
Anthropic 发布编码模型 Fable 5.2,基准测试胜 Opus 却仍推荐 Opus
来源标题:Anthropic built a model that beats Opus. It recommends Opus anyway.
Anthropic 发布编码模型 Fable 5.2,在两项主要基准测试上超过 Opus 5.5,且在 FrontierCode 2.0 上以约一半成本取得 45.3% 的成绩,接近 Opus 5.5 的 45.5%。但 Anthropic 仍建议多数开发者日常使用 Opus 5.5,称其为编码和知识工作的“最强日常主力”,Fable 则定位为大型软件迁移、多智能体构建和长周期研究场景。
以下正文由 AI 翻译自 The New Stack(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
Anthropic 刚刚发布了一款编码模型,在两项主要基准测试上击败了 Opus 5.5,并且能以一半的成本完成某些困难任务。然而在周一的 Fable 5.2 发布公告中,该公司建议大多数开发者继续使用 Opus,称其为编码和知识工作领域的“最强日常主力”。
“基于能力和定价,Claude Opus 5.5 仍然是我们推荐用于大多数日常工作(从编码到知识工作)的模型,”Anthropic 对 The New Stack 表示。
Anthropic 表示,Fable 面向大型软件迁移、多智能体构建和长时间运行的研究,但其性能数据让这一推荐变得复杂。更贵的模型在完成某些任务时反而成本更低,而该公司提出的多模型架构又增加了委派、上下文管理和执行成本方面的考量。
更贵反而更省
据 Anthropic 称,在 FrontierCode 2.0 上,Fable 5.2 在高投入模式下得分 45.3%,几乎追平 Opus 5.5 的最佳成绩 45.5%,而完成基准任务的成本约为后者的一半。
Fable 的每 token 价格是 Opus 的两倍——每百万输入 token 8 美元、每百万输出 token 40 美元,而 Opus 分别为 4 美元和 20 美元——但据报道其任务成本更低,这说明单看 token 定价并不能判断哪个模型更经济。
Anthropic 还引用了一项内部实验:1,000 个 Fable 5.2 智能体在 30 小时内形式化了费马大定理。根据该公司公布的结果,在相同的智能体配置下,Opus 5.5 在 18 小时后仅完成 26%,到 30 小时时几乎没有额外进展。
该实验展示了 Anthropic 希望 Fable 承担的工作规模,但并未说明这种优势在多大程度上能延续到更小的部署或常规编码工作负载中。
模型管理者模式
该公司还将 Fable 定位为更便宜模型的协调者,这样开发者就可以把推理能力留给其他模型无法可靠完成的工作。
“Fable 5.2 可以充当编排者,将更简单的任务委派给 Opus 5.5 或 Sonnet 5.5,也可以充当顾问,供这些模型在遇到更难问题时咨询。”
“开发者也不再需要只选择一个模型,”Anthropic 对 The New Stack 表示,“Fable 5.2 可以充当编排者,将更简单的任务委派给 Opus 5.5 或 Sonnet 5.5,也可以充当顾问,供这些模型在遇到更难问题时咨询。”
对于大型软件迁移,Fable 可以分析依赖关系、规划跨服务的变更,并将各个实现任务委派给 Opus 或 Sonnet。更困难的决策随后可以升级回 Fable,而无需让更贵的模型执行每一步。
Coinbase 已经构建了一套多模型基础设施,根据需求和成本路由任务,该公司表示,尽管 token 用量增加了,内部 AI 支出却减少了近一半。
Anthropic 希望 Fable 自己能处理部分路由决策,但任何节省都取决于更便宜的模型有多大比例能在无需帮助的情况下完成被分配的工作,因为在长时间运行的智能体任务中,额外的模型调用、上下文传递和失败尝试都可能推高成本。
上下文切换的代价
开发者在对话过程中切换模型时还有另一个麻烦。Fable 5.2 可以读取 Opus 5.5 生成的思考块,但 Opus 无法读取 Fable 生成的思考块。
这可能意味着,在构建于模型之间转移工作的系统时,需要找到另一种方式来传递相关上下文,而这可能需要额外的 token,更不用说还会侵蚀使用更便宜模型带来的节省。
早点切换,省得更多
Anthropic 建议从 Opus 开始,当更高投入的 Opus 评估无法满足项目要求时再转向 Fable,这提供了一条基于能力的切换规则,但未必考虑了最低的总执行成本。
其 FrontierCode 结果显示,Fable 以大约一半的任务成本实现了相当的性能,因此开发者很可能比 Anthropic 建议的更早切换就能受益。
文章《Anthropic built a model that beats Opus. It recommends Opus anyway.》首发于 The New Stack。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。