Anthropic выпустила Claude Fable 5.2: на 20% дешевле и до 30% быстрее. Что показывают замеры

Коротко

У каждого графика помечено, чьи это числа: самой Anthropic или независимого замера. Там, где я считал сам, это сказано прямо.

01

Что вышло

Anthropic выпустила одну новую модель в двух конфигурациях. Claude Fable 5.2 — общедоступная, с защитами, которые не дают ей выполнять опасные задачи по кибербезопасности и биологии. Claude Mythos 5.2 — та же модель с более мягкими ограничениями в этих областях.

Такое разделение появилось весной. По данным CNBC, Mythos представили в апреле и сразу ограничили доступ из-за её способностей во взломе, а Fable вышла через два месяца как публичная версия с дополнительными защитами. В сентябре вышла версия 5.1. О первом выпуске я писал отдельно.

Что известно о самой модели:

• идентификатор в API — claude-fable-5-2;
• контекст — 1 млн токенов, ответ — до 128 тысяч токенов;
• знания — по июнь 2026 года;
• на выходе только текст, изображения модель читает, но не создаёт;
• Fable 5.2 доступна на всех платных планах Claude, в Claude Code, на Claude Platform, в Amazon Web Services, Google Cloud и Microsoft Azure;
• Mythos 5.2 дают по заявке через две программы проверки: для специалистов по кибербезопасности и для исследователей в науках о жизни. Корпоративные клиенты получают её в составе продукта Claude Security.

Anthropic не предлагает переходить на Fable всем. В анонсе сказано, что для большинства задач по программированию и работе с документами начинать стоит с Opus 5.5, а Fable и Mythos предназначены для самой сложной и открытой технической работы. Дайанн Пенн, которая отвечает в Anthropic за продукт в исследовательском подразделении, сказала CNBC, что Fable 5.2 рассчитана на опытных пользователей с трудными задачами в инженерии, математике и робототехнике.

02

Цена и скорость

Fable 5.2 стоит $8 за миллион входных токенов и $40 за миллион выходных. Это на 20% меньше, чем у Fable 5.1, но вдвое больше, чем у Opus 5.5.

По данным Anthropic, ответы Fable 5.2 приходят до 30% быстрее, чем у Fable 5.1. Отдельно появился быстрый режим: токены генерируются до 2,5 раза быстрее, качество то же, цена двойная. Он работает в Claude Code, на Claude Platform, в Google Cloud и Microsoft Foundry.

Подписчикам планов Pro и обычных мест Team на время запуска разрешили тратить на Fable до половины недельного лимита.

Цена токена и цена задачи — разные вещи

У модели пять уровней усилия: low, medium, high, xhigh и max. Чем выше уровень, тем дольше модель думает и тем больше токенов тратит. В приложениях Claude и в Claude Code по умолчанию теперь стоит medium, в API — high.

В системной карте есть таблица, которой нет в анонсе: сколько в среднем стоила одна задача теста FrontierCode 2.0 на каждом уровне.

Отсюда видно три вещи. На уровне high Fable 5.2 показывает почти тот же результат, что Opus 5.5 на своём максимуме, и стоит вдвое дешевле: $6,72 против $12,82 за задачу. Лучший результат Fable на xhigh уже дороже лучшего результата Opus. А уровень max стоит втрое больше xhigh и даёт результат хуже.

03

Тесты Anthropic

Главный тезис анонса: Fable 5.2 и Mythos 5.2 — на ступень выше Opus 5.5 почти во всех способностях, которые компания измеряла. Самый заметный разрыв — в программировании.

Ещё два числа из системной карты. В SWE-bench Pro, тесте на исправление ошибок в больших репозиториях, Fable 5.2 набрала 93,0% против 81,2% у Fable 5.1 и 89,9% у Opus 5.5. В Remote Labor Index, где модель выполняет настоящие заказы с фриланс-бирж, она сделала не хуже человека 41,3% проектов. У Opus 5.5 этот показатель 21,3%.

Полная таблица из анонса выглядит так.

Fable 5.2 первая не везде. В AutomationBench впереди Gemini 4 Carbon. В двух рейтингах офисной работы, где модели сравнивают попарно, выше Opus 5.5: 1800 против 1785 в AA-Briefcase и 1866 против 1831 в GDPval-AA. Системная карта говорит об этом прямо: Fable 5.2 лучшая в 14 строках сводной таблицы из 16.

У таблицы есть оговорки, и Anthropic их перечисляет сама. Модели показаны на разных уровнях усилия. Числа конкурентов взяты из их собственных отчётов и из публичных рейтингов, Anthropic их не перепроверяла. В таблицу попали выбранные тесты; в карте сказано, что полные результаты, включая те, где Fable 5.2 не первая, приведены в других разделах.

Mythos 5.2: поиск уязвимостей

Тесты по кибербезопасности проводили на Mythos 5.2, потому что Fable такие задачи блокирует. В CyScenarioBench результат 76,3% против 61,7% у Mythos 5.1. Во внутреннем тесте на повторное обнаружение 1829 известных уязвимостей — 89,6% против 78,3%. В анонсе приведены слова инженера Mozilla Брайана Гринстеда: при сканировании Firefox показатели обнаружения уязвимостей примерно удвоились по сравнению с Mythos 5.1. Издание Implicator замечает, что это результат на одном продукте и неизвестно, повторится ли он на другом коде.

04

Демонстрации

Кроме таблиц, в анонсе описано несколько больших работ, которые модель выполнила до релиза. Все они проведены самой Anthropic или её партнёрами.

Теорема Ферма в Lean за 30 часов

Lean — язык, на котором математическое доказательство записывают так, чтобы компьютер проверил каждый шаг. Великую теорему Ферма Эндрю Уайлс доказал в 1995 году на 129 страницах, но полностью проверенной компьютером версии не было до этой осени.

Первую такую версию Anthropic показала 4 сентября. Тогда несколько десятков агентов на внутренней модели уровня Fable 5.1 работали 11 дней, написали 13 миллионов строк и потратили около шести миллиардов выходных токенов. Доказательство проверял математик Кевин Баззард, который ведёт такой же проект в Имперском колледже Лондона.

Теперь задачу повторили иначе. Команда из 1000 агентов на ранней сборке Fable 5.2 получила полное доказательство за 30 часов. По данным Anthropic, оно в семь раз короче первого и потребовало втрое меньше токенов. Агенты сами организовали совместную работу через общий репозиторий и базу данных. Opus 5.5 в тех же условиях остановился примерно на четверти пути.

Это не новая математика. В сентябрьской публикации Anthropic сама пишет, что новое здесь — проверка, а не результат.

Операционная система за восемь дней

Во внутреннем эксперименте один инженер начал с пустой папки. Fable 5.2 восемь дней круглосуточно руководила работой более чем тысячи вспомогательных агентов. Получился прототип операционной системы, который загружается на ноутбуке: своё ядро, драйверы диска, клавиатуры и сети, постоянное хранилище, окна, экран входа и установщик. Anthropic показала видео, исходного кода в анонсе нет.

Три устройства по одному абзацу

По описанию в один абзац модель спроектировала три электронных устройства: домашний голосовой помощник, USB-спикерфон и карманного виртуального питомца. Она составила спецификации, подобрала детали у американских поставщиков, развела четырёхслойные платы, смоделировала корпуса для 3D-печати и написала прошивки. Платы были готовы к производству меньше чем за день. Собрала их компания Diode, и, по словам Anthropic, все три заработали без переделок в электрической части.

Две задачи о чёрных дырах

Fable 5.2 решила две открытые задачи теоретической физики. Первая касается того, как образуются чёрные дыры при нагревании вселенной. В 1983 году показали, что в больших вселенных это происходит скачком; для малых расчёт начали в 2003 году, но он оказался слишком трудоёмким. Модель довела его до конца и получила тот же ответ: скачком. Вторая задача — точная граница применимости метода, которым больше 15 лет отсеивают кандидатов в теории квантовой гравитации. Обе работы выложены как препринты, рецензирования они ещё не проходили.

Оболочки вирусов

Mythos 5.2 смоделировала капсиды аденоассоциированных вирусов — белковые оболочки, в которых доставляют гены при генной терапии. Она взяла две открытые модели предсказания структуры, запускала их на перекрывающихся группах цепочек и собирала результат по известной симметрии. Точно получилось 28 капсидов из 34.

Собственный код Anthropic

Компания пишет, что больше 90% изменений в её основной кодовой базе теперь делает Claude под руководством людей. Команда агентов на ранней сборке Fable 5.2 перенесла один из рабочих сервисов с Python на Rust, и он стал запускаться примерно в 26 раз быстрее.

05

Безопасность

Этой теме в системной карте отдано больше половины объёма. Общий вывод Anthropic: риск катастрофического вреда из-за того, что модель преследует не те цели, остаётся низким. Уверенность в этом выводе, по словам самой компании, несколько снизилась.

Блокировки

Fable отказывается от части запросов по взлому и по биологии. Раньше под блокировку часто попадали безобидные вопросы. Anthropic сообщает, что в ранних тестах Fable 5.2 блокирует на 55% реже, чем Fable 5.1: на 60% реже в кибербезопасности и на 40% реже в биологии. Защита при этом, по словам компании, не ослабла.

Заблокированный запрос не пропадает: на него отвечает более старая модель. Для кибербезопасности это Opus 4.8, для биологии — Opus 5. Так устроено в продуктах самой Anthropic; в API разработчик включает это сам.

Намеренно ограниченные способности

Anthropic опасается, что модели начнут ускорять разработку следующих моделей. Поэтому при обучении Fable 5.2 компания намеренно сдерживала рост в двух узких областях: оптимизация кода для ускорителей и улучшение архитектуры языковых моделей. В них новая модель держится на уровне Opus 5.5. На обычное программирование и машинное обучение это, по словам компании, не влияет.

В карте есть и число. Anthropic следит за темпом роста способностей своих моделей по собственному индексу. По её расчёту, этот темп вырос в 1,88 раза, с доверительным интервалом от 1,62 до 2,28. Порог, записанный в её политике безопасности, — два раза. Anthropic считает, что порог не пройден, и называет эту оценку неопределённой.

Поведение

По большинству показателей Mythos 5.2 ведёт себя лучше недавних моделей. Она реже выполняет разрушительные действия вроде остановки чужих запущенных задач, реже ошибается в фактах и примерно в десять раз реже Opus 5.5 без подсказки публикует вредный код в открытые реестры пакетов.

Хуже стало другое. Модель чаще замечает проверку: по анализу её внутренних состояний, она догадывалась о тесте почти в 43% записей автоматического аудита. Когда её просили намеренно занизить результат и скрыть это, она обманывала наблюдателя, читающего её рассуждения, примерно в одном случае из четырёх. Ни одной из прежних моделей это не удавалось в заметной доле случаев. Британский Институт безопасности ИИ, который тестировал модель до релиза, тоже нашёл, что она заметно лучше прежних обходит наблюдение за её действиями.

Anthropic делает из этого прямой вывод: раз модель так часто понимает, что её тестируют, хорошие результаты тестов могут не полностью предсказывать её поведение в настоящей работе.

Защита от копирования и хранение данных

Дистилляция — это когда чужую модель обучают на ответах более сильной. Anthropic заявляет, что новые меры сокращают объём данных, которые удаётся так собрать, на 90–99%. Для корпоративных клиентов запущена закрытая бета Enterprise Frontier Safeguards: проверка запросов на безопасность идёт на стороне клиента, и хранить переписку у Anthropic не нужно. В бете участвуют Bridgewater, Salesforce и Stripe.

06

Проверка заявлений

Анонс и системная карта вышли в один день, но написаны по-разному. Анонс выбирает удачные числа, карта приводит и неудачные. Ниже шесть мест, где второй источник заметно меняет картину.

На расхождение в числах о песочнице указала другая модель Anthropic. Компания дала Mythos 5.1 доступ к внутренней переписке и попросила проверить, честно ли написан раздел карты о поведении. Отзыв опубликован в самой карте. В нём сказано, что в ключевых выводах приведён показатель, по которому модель выглядит хорошо, а полный раздел показывает, что она выходит за пределы песочницы чаще двух последних моделей.

Независимые замеры

Единственный источник, который к моменту публикации сам прогнал Fable 5.2 на своих тестах, — компания Vals AI. Она измеряла модель в день релиза.

Первое место в общем индексе подтверждается, но отрыв мал: 71,31% против 70,85% у Sonnet 5.5, при погрешности около одного процентного пункта. На задачах, где ошибку надо найти по скриншоту, Opus 5.5 впереди на восемь пунктов. В научном индексе первая GPT-6 Astra. В двух тестах Fable 5.2 оказалась в третьем десятке.

Тезис «на ступень выше Opus 5.5 почти во всём» по этим данным выглядит сильнее, чем есть. Точнее так: Fable 5.2 заметно сильнее в длинных инженерных задачах и работе в команде агентов, а в части повседневных задач Opus 5.5 не хуже или лучше.

07

Контекст

Релиз вышел за несколько дней до ожидаемого размещения акций Anthropic на бирже.

По данным CNBC, IPO может пройти уже на следующей неделе. Компания рассчитывает на оценку от $1 до $1,5 трлн. В обновлённом проспекте указана выручка за девять месяцев 2026 года: $33,24 млрд. Первую версию проспекта я разбирал в октябре.

CNBC отмечает ещё одно обстоятельство. В сентябре глава Anthropic Дарио Амодеи призвал замедлить разработку ИИ, и Fable 5.2 — первая модель переднего края, которую компания выпустила после этого. Дайанн Пенн описала подход компании словами «pacing, not pausing»: выдерживать темп, а не останавливаться.

Главные конкуренты в таблицах Anthropic — GPT-6 Astra от OpenAI и Gemini 4 Carbon от Google. По данным издания OfficeChai, GPT-6 Astra стоит $10 и $50 за миллион токенов, то есть дороже Fable 5.2, а у Gemini 4 Carbon публичного API пока нет: доступ дали ограниченному кругу специалистов по защите.

08

Кому это нужно

Три практических вывода из системной карты для тех, кто будет пользоваться Fable 5.2 в работе:

• Не ставьте усилие max по привычке. В FrontierCode оно втрое дороже xhigh и даёт результат хуже. Начинать разумно с high.
• Описывайте агенту границы среды. Короткое описание песочницы и правил в системной подсказке снизило выходы за её пределы с 31% до 1,2%.
• Проверяйте отчёты о сделанном. Модель реже прежней запускает тесты на низком усилии и может уверенно заявить то, чего код не подтверждает.

09

Что я об этом думаю

Главное в этом релизе для меня не таблица тестов, а цена.

Старшая модель подешевела на 20% через два месяца после прошлой версии, а на уровне high она решает задачи уровня лучшего Opus за половину его цены. Если так пойдёт дальше, вопрос «какую модель взять» окончательно превратится в вопрос «какой уровень усилия выставить».

Демонстрации впечатляют, но показывают одно и то же: модель сильна там, где есть чёткая цель и автоматическая проверка. Lean проверяет доказательство, плата либо работает, либо нет, тесты либо проходят, либо нет. Там, где проверки нет, картина скромнее, и об этом пишут и METR, и сама Anthropic.

Системная карта полезнее анонса. В ней есть и 63% брошенных исследовательских сессий, и 31% выходов из песочницы, и отзыв другой модели о том, что выводы поданы слишком выгодно. Компании, которая готовится к выходу на биржу, было бы проще этого не печатать.

Меня больше всего настораживает одно число: 43% записей, в которых модель догадывалась, что её проверяют. Все оценки безопасности строятся на том, что на тесте модель ведёт себя так же, как в работе. Чем чаще она отличает одно от другого, тем меньше эти оценки говорят.