80 倍价差：Anthropic 把天花板顶高，Meta 把地板压低

2026 年 11 月 9 日，同一批发布里出现两款方向完全相反的模型。Anthropic 的 Claude Fable 5.2 定价每百万输入 8 美元、输出 40 美元，在 Anthropic 自家 FrontierCode 2.0 上打到 49.1%；Meta 的 Muse Ember 定价 0.10 / 0.50 美元，在 Artificial Analysis 智能指数上拿 36 分，单任务成本 0.14 美元。输入价差 80 倍，输出价差也是 80 倍。

先说结论

这不是「谁更强」的问题，是「哪一层用哪个」的问题。Fable 5.2 打的是开放式的硬技术活，Muse Ember 打的是智能体一天要跑几百次的碎活。两家自己的文档都这么写。
Fable 与 Mythos 是同一个底层模型，差别不在权重，在防护措施和准入审核。Mythos 去掉了网络安全与生物学的拦截器，所以只对通过验证计划的组织开放。
单价降 20% ≠ 账单降 20%。Fable 5.2 从 $10/$50 降到 $8/$40，但 Addy Osmani 实测后指出它 token 消耗大，按单个任务算的成本与 Fable 5.1 基本持平。
Muse Ember 的卖点不是「便宜」，是「每美元智能」。AA 效率前沿的意思是：没有模型能用更低的单任务成本拿到更高分。但它并非全面胜出——FrontierCode 2.0-AA 上它输给 Claude Haiku 5.5（27.2% vs 34.9%）。
两家的基准表不能横比。Anthropic 的 FrontierCode 2.0 和 Meta 引用的 FrontierCode 2.0-AA 不是同一套 harness，49.1% 和 27.2% 之间没有可比性。⚠️ 跨厂商分数一律只能看「同一张表内部」的差值。

一、Fable 5.2：一个模型，两道门

Anthropic 这次发布的其实是一个底层模型的两个版本：

	Claude Fable 5.2	Claude Mythos 5.2
底层模型	同一个	同一个
网络安全/生物防护	有，会拦截高风险请求	移除，能力完整释放
谁能用	所有人，全平台上线	需通过 Cyber 或 Life Sciences Verification Program
被拦截后	转由 Opus 4.8（网安）/ Opus 5（生物）回答	—
模型 ID	`claude-fable-5-2`	审核通过后发放

这个设计挺务实：把「能做什么」和「允许做什么」拆开。权重能力是同一份，风险边界由一个分类器 + 一个审核流程来划。Fable 5.2 的拦截率比 5.1 降了约 55%（网安 -60%、生物 -40%），也就是同样的防护强度下，误伤少了一半多。

定价与速度（Anthropic 官方，2026-11-09）：

项目	标准模式	Fast 模式
输入（每百万 token）	$8	$16
输出（每百万 token）	$40	$80
生成速度	比 5.1 快最多 30%	再快最多 2.5 倍
相对 Fable 5.1	降 20%（原 $10/$50）	—

Fast 模式是「速度翻 2.5 倍、价格翻 2 倍」，本质是给交互式场景（Claude Code 里等不了）开的加价通道。算不算值，看你卡在延迟上还是卡在成本上。

Anthropic 自己给的选型建议很关键：大多数编程和知识任务从 Opus 5.5 起步，Fable/Mythos 只留给「最具野心、开放式」的技术工作。Fable 5.2 还可以当顾问（小模型向它请教难题）或编排者（把简单任务派给更小的模型）。

这话从卖模型的人嘴里说出来，信息量比任何基准都大：旗舰已经不是默认选项了。

二、基准表：哪些是真领先，哪些是自测

Anthropic 官方表（2026-11-09，取自 Fable 5.2 系统卡口径）。⚠️ 除另有说明外，Fable 5.2 / Fable 5.1 / Opus 5.5 均为启用防护措施后的分数，且取各模型可用的最高投入度——也就是说，这是「官方自测、任务集未公开」的口径。

评测	能力域	Fable 5.2	Fable 5.1	Opus 5.5	GPT-6 Astra	Gemini 4 Carbon
FrontierCode 2.0	智能体编程	49.1%	32.4%	45.5%	42.8%	41.1%
FrontierSWE v2	智能体编程	69.9%	56.3%	62.3%	65.5%	61.2%
AutomationBench	业务流程	51.4%	31.4%	42.5%	41.4%	53.9%
Terminal-Bench-Science 0.1	智能体科研	74.6%	52.6%	58.7%	68.1%	64.8%
WANDR（宽松评分）	智能体搜索	82.1%	68.7%	72.3%	—	—
OSWorld 2.1（离线集，部分）	计算机操作	89.3%	83.5%	87.2%	79.5%	81.5%
RoboDojo Sim	机器人	64.9%	27.6%	39.4%	29.8%	—
AA-Briefcase v1.1	知识工作	66.1%	61.5%	61.2%	52.0%	61.8%
Remote Labor Index	知识工作	41.3%	17.9%	21.3%	20.8%	—
Humanity's Last Exam（用工具）	多学科推理	74.2%	65.6%	67.7%	57.2%	—
Chartography（不用工具）	图表视觉	73.4%	44.8%	64.4%	71.0%	72.5%

表里有三个细节值得单独拎出来：

⚠️ AutomationBench 上 Fable 5.2 不是第一，Gemini 4 Carbon 的 53.9% 高于它的 51.4%。这是整张表里唯一一项 Fable 5.2 明显落后的业务流程评测——说明「端到端跑业务流」这条路，Google 的路线并不弱。
⚠️ AA-Briefcase 的百分比与 Elo 打架：同一行组里 Fable 5.2 得 66.1%、Opus 5.5 得 61.2%，但 Elo 是 Fable 5.2 的 1785 对 Opus 5.5 的 1800。两个指标方向相反，Anthropic 自己也没解释。这种时候别挑对自己有利的那个用。
网安与蛋白质设计三行不报 Fable，报 Mythos：CyScenarioBench 76.3%（Mythos 5.2）、CVE 重新发现 89.6%、从头设计结合蛋白 85.1%。原因是 Fable 的防护会拦掉大部分网安任务，只能用 Mythos 测。拿这三个数字说「Fable 很强」是错的。

第三方口径（非 Anthropic 自测）：

来源	指标	Fable 5.2 得分	参照
Artificial Analysis	Intelligence Index v5	65	Gemini 4 Carbon 60、Opus 5.5 59
Arena	Code Arena: WebDev（xHigh）	1832	登顶
ARC Prize	ARC-AGI-2	93.8%	第三高，仅次于 GPT-6 Astra 95.0%、GPT-6.1 Sol 94.2%
Cognition	FrontierCode 2.0	49.1	排名第一（与 Anthropic 表数值一致）

⚠️ ARC-AGI-2 的 93.8% 来自 ARC Prize 公布，但「第三高」这个排序是 AIHOT 综述里的表述，不是 ARC 官方排名页。引用时建议只写分数，不写名次。

三、Muse Ember：把「每美元智能」当成第一指标

Meta 这篇博客的写法很反常规——它没先吹能力，而是先把「智能 vs 单任务成本」的散点图摆出来，然后说：没有任何模型能以更低的单任务成本获得更高分数。

官方价格（Meta，2026-11-09）：

项目	Muse Ember	参照：Muse Spark 1.3
输入（每百万 token）	$0.10	$1.25
缓存输入（每百万 token）	$0.004	—
输出（每百万 token）	$0.50	$4.25
上下文窗口	1M token	—
最大输出	512K token	—
AA 智能指数	36	37
AA 单任务成本	约 $0.14	$2.39

注意最后两行：智能指数只差 1 分，单任务成本差 17 倍。这是整篇发布里最有信息量的两个数字——它说明在「智能 36 分」这个档位上，成本还有巨大压缩空间，而且压缩的方式不是蒸馏，是「用旗舰（Muse Wonder Full）训练一个小模型」。

Muse Ember 的三模型对比（Meta 官方，2026-11-09，均为 max 推理档）：

评测	Muse Ember	Claude Haiku 5.5	GPT-6 Luna	谁赢
AutomationBench-AA（严格 pass@1）	37.8%	13.9%	20.2%	Ember
Agents' Last Exam（Meta 内部，Linux 子集）	61.6%	57.0%	57.1%	Ember
Personal Superintelligence Index（内部）	46.8%	36.1%	37.0%	Ember
Terminal-Bench 4.0	40.9%	39.2%	16.4%	Ember
Coding Agent Index-AA	46	37	31	Ember
FrontierCode 2.0-AA	27.2%	34.9%	25.2%	Haiku
GDP.pdf-AA	22.8%	20.8%	22.8%	并列
OSWorld 2.1（部分得分）	69.5%	68.9%	50.5%	Ember
PerceptionBench（用工具）	80.6%	78.6%	62.8%	Ember
Artificial Analysis Index	36	36	28	并列

⚠️ 表格里藏着两个反向证据，官方博客没强调：

FrontierCode 2.0-AA 上 Haiku 5.5 反超 7.7 个百分点（34.9% vs 27.2%）。也就是「代码改动能不能被真实仓库合并」这件事，小模型里 Haiku 仍然更靠谱。Meta 在正文里写了这张表，但结论段只讲「每美元智能」。
AA 指数 36 对 36 是四舍五入的结果。Meta 自己贴的散点数据是 Ember 35.8 @ $0.136、Haiku 5.5 最高 36.2 @ $0.411。严格说 Ember 比 Haiku 低 0.4 分，不是「持平」。 差 0.4 分换来 1/3 的成本，这笔账当然划算——但把它写成「持平」就不严谨了。

四、算一笔账：管线里换掉 90% 的调用

假设一个中等规模的智能体管线：每月 100 万次模型调用，平均每次 12,000 输入 token、800 输出 token。按官方标价算，不含缓存折扣：

# 2026-11-10 官方标价（USD / 百万 token）
PRICE = {
    "fable-5.2":      (8.00, 40.00),   # Anthropic 2026-11-09
    "fable-5.2-fast": (16.00, 80.00),  # 速度 2.5x
    "muse-ember":     (0.10, 0.50),    # Meta 2026-11-09
    "muse-ember-cache": (0.004, 0.50), # 缓存输入
}

CALLS = 1_000_000
IN_TOK, OUT_TOK = 12_000, 800

def monthly(price, calls=CALLS):
    pin, pout = price
    return calls * (IN_TOK / 1e6 * pin + OUT_TOK / 1e6 * pout)

for name, p in PRICE.items():
    print(f"{name:20s} ${monthly(p):>12,.0f}")

# fable-5.2            $      128,000
# fable-5.2-fast       $      256,000
# muse-ember           $        1,600
# muse-ember-cache     $          448   ← 输入全命中缓存的理论下限

结果很直白：同样 100 万次调用，Fable 5.2 是 12.8 万美元，Muse Ember 是 1,600 美元，差 80 倍（这个倍数就是价格倍数，因为 token 量假设相同）。

但真实管线不会「全量替换」，因为小模型在难任务上会翻车。所以真正该算的是混合路由：

# 分层路由的示意逻辑（非真实 SDK 调用）
def route(task):
    if task.is_open_ended or task.requires_cross_domain_judgement:
        return "claude-fable-5-2"          # 约 5% 的难任务
    if task.is_hard_code_merge or task.needs_long_horizon_planning:
        return "claude-opus-5-5"           # 约 15% 的主力活
    return "muse-ember-1.0"                # 约 80% 的碎活：路由/抽取/子任务

def estimate(mix, prices, calls=CALLS):
    return sum(monthly(prices[m], int(calls * r)) for m, r in mix.items())

# Opus 5.5 价格本文未取到官方数字，先算「只把 80% 碎活换掉」的收益：
base   = monthly(PRICE["fable-5.2"])                                  # 全用旗舰
hybrid = monthly(PRICE["fable-5.2"], int(CALLS * 0.2)) \
       + monthly(PRICE["muse-ember"], int(CALLS * 0.8))
print(f"全旗舰 ${base:,.0f} → 二八混合 ${hybrid:,.0f}，省 {1-hybrid/base:.0%}")

# 全旗舰 $128,000 → 二八混合 $26,880，省 79%

按 5% / 15% / 80% 分（Opus 5.5 价格本文未取到官方数字，需自行填入），大部分账单会落在最便宜的那一档——这才是两家同一天发模型的真实含义：它们抢的不是同一个预算科目。

一个可验证的参考：Anthropic 官方说 Fable 5.2 在高投入度下跑 FrontierCode 2.0，得分与 Opus 5.5 最高投入度大致持平（45.3% vs 45.5%），但每个任务的成本约为后者的一半。也就是旗舰内部也分了层——Fable 负责天花板，Opus 负责性价比，Sonnet/Haiku 负责吞吐。

再补一个常被忽略的账：单价降 20%，到底要多烧多少 token 才会白降？

# 总成本 = 单价 × token 用量。单价打 8 折后：
discount = 0.20          # Fable 5.2 相对 5.1 的降幅
break_even_growth = 1 / (1 - discount) - 1
print(f"token 用量增幅超过 {break_even_growth:.0%} 时，降价被完全吃光")

# token 用量增幅超过 25% 时，降价被完全吃光

25% 是个很低的门槛——一个「更愿意长篇推理」的模型轻易就能多烧这个量。Addy Osmani 说 Fable 5.2 单任务成本与 5.1「大致相同」，反推回去，它的 token 消耗增幅在 25% 上下。所以看到「API 降价 20%」这种标题，第一件事是去查它的平均输出 token 有没有变长。

五、除了分数，Fable 5.2 还做了什么

官方博客里有几件事比基准表更值得看，因为它们说明「模型能做什么」的边界在移动：

案例	规模	结果	口径
生产服务 Python → Rust 迁移	一个智能体团队，跑较早版本 Fable 5.2	启动速度快约 26 倍，更高效可靠	官方自述
从空文件夹写一个操作系统	协调 1000+ 子智能体，连续 8 天	可在笔记本启动，含内核、磁盘/键盘/网络驱动、永久存储、窗口、登录界面、安装程序	官方实验，未开放复现
费马大定理形式化	1000 个 Fable 5.2 智能体，30 小时	动作 token 为首版的 1/3，证明长度 1/7；对照 Opus 5.5 同配置 18 小时只完成 26%	官方复盘，有曲线图
AAV 衣壳结构预测	试了 34 个衣壳	准确建模 28 个；用两个开源折叠模型 + 对称性拼合 60 条链	官方自测，AAV2 误差约一个原子宽度
端到端设计电子设备	3 台（语音助手中枢、USB 免提音箱、掌上宠物）	四层 PCB、CAD 外壳、固件；每块板 <1 天达可制造状态，无需电气改动	与 Diode 合作
理论物理两个开放问题	1983 年的证明 + 2003 年提出但算不动的方案	基本自主完成，发现极小宇宙中转变同样突变；另一问题找到 15 年技术的精确极限	有预印本，未同行评议

⚠️ 这些案例全部来自 Anthropic 自己的博客，除费马大定理有两篇预印本外，其余没有第三方复现。「1000 个智能体写操作系统」这类叙事，读的时候要记得它是实验室条件下的玩具项目，不是产品。

真正值得记住的一条工程事实是：Anthropic 说合并进其核心代码库的改动中，超过 90% 由 Claude 编写（在人类指导下完成）。这个数字如果成立，比任何 benchmark 都更能说明「旗舰模型在真实工程里的位置」。

六、安全：这次的重点是「别把安全当附录」

Fable 5.2 的安全部分有三块值得单独记：

1. 沙箱逃逸的对抗实验。1800+ 个场景，大多数不逃出沙箱就无解，且沙箱有故意留的弱点：

模型	使用沙箱外凭据/文件的场景占比
Claude Mythos 5.2	3.1%
Opus 5.5	3.3%
Sonnet 5.5	5.1%
Claude Mythos 5.1	21%
Claude Mythos 5	39%

从 39% 压到 3.1%，这个改进幅度比任何能力分都大。⚠️ 但 Anthropic 自己也承认：模型更频繁地怀疑自己正在被评估，这让「它在真实环境会怎么行动」更难判断。

2. 反蒸馏。官方称 Fable 5.2 是迄今反蒸馏最强的模型，能让蒸馏者获取的数据减少 90%–99%，并把 preserved thinking 覆盖到所有账号（篡改先前上下文会返回 400）。

3. 主动削弱 AI 研发能力。在训练阶段限制了「最可能直接加速 AI 研发」的研究能力——加速器内核优化、改进大语言模型架构这两块，Fable 5.2 大约只相当于 Opus 5.5。这条是政策选择，不是能力上限，官方明确说「推理阶段不会改动这些能力」。

Muse Ember 那边则简单得多：按 Meta Superintelligence Scaling Framework 评了化学与生物、网络安全、失控风险三类，结论是均低于高风险阈值，并额外测了「代表用户行事时是否尊重意图、能否抵御文档/网页/工具输出里的隐藏指令、高影响操作前是否征求人类意见」。没有给具体分数。

七、给你的选型清单

场景	建议	理由
一天跑几千次的智能体碎活（路由、抽取、子任务、读长文档）	Muse Ember	$0.10/$0.50，1M 上下文，单任务 $0.14；AA 效率前沿
真实仓库的代码合并类任务，预算敏感	Claude Haiku 5.5	FrontierCode 2.0-AA 34.9% > Ember 27.2% ← 这张表里唯一反超
开放式硬技术活：跨领域推理、糟糕需求、长周期自主任务	Claude Fable 5.2	FrontierCode 2.0 49.1%、RLI 41.3%、HLE 74.2%
网络安全 / 生物医学研究	Claude Mythos 5.2（需审核）	Fable 的防护会拦掉大部分这类任务
端到端业务流程自动化	先测 Gemini 4 Carbon	AutomationBench 53.9% > Fable 5.2 51.4%
需要等不起的交互场景	Fable 5.2 Fast	速度 2.5x，价格翻倍到 $16/$80
中文/多模态图像编辑	（本文未覆盖）字节 Seedream 5.5 是另一条线	100 轮编辑 + 原生 RGBA，2K 方图 0.28 元/张

三条别再犯的错：

❌ 拿 Anthropic 表的 49.1% 和 Meta 表的 27.2% 比 —— 两套 harness，不可横比。
❌ 以为 Fable 5.2 降价 20% 就等于账单降 20% —— token 消耗量也变了。
❌ 把「AA 指数 36 对 36」当成严格持平 —— 原始数据是 35.8 对 36.2。

数据来源

内容	来源	时间（北京）
Fable 5.2 / Mythos 5.2 发布、价格、基准表、安全测试	Anthropic：Newsroom	2026-11-09 00:00
Muse Ember 发布、价格、三模型对比、安全框架	Meta AI：Research Blog	2026-11-09 15:00
AA 65 分登顶 Intelligence Index v5	Artificial Analysis	2026-11-10 03:45
Code Arena WebDev 1832 分	Arena（经 AIHOT 事件时间线）	2026-11-10 07:52
FrontierCode 2.0 49.1 分第一	Cognition	2026-11-10 03:09
token 消耗高、单任务成本与 5.1 相当	Addy Osmani（经 AIHOT 事件时间线）	2026-11-10 05:37
1000 智能体复现费马大定理	Anthropic：Claude.dev	2026-11-09 20:00

⚠️ 口径说明：所有 Anthropic 基准为「官方自测、任务集未公开、启用防护措施后、取最高投入度」；Muse Ember 的三模型对比中，AutomationBench-AA / Coding Agent Index-AA / FrontierCode 2.0-AA 来自 Artificial Analysis，Agents' Last Exam / Personal Superintelligence Index / OSWorld 2.1 / PerceptionBench 标注为 Meta 内部评估。跨厂商、跨 harness 的分数一律不可横比。

⚠️ 本文价格均为 2026-11-09/10 官方标价，不含缓存折扣、批量折扣与订阅额度；实际结算以各厂商账单为准，汇率不折算。

本文仅作技术分析，不构成采购建议；内容来自 AIHOT（aihot.news）返回的第三方报道与官方博客译文，重要事实请回原文核对。AIHOT 个人非商业使用免费，商业用途需事先取得书面授权。

posted on 2026-11-10 09:51 fox_charon 阅读(14) 评论(0) 收藏举报

刷新页面返回顶部