Claude Fable 5.2 与 Opus 5.5：编码、成本及选用指南

Fable 5.2 更新，且每个 token 的成本更高。但它能给你更好的结果，还是仅仅是一张更大的账单？我们使用相同的任务简报，对比了研究、AI 界面设计、写作、数据分析和产品决策。

如果你更喜欢比较模型而无需管理单独的 API 设置，GlobalGPT 提供了一个多模型工作区。这里的 API 测试并不表明 Fable 5.2 在 GlobalGPT 中可用。

实际对比

我们如何测试这两个模型

每项任务都使用相同的源材料、全新的对话，并为两个模型提供相同的输出额度。文本任务使用 16,000 个 token 的上限；最终设计运行使用 32,768 个 token。提示、设置、时间和使用情况与下方相应任务一同列出。

所有研究、产品、订单数据和简报中的反馈都是虚构的测试夹具。我们根据准备好的答案键检查了计算结果。推理努力保持在平台默认值，因此这不是一个等努力的基准。第三方网关返回的模型标签并不能独立证明上游路由。

研究员：综合而不夸大证据

You are a researcher. Use only these FICTIONAL study summaries about an AI writing assistant. A: randomized 120 adults, 60 per arm, intervention mean score baseline70 followup78, control baseline69 followup74, four weeks; no standard deviations, uncertainty intervals, or attrition information reported. B: observational 300 adults, usage correlated with writing scores r=.32, no confounder adjustment. C: interviews with12 users reporting perceived improvement. In under650 words synthesize evidence with A/B/C citations, calculate difference in changes, explain what cannot be inferred, and propose a feasible preregistered followup study with primary endpoint and analysis. Do not invent citations or statistical significance.

研究员任务要求综合三项虚构研究，包括一项报告不完整的随机试验。关键计算是 (78 − 70) − (74 − 69) = 3 分。两个模型都答对了，并且拒绝捏造统计显著性。

如果你改编这份简报，请保持证据固定，并要求每个模型将报告的事实与推断分开。我们的 Claude 研究和编码提示词 提供了更多任务特定约束的示例。

Designer：一个 AI 多模型工作区

You are a product designer and frontend builder. Return only one complete self-contained HTML file with inline CSS and JavaScript, no external assets/CDNs. Build a polished AI multi-model workspace called Parallel. Give it a distinctive cohesive visual identity with excellent typography, whitespace, hierarchy and responsive layout; choose your own palette. Include sidebar, model A/B selectors, prompt textarea, compare button, two side-by-side result cards, loading state, clear button, per-result copy button, empty-input validation, keyboard-accessible controls and mobile stacking. Models A/B are FICTIONAL; all outputs must be locally simulated and explicitly labeled demo. No real API calls or fake live performance metrics. Compare must work repeatedly and preserve the submitted prompt in both outputs. Copy must report success only after actual success, otherwise provide an error. Aim for a complete compact artifact, not an explanation.

设计师简报要求两个模型构建 并行：一个自包含的 AI 比较工作区，带有侧边栏、模型选择器、提示输入、模拟结果卡片、验证、复制控件和移动布局。我们保留了配色方案和视觉识别。

最终匹配运行使用了相同的提示、流式传输和共享的 32,768 个令牌上限。两个响应都正常停止。源工件保持未编辑状态；保存 HTML 时仅移除存在的 Markdown 围栏。

Fable 5.2 · 桌面版

Opus 5.5 · 桌面版

Fable 5.2 · 移动版

Opus 5.5 · 移动版

渲染后的页面实际看起来如何

两者都选择了暖纸色调、深色侧边栏和衬线标题。这里的区别在于层次结构和密度，而不是完全不同的设计语言。对于这个特定的工作区，我们更喜欢 Opus 示例的紧凑布局。如果优先考虑更突出的编辑标题，Fable 样本具有这种吸引力。这是对这些返回工件的主观偏好，而不是对底层模型的一般美学排名。

浏览器检查：外观和行为分别进行

我们在 Chrome 中打开未经编辑的输出，并使用 DOM 控件运行检查。桌面截图使用 1440 × 1000；移动截图使用 390 × 844。所有四张截图都显示了在比较之后、复制检查之前提交的相同提示。在这些步骤中没有捕获到运行时异常。在自动化会话中剪贴板写入未成功，并且未测试完整的仅键盘遍历。

最终设计对的使用给出了标准费率的代理值 Fable 为 $0.8826，Opus 为 $0.2918。这使用了提供商费率和网关报告的令牌，排除了早期尝试，并非网关的实际账单。

内容创作者：两种格式的准确文案

You are a content creator. Based ONLY on these FICTIONAL product facts, write a180-word plain-English explainer and a45-second video script with timestamps, then a five-item fact-check checklist. Facts: Lumen is a fictional AI workspace; it lets users compare two AI text drafts side by side, save prompts locally in their browser, and manually copy a chosen result. It does not publish content automatically, browse the web, or verify facts. No prices, launch dates, speed metrics, supported model names, or privacy guarantees are provided. Audience: freelancers who struggle to choose a usable first draft. Explain a practical example, avoid hype and invented claims, and distinguish local prompt saving from an unproven no-training guarantee.

创作者简报提供了一个虚构的工作区，仅包含三个功能：并排草稿比较、本地提示保存和手动复制。它要求一篇180字的说明文、一段45秒的脚本和一份五项事实核查清单。

两篇说明文都达到了180字的要求根据我们的字数规则，该规则将单词内部的撇号和连字符保留在单词内。两者都保留了功能限制，并正确地避免了将本地存储视为不训练保证。

这些节奏估算来自书面配音稿，而非定时录音。Fable 为停顿留出了更多空间；Opus 则利用更多时间解释示例。

对于较长的文章，我们的指南 使用 Claude 进行长文写作 介绍了如何将起草与核实和编辑分开。

数据分析师：退款、缺失的归属和 ROAS

You are a data analyst. Use only this synthetic data. Orders CSV(order_id,updated,status,channel,amount): o1,1,paid,Search,100; o2,1,paid,Social,80; o2,2,refunded,Social,80; o3,1,paid,Search,120; o4,1,pending,Email,60; o5,1,paid,,50; o6,1,paid,Partner,90; o7,1,paid,Email,70; o8,1,paid,Social,60; o9,1,paid,Partner,110. Channel spend/clicks: Search200/100; Social100/80; Email50/40; Partner0/20. Deduplicate by order_id keeping greatest updated. Paid orders count and revenue use latest paid only; refunded/pending contribute zero. Blank channel must remain Unknown and cannot inherit spend/clicks. Calculate overall paid count, revenue, each channel paid count/revenue/conversion rate per click/ROAS, and measurable ROAS ranking; zero or missing denominator is N/A. Show arithmetic and propose a cautious next-budget decision without inferring causality. Return table and explanation under600 words.

分析师任务旨在捕捉整洁表格可能掩盖的错误：重复的订单ID、后续退款、待处理订单、未知渠道以及零支出的合作伙伴渠道。

两个模型都与准备好的答案键匹配： 7个已支付订单和600收入，在保留最新订单状态后。它们排除了已退款和待处理的记录，将缺失的归因保留在“未知”下，并将未定义的比率标记为N/A。

Fable 在渠道表中展示了收入算术，并建议在做出重大改变之前检查退款、待处理订单、缺失标签和未记录的合作伙伴成本。Opus 添加了一个逐条记录的去重表，并计算出未归属收入占总收入的 8.3%。

两者都建议进行有界预算测试，而不是将观察到的 ROAS 视为因果证明。Opus 的旁注称，多一笔社交销售大致会使 ROAS 翻倍，这假设了相似的订单金额；这并不是输入中的新事实。

产品经理：危害先于功能投票

You are a product manager for a FICTIONAL AI subscription workspace. Feedback: 2 users report duplicate charges after retrying checkout; billing logs confirm one duplicate captured charge. 30 users request dark mode. 8 report one model unavailable and no warning before using a prompt; outage reproduced. 1 requests account/data deletion; request pending for20 days, governing deadline unknown. 12 request reusable saved prompts. 4 want team seats; no revenue commitment. Two engineers available for one week; effort estimates unknown. Produce a one-week priority plan with rationale, explicit unknowns, scope boundaries, owner roles, acceptance criteria, instrumentation and rollback/containment steps. Do not fabricate legal deadlines, revenue, effort or certainty. Distinguish immediate containment from permanent fixes; do not rank purely by vote count. Under700 words.

产品简报将已确认的重复扣费与用户逾期未处理的删除请求、复现的模型故障以及更多热门功能请求并列。陷阱在于优先处理30个深色模式投票，而忽视已证实的损害。

两个模型都将计费、删除跟进和故障遏制置于功能开发之前。 两者都没有虚构删除的法律期限。两者都分配了负责人角色，将即时遏制与永久修复分开，并提出了验收检查和监控。

Fable 5.2 与 Opus 5.5 定价

对于标准 API 请求，Fable 5.2 的每 token 成本是 Opus 5.5 的两倍。当两个模型在 token 用量相近的情况下都能提供可接受的结果时，Opus 是更便宜的起点。

这些是Anthropic的标准输入/输出费率，于2026年11月11日从Fable规范。

Opus规范列出了相应的标准费率。快速模式、缓存、批量折扣、消费者订阅和第三方计费有不同的条款。

对于一个包含10,000个输入令牌和5,000个输出令牌的示例请求，标准费率的计算结果是Fable为0.28美元，Opus为0.14美元。这是一个示例计算，并非我们测试中的账单。

更高的令牌费率并不意味着每次成功任务的成本更高。更短的回答、更少的修订轮次或更少的推理都可能改变总成本。我们的单轮测试无法确定长期节省。

如果您要将任一模型集成到应用程序中，Claude API设置指南涵盖了设置问题，与这里的令牌费率比较分开。

将网关报告的使用量乘以Anthropic的标准费率，可以得到一个基于费率的代理值：在这四项任务中，Fable为0.4291美元，Opus为0.1799美元。公式是输入令牌 × 输入费率 + 输出令牌 × 输出费率，再除以一百万。这不包括所有设计请求和失败的调用。基于费率的代理值：Fable 为 $0.4291，而 Opus 为 $0.1799 在这四项任务中。公式为输入令牌数 × 输入费率 + 输出令牌数 × 输出费率，再除以一百万。这不包括所有设计请求和失败的调用。

此代理值 并非网关的实际收费。我们没有核实其发票、令牌计数的等价性或加价。它也没有衡量后续人工编辑或额外尝试的成本。

官方基准所确立的

Anthropic 的发布评估显示 Fable 在几项困难任务上具有优势。下表重现了三个报告的分数；这些是供应商的评估，独立于我们自己的基于角色的测试。

发布报告除非另有说明，否则使用每个模型的最高可用努力程度。这些分数支持在要求苛刻的技术工作中尝试 Fable；它们并不确立在写作、产品判断或视觉品味方面的普遍优势。

两款模型均列出 100 万 token 的上下文窗口和 128,000 token 的输出限制。这些限制在此处未进行压力测试。

最终结论：你应该使用哪个模型？

当目标是获得可接受的第一稿时，从 Opus 5.5 开始。 其较低的标准代币费率使其成为日常写作、数据清理和规划的实用基准。如需更多背景信息，请参阅 我们的 Claude Opus 5.5 评测。

当某个特定的困难任务仍然无法满足你的验收标准时，尝试使用 Fable 5.2。 保持相同的输入，并检查它是否修复了实际的故障。Anthropic 的 模型选择指南 同样建议从最新的 Opus 开始，并在高努力度的 Opus 不足时升级。

如果两个高级模型都不需要，Sonnet 5.5 vs Opus 5.5 是更相关的成本比较。

如需更广泛的提供商，请参阅 我们的 AI 文本生成器测试。

对于仓库工作，本评测的单文件演示只是一个起点。它不测试 shell 访问、多文件编辑、长时间运行的工具使用或编码代理的恢复行为。有关配置详情，请参阅我们的指南 在 Claude Code 中选择模型 在将聊天补全视为完整开发环境的替代品之前。