沒有人能與 Anthropic 競爭
沒有人能與 Anthropic 競爭
Theo Browne 檢視 Fable/Mythos 5.2 在基準測試上的勝出與相對 Opus 5.5 更便宜的定價,結論是 Fable 看起來更好,但 Opus 寫程式仍更可靠,做出來的遊戲也更有趣。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
Theo Browne 是開發者,也是 T3 Code 程式開發工具的創作者。他認為 Anthropic 新推出的 Fable 5.2 確實是前沿模型,但不該是多數開發者的預設選擇,因為 Opus 5.5 仍是更好的日常主力,而且兩者差距比版本號看起來的小。這集大部分時間是實測評析:跑分、他自己設計的程式碼庫分析與程式碼審查測試、$200 Claude 訂閱方案實際買到什麼的詳細計算,以及兩個模型在遊戲開發產出上的比較。標題所稱的 Anthropic 稱霸,主要靠跑分與使用佔比資料支撐,而非長篇論證。
Browne 在發布當天從上午 11 點一路測到凌晨 1 點左右,用新模型送出了約 20 個 pull request,所以這是首日評測,他也說看法可能改變。以下整理他的跑分解讀、他所說的「尖刺型」能力輪廓、訂閱方案的價值計算,以及他認為推動 Opus 5.5 採用的企業資料留存關鍵。
Fable 5.2 幾乎在所有公開跑分領先,但 Browne 自己的測試不是
Anthropic 的跑分表幾乎全面勝出。Fable 5.2 在 Artificial Analysis 拿下最高分,比先前領先的 Gemini 4 Carbon 高出約 4.5 到 5 分。它在 Frontier Code 2 的 Agent Coding 專案勝出(70 分,Gemini 4 Carbon 為 65 分),Agentic Science Research 拿下 74.6 分(Fable 5.1 為 52.6 分,也遠高於 Opus 5.5),Bench CAD 同樣領先。CyberSecBench 與 CVE 重現(約 90%)以及蛋白質設計(85.1 分)的分數來自 Mythos 5.2,因為 Fable 的安全防護會擋下這類任務。它在商業工作流程專案排第二,落後 Gemini 4 Carbon;在一項知識跑分上則略遜於 Opus 5.5。
Browne 自己的評測結果截然不同。在程式碼庫分析與 PR 審查這類他拿真實專案倉庫來跑的任務上(包括 TS Rust 這個 TypeScript 改寫成 Rust 的專案,以及 T3 Code),Fable 5.2 的表現不如 Opus 5.5 與 Sonnet 5.5。
| 評測 | Fable 5.2 結果 | 對照 |
|---|---|---|
| TS Rust 程式碼庫分析 | 61 項主張、4 項錯誤、約 $23 | Sonnet 5.5:38 項主張、0 項錯誤、29 分鐘、$4.19 |
| T3 Code 分析 | 83 項主張、6 項錯誤、排第三 | Opus 5.5 第一;Terra 第二且非常便宜 |
| PR 審查,8 個 PR | 執行時間約 120 分鐘 | GPT 系列模型約 20–30 分鐘 |
他形容這個模型「尖刺型」(spiky),這個詞他通常只用在 OpenAI 的模型上。他的比喻是:一位聰明的同事整場會議都在場,卻好像只聽到一半,然後講出一些奇怪的話——通常有道理,偶爾荒謬,有時又遠比團隊想到的更好。他肯定它比其他模型更不容易鑽牛角尖、更不容易卡住,也說它核准的 PR 不太可能是爛的,但仍然需要人工查核。有一次它做了一個「安全模式」橫幅,用來在錄影時遮住他的電子郵件,結果卻在這個橫幅裡洩漏了資訊。
預設該用的是 Opus 5.5,不是 Fable 5.2
Browne 最強烈的建議是:日常主力繼續用 Opus 5.5,只在困難、開放式的問題上才動用 Fable 5.2。他指出 Anthropic 自己的發布文章也是這樣說,而他「比文章講得更徹底」。他用分工來形容:Opus 是力氣大、叫他做什麼就做什麼的搬運工;Fable 是聰明但難共事的朋友,卻能精準解決對的問題。
他用一次意外的測試說明這點:他請新模型稽核他尚未發布的專案 Lakebed,對備份保證、免費方案限制、濫用檢舉信件的轉送流程與待修的程式碼問題所給的回饋印象深刻,後來才發現介面顯示的是「Opus 5.5 high」——他根本沒切換過模型。他也說 Fable 比 Opus 需要更多人工監督,原因不是它無法自己突破卡關,而是它會為了一個不重要的決定反覆打轉,而且錯得顯而易見。一位有早期存取權的朋友這樣形容:能力更強,但自主性沒有更高。
在推理強度方面,他明確表示開發者不該用 Max 模式。公開的 Frontier Code 圖表顯示,Fable 5.2 在 Max 模式下程式任務的得分比 High 模式更差,成本卻更高;他說 Max 一直不適合寫程式。他認為 Anthropic 把完整存取模式藏在設定開關後面,Max 也該比照處理。
$200 方案每月約可換到 $3,000 的 Fable 加 $7,000 的 Opus
Anthropic 仍把訂閱額度分開計算:Fable 有獨立額度,而且在那裡消耗的每兩點,會算成每週上限的一點。Browne 說使用者誤以為這代表每週上限用完後還能繼續用 Fable;實際上 Fable 額度可能在一週還剩一半時就歸零。在 Opus 5 偏弱、Fable 5/5.1 正強的時候,他六個帳號全都處於這種狀態。
以 API 價格計算,他對 $200 方案每月價值的估算如下:
| 配置方式 | 取得價值 | 相當於 $200 的倍數 |
|---|---|---|
| 只用 Opus 5.5,用滿每週上限 | 約 $14,000–15,000 | 約 73 倍 |
| 先用 Fable 5.2,剩下半週用 Opus 5.5 | 約 $3,000 Fable + 約 $7,000 Opus | 約 50 倍 |
| 只用 Fable 5.2 | — | 約 15 倍(掉約 80%) |
他認為 API 價格被抬高,而訂閱方案有一部分是靠企業客戶的毛利補貼。他也實測了這次發布依帳號年齡提供的重置次數(帳號未滿 6 個月一次、6–12 個月兩次、超過 12 個月三次),並確認用掉一次模型重置會取回半週的額度,但不會重置計時器——他比較喜歡這種做法,因為 Codex 的重置會同時重啟七天倒數,打亂原本規劃好的使用節奏。
Fable 5.2 幾乎確定是較小的模型,價格也反映了這點
Browne 的判斷是:Fable 5.2 更便宜、更快,是因為模型較小,或託管成本較低。輸出速度為每秒 106 個 Token,Opus 5.5 是 112 個,Fable 5.1 是 81–84 個——「近在咫尺」,而 Fable 過去速度慢得多。價格為每百萬輸入 Token $8、每百萬輸出 Token $40,輸出價從 $50 降下來;另可選購快模式,價格加倍、速度 2.5 倍。
他把訂閱額度砍半跟毛利連在一起。Mythos 最初公佈時定價 $25/$125,與 SpaceX 簽下算力協議後,Anthropic 降到 $10/$50,Browne 估計這讓毛利少了一半;訂閱額度砍半大致對應這個變化。他也推斷,Anthropic 內部代號「model 4」的模型(他說員工自己在用)遠超過這次發布的版本,而且 Fable 5.2 與 5.5 系列都是用這個模型打造出來的。
5.2 這個版本號是刻意訊號:Fable 5.5 還沒到
Opus、Sonnet、Haiku 都停在 5.5,Fable 卻從 5.1 只走到 5.2,Browne 的解釋是差距大小。Sonnet 5.5 到 Opus 5.5 的距離,遠大於 Opus 5.5 到 Fable 5.2;如果差距相當,版本編號就會維持一致。他明確表示不要過度解讀,畢竟名稱是人取的,而一個好到足以叫 Fable 5.5 的模型,早就會被這樣命名了。
「Anthropic 推出 Opus 4.5 時,它成了我什麼都用它的模型。推出 Opus 5.5 時,它成了我什麼都用它的模型。Fable 5.2 剛發布,而它不是我什麼都會用的模型。」
他也指出,Fable 與 Mythos 是同一個底層模型,只是存取控管不同——他的比喻是一家餐廳有兩個入口:一個重兵看守但人人可進,另一個看守較鬆但需要特殊許可權。Fable 帶有資安與生物領域的安全防護;這些領域的組織可透過 Anthropic 的生命科學與資安驗證計畫申請 Mythos 存取權。
Opus 5.5 的零資料留存方案,促成前所未見的使用佔比翻轉
Browne 說,Opus 5.5 能在企業市場開啟局面,關鍵是資料留存政策而非單純能力:它是第一個企業能在既有政策下使用、又不必放棄零資料留存(ZDR)的頂級模型。Fable 5.2 的 ZDR 仍未開放,資料會送到 Anthropic;新的企業「前沿安全防護」beta 讓客戶在自己的基礎設施裡執行驗證容器,Browne 說目前正與 Bridgewater、Salesforce、Stripe 進行封閉測試。
他在 Slopytics 公佈的用量資料顯示了效果。Codex 系列模型領先了好長一段時間,最高接近 70%,通常維持在 60% 上下。Opus 5.5 發布後,佔比幾乎瞬間翻轉到 Claude,現在約 78% 且仍在上升。在 T3 Code 裡,Opus 5.5 佔的對話輪次高達 63% 以上;在此之前沒有任何模型突破 50%。
設計技能已成關鍵環節,遊戲 demo 也把兩個模型分出高下
在前端工作上,Browne 發現 Fable 5.2 在啟用 Anthropic 的設計技能後,能產出有特色的成果——動畫卡片、地鐵路線圖式版面、粉紅色系;沒開的話就是「Tailwind 樣板垃圾」,包括他說已經看膩的星空背景與粗獷主義風格。他還讓它去改自己的代理指令,把自己過度使用的引言小標與副標刪掉,並說它在文字表達以及跟其他模型對話方面更強。
釣魚遊戲的 demo 把兩個模型分得很清楚。Fable 的版本外觀好得多,執行起來也比他看過的任何 OpenAI 模型產出都順,但遊戲迴圈較弱,操作卡頓到他必須自己改。Opus 的版本比較醜——幾何圖形被切掉、該是開闊水域的地方變成硬牆——但他一路玩到破關,因為比較好玩。他的結論是兩者搭配才是正解,細節他會另外拍影片說明。
值得持續觀察:Browne 的首日結論建立在約 14 小時測試、約 20 個已合併 PR 上,他自己也說情況可能幾天內就變。未解的問題包括:Fable 5.5 會不會跟著 5.5 系列推出;等獨立的成本資料出來後,「較小模型」的推論是否站得住腳;以及更便宜、更快的模型現在已開放給原本就預設用 Opus 的同一批訂閱者,Anthropic 的使用佔比是否會繼續攀升。