Claude Fable 5.2 努力级别说明:低、中、高、极高或最高?
通过比较质量、延迟、令牌使用、工具行为以及适合低到最大努力级别的任务,选择合适的 Claude Fable 5.2 努力级别。

努力是控制Claude Fable 5.2推理深度的主要因素。它影响思考、工具调用、回合时长和令牌消耗。它主要不控制可见答案的长度。
Fable 5.2 支持五个级别——low、medium、high、xhigh 和 max——在 Claude API 上默认为 high。Anthropic 建议从此级别开始,然后在评估显示质量保持的情况下降低级别,或者仅在测量到的收益足以证明额外时间和令牌合理的情况下提高级别。
决策表
| 投入 | 最佳匹配 | 主要优势 | 主要风险 | |---|---|---|---| | 低 | 明确指定、高容量、快速的子代理任务 | 更低的延迟和令牌使用 | 可能在长任务上提前停止 | | 中等 | 交互式编程、聊天、日常知识工作 | 响应均衡 | 可能遗漏困难的长周期依赖 | | 高 | 硬编码、研究、代理、无人值守工作 | 大部分能力提升 | 明显更慢且更昂贵 | | XHigh | 最难的编码和智能体任务,具有已验证的收益 | 能提升困难任务的成功率 | 更多token用于不均衡的收益 | | 最大值 | 天花板测试,罕见的开放式数学/科学问题 | 模型最大工作量 | 最慢;成本和延迟未优化 |
低:使用精确度和清晰的终点线
当任务边界清晰且验证简单时,低投入是合适的:分类问题、提取已知模式、更新小文件或运行快速子代理搜索。
对于代理工作,添加一条完成规则。Anthropic指出,低投入的代理更可能提前停止。一个有用的指令是:
完成整个任务。继续执行实现和验证;不要在提出计划后就停止。
低并不等同于低质量。Anthropic报告称,Fable 5.2在低投入下相较于早期模型表现强劲。最终决定仍取决于你的评估集。
媒介:你刻意选择的交互默认设置
Medium 适合来回编码、文档分析、常规研究以及需要人员快速响应的工作流程。当任务明确且人类反馈能提供缺失的上下文时,它可能比 API 默认设置更经济。
如果模型反复忽略跨文件依赖、在部分工具使用后停止,或需要多次重试,则向上移动。不要仅仅因为任务冗长就向上移动;首先要判断提示、检索或工具是否存在不足。
高:推荐的起点
高是API的默认设置,也是处理复杂编码、研究、长期运行的代理以及需要多次工具调用的任务时最佳的首选设置。Anthropic表示,大部分能力提升在此级别已经实现。
对于问候、路由、简单提取或简短改写,高努力可能造成浪费。像“直接回答”这样的指令并不一定能消除中等或以上努力级别的思考;对于简单的对话轮次,请选择较低的努力级别。
XHigh:需要增量价值的证据
当高努力模式无法完成困难任务,且受控测试表明xhigh能提升接受率时,使用xhigh。合适的候选场景包括仓库级变更、复杂代理恢复或涉及多约束交互的研究。
每个已接受任务的平均追踪成本。如果高成本方案在82%的案例中成功,而极高成本方案在84%的案例中成功,但消耗了显著更多的令牌,那么除非是针对最困难的2%案例,否则升级可能不合理。
最大值:是上限,而非生产默认值
Max 旨在衡量当令牌成本和时间次要时模型的能力。Anthropic 认为开放式的科学发现和数学是其可能的应用场景。与 xhigh 相比,它通常仅以高得多的成本带来微小的改进。
将最大值视为需要明确预算批准的实验性或例外路线。
开展一次冲刺回顾
- 选择30–100个代表性任务,包括之前的失败案例。
- 修复提示、工具、上下文、处理模式和验收标准。
- 先运行中等和高。
- 为易/高容量类别添加低位。
- 仅在困难子集上测试 xhigh。
- 使用最大值来衡量上限,而非抬高平均值。
- 记录接受情况、延迟、输入/输出使用情况、工具调用和审查时间。
不要直接复用Fable 5.1或Opus 5.5中的努力选择而不重新测试。标签在不同模型间的排序方式相同,但同一层级所需的思考量可能不同。
在工作流中混合使用努力
一个有用的智能体可能:
- 在低优先级下分类任务
- 在 Medium 上互动探索
- 在高处执行一个困难的计划
- 将一个失败案例升级至 xhigh
Fable 5.2 通过测试版输出配置,在支持的平台上支持按消息调整努力程度。这可以在对话过程中改变努力程度,同时保留提示缓存。如果改为调整顶层努力程度,缓存的消息可能会失效。
常见问题解答
高投入是否会让可见答案变得更长?
不可靠。请使用提示指令来控制长度和格式。
xhigh 是否总是比 high 更好?
不。Anthropic 将高于高水平的收益描述为不均衡且依赖于具体任务。衡量增量成功率。
编程时应该投入多少精力?
对于明确指定的交互式工作使用中等难度,对于较难或无人值守的工作使用高难度,而极高难度仅用于测试显示有收益的困难子集。


















































































































