Новая страница, 11 ноября 2026
Anthropic выпустила Claude Fable 5.2 и Claude Mythos 5.2 9 ноября 2026 года. Все цифры здесь перечитаны из релиза и лидерборда Artificial Analysis 11 ноября 2026 года, и под каждой таблицей указаны источник и дата.
Fable 5.2 против Opus 5.5: полное сравнениеДанные вендора + независимые · проверено 11 ноября 2026
Бенчмарки Claude Fable 5.2
Две таблицы, два источника. Первая — официальная таблица Anthropic от 9 ноября 2026 года: пять моделей на одном харнессе. Вторая — независимый индекс Artificial Analysis, прочитанный 11 ноября 2026 года. Ни одна из них не решает за вашу нагрузку; раздел с оговорками объясняет, где заканчивается каждая.
Короткий ответ
В собственной таблице Anthropic Fable 5.2 обходит Opus 5.5 в 11 строках из 12: +7,6 пункта на FrontierSWE v2 (69,9% против 62,3%), +20,0 на Remote Labor Index (41,3% против 21,3%) и +16,7 на FrontierCode 2.0 относительно предшественника (49,1% против 32,4%). Но лидерство не абсолютное: AA-Briefcase Elo остаётся за Opus 5.5 (1800 против 1785), а Gemini 4 Carbon выигрывает AutomationBench (53,9% против 51,4%). Первые независимые цифры от Artificial Analysis на 11 ноября 2026 года ставят Fable 5.2 на первое место индекса при max effort (65 против 59 у Opus 5.5 и 60 у Gemini 4 Carbon) — ценой $26,54 за задачу индекса против $10,04.
Таблица Anthropic, дословно
Двенадцать строк из анонса Anthropic от 9 ноября 2026 года: пять моделей на одном харнессе, каждая на максимально доступном effort с включёнными защитами, если в ячейке не указан effort. Это измерения вендора: харнесс, задачи и запуски — на стороне Anthropic.
| Claude Fable 5.2 | Claude Fable 5.1 | Claude Opus 5.5 | GPT-6 Astra | Gemini 4 Carbon | |
|---|---|---|---|---|---|
| FrontierCode 2.0 (агентное программирование) | 49.1% (xhigh) | 32.4% (xhigh) | 45.5% | 42.8% | 41.1% (medium) |
| FrontierSWE v2 (агентное программирование) | 69.9% | 56.3% | 62.3% | 65.5% | 61.2% |
| AutomationBench (бизнес-процессы) | 51.4% | 31.4% | 42.5% | 41.4% | 53.9% |
| Terminal-Bench-Science 0.1 (агентные исследования) | 74.6% | 52.6% | 58.7% | 68.1% | 64.8% |
| WANDR, мягкая оценка (агентный поиск) | 82.1% | 68.7% | 72.3% | — | — |
| OSWorld 2.1, офлайн-подмножество (работа с компьютером) | 89.3% | 83.5% | 87.2% | 79.5% | 81.5% |
| RoboDojo Sim (робототехника) | 64.9% | 27.6% | 39.4% | 29.8% | — |
| AA-Briefcase v1.1 (интеллектуальная работа, рубрика) | 66.1% | 61.5% | 61.2% | 52.0% | 61.8% |
| AA-Briefcase v1.1 (Elo) | 1785 | 1669 | 1800 | 1569 | 1611 |
| Remote Labor Index (интеллектуальная работа) | 41.3% (high) | 17.9% | 21.3% | 20.8% | — |
| Humanity’s Last Exam, с инструментами | 74.2% | 65.6% | 67.7% | 57.2% | — |
| Chartography, без инструментов (распознавание графиков) | 73.4% | 44.8% | 64.4% | 71.0% | 72.5% |
Источник: Anthropic, «Introducing Claude Fable 5.2 and Claude Mythos 5.2», 9 ноября 2026 года. Три строки из этой таблицы намеренно исключены — CyScenarioBench, CVE Rediscovery и de novo binder design: они сравнивают Mythos 5.2 с Opus 5.5 «без защит» и не являются результатами Fable 5.2. Метки effort взяты из оригинала: Fable 5.2 и Fable 5.1 на FrontierCode 2.0 — xhigh, Fable 5.2 на Remote Labor Index — high, Gemini 4 Carbon на FrontierCode 2.0 — medium. Прочерк означает, что вендор цифру не публиковал.
Artificial Analysis, данные на 11 ноября 2026
Первая независимая оценка Fable 5.2, доступная через два дня после релиза. Intelligence Index v5.0.1 объединяет девять тестов: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, сложное подмножество CritPt v2 и Terminal-Bench-Science 0.1. Приведены целые значения, которые отображает Artificial Analysis.
| Intelligence Index v5.0.1 | Стоимость задачи индекса | AA-Briefcase Elo | |
|---|---|---|---|
| Claude Fable 5.2 (max effort) | 65 | $26.54 | 1785 |
| Claude Fable 5.2 (xhigh) | 62 | $14.83 | 1738 |
| Claude Fable 5.2 (high — по умолчанию в API) | 62 | $9.08 | 1677 |
| Claude Fable 5.2 (medium) | 56 | $3.80 | 1622 |
| Claude Fable 5.2 (low) | 54 | $3.10 | 1563 |
| Claude Opus 5.5 (max) | 59 | $10.04 | 1801 |
| Gemini 4 Carbon (high) | 60 | $7.76 | 1611 |
| GPT-6 Astra (max) | 57 | $6.24 | 1569 |
| Claude Sonnet 5.5 (max) | 55 | $10.02 | 1816 |
Источник: лидерборд моделей Artificial Analysis (artificialanalysis.ai/leaderboards/models), прочитан 11 ноября 2026 года. Стоимость задачи индекса — средневзвешенная цена одной задачи Intelligence Index по прайс-листу на харнессе AA; это расход токенов у AA, а не ваш счёт. Elo — AA-Briefcase v1.1, та же метрика, что цитирует Anthropic. AA публикует значение с десятичными, страница округляет до целого: у Opus 5.5 здесь 1801, а в таблице Anthropic выше — 1800. Два источника, одно число с точностью до округления.
Что на самом деле говорят цифры
Три вывода, которые выдерживают обе таблицы.
Отрыв от Opus 5.5 реальный, но неровный
Разрывы сосредоточены в длинных задачах: +20,0 пункта на Remote Labor Index, +15,9 на Terminal-Bench-Science, +7,6 на FrontierSWE v2. На работе с компьютером они сжимаются (+2,1 на OSWorld 2.1), а на Elo для интеллектуальной работы меняют знак — Opus 5.5 впереди на 15. В независимом замере разрыв по сводному индексу AA при max effort составляет 6 пунктов (65 против 59): направление то же, что у Anthropic, но харнесс другой. Таблица показывает и важную оговорку: Sonnet 5.5 лидирует по AA-Briefcase Elo (1816), но отстаёт от Fable 5.2 на 10 пунктов по сводному индексу — один Elo по рубрике это не рейтинг.
На оценку сильнее влияет effort, чем смена модели
У Fable 5.2 индекс AA меняется от 54 до 65 в зависимости от effort — диапазон в 11 пунктов, при том что API по умолчанию использует high. На high это 62 при $9,08 за задачу индекса, на max — 65 при $26,54. Opus 5.5 на max даёт 59 за $10,04. Если бюджет фиксирован, перебирать стоит сначала effort, а не модели.
Относительно Fable 5.1 это и рывок, и снижение цены
FrontierCode 2.0 — 49,1% против 32,4% у Fable 5.1 (+16,7 пункта), FrontierSWE v2 — 69,9% против 56,3%, при этом прайс-лист упал на 20% до $8/$40 за миллион токенов. Anthropic также сообщает о выводе до 30% быстрее и примерно на 55% меньшем числе блокировок защитами, чем у 5.1. Сравнить поколения по индексу AA нельзя: Fable 5.1 помечена как deprecated и текущей оценки индекса не имеет.
Пять вещей, которых эти таблицы не говорят
Прочитайте до того, как цитировать любую цифру со страницы.
Первая таблица — измерение вендора
Харнессы спроектировала Anthropic, задачи выбрала она же и сама запускала модели. Цифры от этого не становятся ложными, но таблица вендора отвечает на вопрос «что модель умеет на нашей оценке», а не «обгонит ли она альтернативу на моей работе». Ни одна строка первой таблицы не воспроизведена независимо по ячейкам.
Сравнивать можно только внутри одной таблицы
FrontierCode 2.0 есть в обеих таблицах, и числа расходятся: 49,1% у Anthropic и 48,8% у AA (FrontierCode-AA 2.0, max effort). Класс задач тот же, обвязка и подсчёт — другие. Точно так же 74,2% на Humanity’s Last Exam у Anthropic и 80,2% на HLE-Diamond у AA — это два разных теста, а не противоречие.
Самые громкие цифры релиза — про Mythos, а не про Fable
CyScenarioBench 76,3%, CVE Rediscovery 89,6% и de novo binder design 85,1 — это Claude Mythos 5.2, та же базовая модель без кибер- и био-защит, доступная только проверенным организациям. Защиты Fable 5.2 блокируют большинство таких задач, поэтому выдавать эти цифры за результаты Fable 5.2 нельзя.
Арена-Elo пока нет
На 11 ноября 2026 года мы не смогли прочитать Elo человеческих предпочтений для Fable 5.2: лидерборд LMArena перенаправляет на arena.ai с проверкой на бота, а в публичном лидерборде SWE-bench записи о Fable 5.2 нет. Из независимых данных пока доступен только индекс Artificial Analysis. Цифры арены и SWE-bench появятся здесь, когда их покажет страница, которую действительно можно открыть.
Стоимость задачи — не ваша стоимость
$26,54 за задачу индекса — арифметика по прайс-листу на токенах AA при max effort. Ваши задачи, доля попаданий в кэш, скидка Batch и настройка effort меняют её в разы: нагрузка с кэшем, батчем и high effort может оказаться на порядок дешевле.
Все цифры на странице перечитаны 2026-11-11. Цены берутся из реестра моделей; оценки бенчмарков цитируются как опубликованы и никогда не пересчитываются.
Решайте, держа цену рядом с оценкой
Превосходство в бенчмарке стоит ровно столько, сколько оно экономит. На странице сравнения — полная картина по характеристикам и стоимости, калькулятор посчитает по вашим объёмам токенов.