Claude Fable 5.2 登顶 Agent Arena，但 30.4% 这个数字得拆开看

11 月 11 日 Arena.ai 放榜，Claude Fable 5.2 在 Agent Arena 排到第一。净提升 +30.4%，第二名 Opus 5.5 是 +19.5%，差距约 1.6 倍。数据来自社区 4700 个真实 agent 会话。

顺带 Code、Chat、Work 三个大类也都是第一。Code 从上一代的第 6 升到第 1，净提升 19.8%；Work 从第 4 升到第 1；Chat 从第 6 升到第 1。信号层面，Praise vs. Complaint 提升了 73%，Steerability 提升 33%，Confirmed Success 提升 22%，Bash Reliability 排到第 3，提升 14%。

两周前官方发布 Fable 5.2 和 Mythos 5.2 时给的数据：输出速度比 5.1 快最多 30%，API 价格从每百万 input $10、output $50 降到 $8/$40。Arena 那边测的每任务中位成本从 $7.7 降到 $7.3。

30.4% 怎么来的

这个 +30.4% 是加权后的净提升，不是绝对分数。有网友在评论区点了一句：权重换一种选法，30 分的领先可能就变成 5 分。榜单给的是相对位置，换成你自己的任务分布，故事可能不一样。

另一个网友的说法更实际：Agent 场景真正烧钱的地方在中途掉链子重跑，单次推理反而没那么贵。Fable 如果长上下文不崩，实际成本会比账面更低。这个问题 Arena 的 +30.4% 回答不了。

官方基准里的硬数字

官方发布博客里给了几组可以直接对照的数据。FrontierCode 2.0 在 Xhigh effort 下 49.1%，Opus 5.5 是 45.5%，GPT-6 Astra 42.8%，Gemini 4 Carbon 41.1%。FrontierSWE v2 是 69.9%，Opus 5.5 62.3%。RoboDojo 机器人基准 64.9%，Opus 5.5 39.4%，GPT-6 Astra 29.8%。

FrontierCode 2.0 的性价比曲线更值得看。High effort 下 Fable 5.2 得分 45.3%，和 Opus 5.5 的最高分 45.5% 只差 0.2 个点，但每任务成本大约是它的一半。

费马大定理那个案例

官方提到一个具体实验：1000 个 Fable 5.2 agent 在 30 小时内把费马大定理完整形式化，翻译成计算机可以逐步检查的语言。同样的设置下，Opus 5.5 在 18 小时内完成 26%，后面 12 小时几乎没有进展。

硬件那边，一个工程师给 Fable 5.2 一段话的 prompt，让它设计三台电子设备，包括四层电路板、3D 打印外壳和软件。三台设备做出来都不需要改电路。Anthropic 自己说，现在核心代码库超过 90% 的合并改动由 Claude 写。还有个内部实验：从空文件夹开始设计一个操作系统，协调 1000 多个 subagent 跑了 8 天，成果能在笔记本上启动。

机器人控制这块，Fable 5.2 在 RoboDojo 上跑出 64.9%，超过专门为机器人控制做的系统。下面这段是它控制机械臂解魔方、拧瓶盖、画机器人。

蛋白折叠方向，Mythos 5.2 找到一种预测 AAV 衣壳整体结构的方法，34 个里准确模拟了 28 个。衣壳是基因治疗里用来包裹和递送药物的蛋白质外壳，结构复杂，传统模型只能预测单个蛋白，拼不出整个外壳。

价格这边要冷静

Gemini 4 Carbon 每任务 $1.5，Fable 5.2 是 $7.3，差 4 倍多。有网友留言说，Opus 5.5 日常用就够，只有非常复杂、跑得很长的任务才见得着 Fable 的差距。

官方在博客里也这么建议：多数编码和知识任务先上 Opus 5.5，按任务复杂度再往上换 Fable 或 Mythos，或者往下换 Sonnet 5.5、Haiku 5.5。

榜单第一和实际选择是两件事

Fable 5.2 在长任务、多 agent 编排、模糊需求这几个方向上确实拉开了身位，那个 +30.4% 里有真东西。但如果任务是每天跑几百次的短流程，Opus 5.5 或者 Gemini 4 Carbon 可能是更划算的选择。

至于 +30.4% 里有多少是权重给的，有多少是长上下文稳定性给的，Arena 的榜单不会告诉你。有网友在评论里说，今天第一，下周可能就被新模型顶下去了。得自己跑一遍。