AREX Feed Article
SemiAnalysis 独立评测：Claude Fable 5.2 以 16.4% 首次上榜即登顶 GDPx 排行榜
独立评测机构 SemiAnalysis 于 11 月 10 日 01:12（UTC），Anthropic 新旗舰 Claude Fable 5.2 在其自建的 GDPx 排行榜上首次上榜即以 16.4% 登顶，分数优势主要集中在芯片设计与软件工程两个领域。此时距 Anthropic 发布该模型约六小时，发布时公布的基准数字全部为厂商自报。
Fable 5.2 于 11 月 9 日（周一）发布，与仅向通过 Anthropic 生命科学与网络安全验证计划的机构开放的 Claude Mythos 5.2 同底座。称，两模型在其评测的几乎所有能力上比上代旗舰 Opus 5.5 高一档，输出生成最快提速 30%；官方开发者账号则写明。 在发布当日指出，这是 Anthropic CEO Dario Amodei 于 9 月呼吁放慢 AI 发展步伐以来，该公司首次发布前沿模型。
逐领域拆解：材料科学涨 5.3%、生物涨 7.7%，量化与硬件设计持平
GDPx 是 SemiAnalysis 自建的通用智能体基准，标注为 v1.0，覆盖 11 个领域、206 个任务，列有 14 家合作机构，并给出各模型的成本-性能帕累托曲线。
SemiAnalysis 在七帖线程里逐项拆解了这一分数的来源。给出主要领域的领先幅度：在芯片设计与软件工程上，Fable 5.2 较 Opus 5.5 分别高出 10.8% 与 15.5%；补充材料科学（+5.3%）与生物（+7.7%）也有明显改善，量化（quant）与硬件设计等领域则基本持平。给出一个更细的信号：Fable 5.2 在 RSI（recursive self-improvement，递归自我改进，即模型自主推进 AI 研究的能力）上的得分与 Sonnet 5.5 大致相当。SemiAnalysis 称，这说明 GDPx 同时捕捉到了软件工程的提升与 RSI 能力的平台期，并将其归因于 Anthropic 在训练中明确限制了模型在 AI 研究方向上的进步，这一归因目前仅出自 SemiAnalysis 一方。
更多自我测试带来分数，也带来 31% 的每任务成本上涨
SemiAnalysis 称，在分析评测过程（rollouts）后，它给出了 Fable 5.2 提分的一个主要原因：写道，这个模型对自身工作的检验全面得多，常常生成数百乃至上千个测试用例，而 Opus 5.5 与 Fable 5.1 在 20 个左右就会停下；它也更频繁地派出子代理做独立重推导与审计。
更全面的自我检验也意味着更高的开销。给出成本数据：Fable 5.2 在 GDPx 上的平均每任务成本为 88.15 美元，比 Fable 5.1 的 67.16 美元高出 31%，尽管按每百万 token 计价它便宜了 20%。折算下来，Fable 5.2 在每个任务上消耗的 token 更多。
另两份外部信号：Arena 社区榜 1,832 分居首，OpenRouter 上线
在 SemiAnalysis 发帖一个多小时前，评测平台 Arena 的官方账号已宣布：，领先 Opus 5.5 (Max) 的 1,818 分、Gemini 4 Carbon (High) 的 1,768 分与 GPT-6 Astra (Max) 的 1,767 分。Arena 自我定位为社区驱动评测（community-driven evaluation）；帖文中「较 5.1 提速至多 30%、价格由 10/50 美元降至 8/40 美元」的表述转述自 Anthropic 的发布口径。
渠道方面， 于 11 月 9 日 19:29（UTC）宣布 Fable 5.2 已在其平台上线，支持 100 万 token 上下文，定价 8/40 美元与发布口径一致。
「边际改进」：SemiAnalysis 的总评与单一来源的成绩
给出了 SemiAnalysis 的总评：Anthropic 把新模型命名为 Fable 5.2 而非 5.5 的原因「很清楚」，这是一次边际改进，无法与初代 Mythos 发布相提并论，并且可能远落后于 Anthropic 内部水平。它并称，值得关注 Anthropic 会不会在 IPO 之前发布更亮眼的产品。CNBC 报道称，Anthropic 的 IPO 最早可能于下周举行，目标估值 1 万亿至 1.5 万亿美元，低于此前 2 万亿美元的目标。
截至发稿，这一成绩仍只有 SemiAnalysis 一家口径：GDPx 是其自建评测体系，任务构成以该机构榜单和线程说明为准，尚无其他机构复现。模型本身已通过 Claude Platform、Claude Code 与 OpenRouter 等渠道开放调用，其他机构能否得出同样的结果，要看后续的独立测试。