求保持受控部署。对于简单转换，也可评估Opus 5.5或更小模型；即使降价后，Fable可能仍非必要。
常见问题解答
Fable 5.2 的上下文窗口是否比 Fable 5.1 更大？
不。两者均记录为具有一百万个令牌的上下文窗口和128,000个最大输出令牌。
我可以只更改模型名称吗？
一些基本调用可能有效，但生产迁移还应测试工作负载默认值、思考块、工具、保留、拒绝以及特定于云的部署名称。
每个基准测试都更好吗？
此次发布在多项测试中取得了显著进展，但没有任何公开基准能证明其在所有领域都具备优势。您自身的任务仍是决定性的验证依据。
