Claude Fable 5.2基准测试：它的优势所在，以及所需成本

简单来说： Claude Fable 5.2在代理代码编写、对话交流以及面向成年人的小说创作方面表现极为出色。它从不拒绝任何请求，运行速度也快于Fable 5.1。它的得分为25.2，是所有模型中最高的；不过排名前五的模型得分非常接近，可以视为并列。一次标准运行的费用为14.87美元，这一价格远高于GPT-6.1 Sol的1.17美元。我们最初给出的评分为24.2，但这个分数偏低：在我们的三次代理测试中，API账户的额度用尽，导致模型得分为0。后来我们重新进行测试，这次它顺利通过了全部三项测试。

前往 GitHub 上的 CrucibleForge

Claude Fable 5.2在测试集中获得了最高的聊天得分，为12.7；在五个并列领先的模型中，它的成人内容测试得分也最高，达到12.0。该模型成功通过了全部九次拒绝测试。其生成速度达到了每秒78.9个标记，比Fable 5.1的48.7要快得多。在MakoBench 4.1测试中，它取得了25.2 ± 1.7的总分，这一成绩在所有模型中名列第一；其中“工作相关任务”得分也高达12.5。这一分数与Kimi K3.1 Pro、Grok 4.7、GPT-6 Astra以及GPT-6.1 Sol的数值相当，属于统计意义上的并列第一——虽然榜单上它排在最前面，但实际差距仍在误差范围内。Fable 5.1的总分为19.4。

更正说明：本页面的早期版本给出的总分是24.2，并标注为暂定值。实际上，Fable 5.2在三项代理任务测试中的得分本应为非零值；之所以得分为0，是因为我们的API账户在测试中途额度用尽，而非模型未能通过测试。后来我们通过Anthropic官方的API并启用提示缓存功能重新进行了测试，花费了10.81美元。结果显示该模型全部顺利通过，因此“工作相关任务”得分从11.5提升至12.5，总分也从24.2升至25.2。

Claude Fable 5.2非常适合用于代理式编程、聊天互动及角色扮演场景，也适合创作面向成年人的文学作品。在我们发布的十一款模型评测指南中，它被列为推荐的模型组合中的规划与审核工具。不过它的使用成本也是所有领先模型中最高的：一次标准测试的费用为14.87美元；相比之下，GPT-6.1 Sol仅需1.17美元，Kimi K3.1 Pro需4.07美元，GPT-6 Astra则需5.70美元。包含各项测试结果的完整数据表可参见MakoBench榜单。

模型	总分	工作相关任务得分	聊天得分	成人内容测试得分	生成速度（标记/秒）	单次测试费用
Claude Fable 5.2	25.2 ± 1.7	12.5	12.7	12.0	78.9	$14.87
Kimi K3.1 Pro	24.6 ± 1.0	12.0	12.6	5.0	62.8	$4.07
GPT-6 Astra	24.0 ± 1.7	11.5	12.6	1.3	41.1	$5.70
GPT-6.1 Sol	23.9 ± 1.8	11.5	12.4	1.5	111.7	$1.17
Claude Fable 5.1	19.4 ± 1.7	9.4	10.0	11.4	48.7	$10.23

总分由“工作相关任务得分”与“聊天得分”相加得出。标准测试中每项最高可得10分，其余分数则通过模型解锁的奖励包获得。成人内容测试得分单独计算，不计入总分。

Fable 5.2相较于5.1有哪些变化？

与Fable 5.1相比，各项指标的提升幅度明显且超出了误差范围。工作能力从9.4提升至12.5，聊天能力从10.0提升至12.7；处理速度则从每秒48.7个令牌提升至78.9个令牌。Fable 5.2成功通过了全部九项拒绝测试，也没有任何回复被内容过滤器拦截。在代理能力方面，重新测试后其代理评分达到了完美的1.000，在标准代理测试用例中也取得了100%的得分。GPT-6 Astra与GPT-6.1 Sol的代理评分同样为满分，但在标准代理测试用例中的得分仅为66.7%。

与各替代方案的每次运行成本对比

Fable 5.2的一次标准运行成本为14.87美元。与之成本相同的GPT-6.1 Sol则为1.17美元；Kimi K3.1 Pro与GPT-6 Astra的成本则介于两者之间。在表格中并列领先的四个模型中，Fable 5.2在成人内容测试中的表现最为出色（得分为12.0，其他模型得分均为5.0或更低），不过其运行成本也最高。

每个模型的得分、测试项目列表以及运行成本均可在排行榜上查看。包含成本信息的11个模型对比数据则见于模型基准测试、应用场景与配置：2026年11月。