实测100个场景后，Fable 5.2被判定无使用价值

我们用 Fable 5.2 跑了 100 个不饱和的编码与工程环境，涵盖空间推理、规划、游戏、电路设计等领域。和所有 Fable 版本一样，这次基准测试的成本极高。

不过，最大的赢家是 OpenAI。Astra、GPT 6.1-Sol，甚至 GPT 6.1-Terra，在金融市场、工程设计和不饱和编码问题等具有挑战性的开放式技术问题上，都给出了更优的解决方案。

我们很清楚为什么大部分数学突破都来自 OpenAI。值得一提的是，Anthropic 正全力训练一个优秀的编码助手（他们在这方面确实成功了），而不是发布最智能的模型。

关于 Fable 5.2，我们注意到一些问题：
• 在智能体编码运行中，它会提前停下来请求人类帮助或澄清，比如“我希望你在我进一步调整之前先决定这些”（没有可交互的人，从提示词中也看不出有这个预期——我们从未见过其他模型这样做）
• 它在我们的测试框架（不是 Claude Code）中出现混乱，花时间试图理解过去的工具调用。我们在其他 OpenAI 或 Anthropic 模型上没有见过这种行为，这影响了它的智能体编码得分。
• 有时会耗尽所有推理预算并超出 token 限制
• 出现了几次内容过滤失败（不影响其得分）

根据我们的测试，无论预算如何，都没有理由使用 Fable 5.2。编码用 Opus 5.5，代码审查以及工程、数学和科学领域具有挑战性的不饱和问题用 Astra 或 Sol。