先别换模型：Opus 5.5 和 Fable 5.2 只差 1.9 分，账单差 2.8 倍

Garry Tan 放出一组基准，测的是 Claude Code 2.1.322 里的编程任务。52 个 Terminal-Bench 2.1 任务，每个模型每个任务跑两次，三个模型一共 312 次尝试，全部计分，没有中途丢弃。

结果很直接：Opus 5.5 通过率 84.6%，Fable 5.2 是 82.7%，差 1.9 个百分点。95% 区间是 -9.6 到 +5.8，跨过零，所以这轮运行没有测出两者在通过率上有差异。成本那边不模糊：每个解决任务 Opus 5.5 花 0.65 美元，Fable 5.2 花 1.83 美元，2.80 倍，95% 区间 2.05 到 3.99 倍。

报告里有一句很关键的限定：Opus 已经解决了大部分任务，想靠这组题把两个模型区分开，需要更难的测试集。Opus 在这轮的 84.6% 意味着它离满分只剩约 15 个点，天花板本身就压低了差距。Fable 5.2 在这组任务上没有明显更差，问题在于任务不够难，贵出来的部分没有稳定换来更高的通过率。

有网友在回复里说，84.6 对 82.7 是噪声，旁边是 2.8 倍账单。话糙，和报告的可测差异结论一致。

Addy Osmani 的用法建议更接近日常：Opus 5.5 的 medium 是很好的日常主力。遇到它卡住，先把 effort 调高，再换模型。Fable 5.2 留给真正难的工作，比如大迁移、长时间无人值守的运行。effort 是模型在一次任务里愿意花多少思考、工具调用和自检的档位。他在 claude.dev 的博客 里把这条路径写得更细：先确认模型能不能自检，比如跑测试、构建、调接口；不行再升一档 effort；还不够，再换更大的模型，而且从更低的 effort 开始试。

这套顺序有成本数据支撑。博客提到，在 SWE-bench Pro 的一个子集上，Opus 5.5 全部用 low，只把失败的任务用 high 重跑，通过率约 97%，平均每个任务 0.17 美元；全部任务直接上 high，通过率 95.3%，平均 0.29 美元。低档先跑，失败重试，比无脑拉满更便宜。另一个数据是 medium 比 high 低约 2.5 个百分点，成本约为 high 的 70%。effort 是细调，换模型是粗调。很多人一撞墙就换最贵的模型，跳过了前面两个便宜旋钮。换模型的手速通常比调 effort 快，账单不会因此变慢。

博客里四个模型的价格也摆得很清楚。Opus 5.5 每百万 token 输入 4 美元、输出 20 美元；Fable 5.2 是 8 美元和 40 美元。两者缓存读取都是每百万 token 0.20 美元。长会话里缓存读占大头时，差距会缩小；但未缓存输入和输出，Fable 还是 Opus 的两倍。Haiku 5.5 更便宜，适合分类、路由、提取这类大批量工作，也适合给主模型打杂的子 agent。让贵模型读日志、找文件，是另一种浪费。

那 Fable 5.2 什么时候值得上？有网友问，复杂规划、跨百万级代码库的改动是不是该用它。也有网友的做法是让 Fable 5.2 做编排，把任务拆给 Opus 和 Haiku 执行。还有人说，Fable 只在 Opus 两次都输掉的 bug 上才叫出来。这些是使用经验，不是基准结论，但方向一致：把贵模型放在判断和拆解上，别让它做所有事。

这组数据真正反常识的地方在于，强模型之间的差距可能小到需要更难的题才能测出来，账单却不会骗人。Fable 5.2 当然强，但强不等于在这组任务上值得多付 2.8 倍。默认选 Opus 5.5 的 medium，先升 effort，再考虑换模型。要换 Fable 5.2，拿自己的任务测，别拿榜单拍脑袋。模型选择最终看账本。

来源：Garry Tan 的推文、基准报告、Addy Osmani 的推文、claude.dev 博客。