Claude Fable 5.2 : capacité en travail autonome testée

Claude Fable 5.2 a terminé un travail qu’un client payant accepterait dans 41,3 pour cent des projets du Remote Labor Index. Ce chiffre est la raison pour laquelle ce modèle compte cette semaine. Il y a un an, le meilleur agent sur le même index a terminé 2,5 pour cent. Le saut est grand, le test est construit à partir de vrai travail payé, et la plupart des travaux ont encore échoué. Faits vérifiés le 12 novembre 2026.

Anthropic a sorti Fable 5.2 le 9 novembre, à côté de Claude Mythos 5.2. Les deux noms décrivent le même modèle sous jacent avec des protections différentes. Fable est la version publique. Mythos est limité aux organisations autorisées par des programmes de vérification pour le travail en cyber et en sciences de la vie. Ce test couvre Fable, la version qu’un lecteur peut vraiment acheter, et il juge le modèle d’abord sur le résultat en travail autonome parce que ce résultat affirme quelque chose de concret sur le travail payé.

Ce que c’est

Fable 5.2 est le modèle public le plus capable d’Anthropic pour le travail technique exigeant, dans le propre cadrage de l’entreprise. Il répond aux questions, écrit du texte et du code, travaille avec des fichiers, et tourne comme un agent qui peut utiliser des outils sur une longue tâche. Anthropic dit qu’il peut agir comme un conseiller que d’autres modèles Claude consultent, ou comme un orchestrateur qui remet des tâches plus petites à de plus petits modèles.

L’affirmation sur le travail autonome siège dans un tableau de lancement plus large. Anthropic rapporte des gains sur Fable 5.1 à chaque ligne qu’elle a publiée, du codage à la lecture de graphiques à la simulation robotique. Deux démos de lancement ont reçu la plupart de l’attention. Dans l’une, le modèle a dirigé plus de 1 000 sous agents pendant huit jours pour construire un prototype de système d’exploitation à partir d’un dossier vide. Dans l’autre, 1 000 agents ont formalisé une célèbre preuve mathématique dans un langage vérifié par ordinateur en 30 heures. Les deux démos sont des passages uniques rapportés par Anthropic, et personne hors de l’entreprise n’a reproduit ni l’une ni l’autre. Traitez les comme des affirmations sur ce que l’entreprise dit qui s’est passé, pas comme des résultats mesurés autour desquels planifier.

Le Remote Labor Index est différent en nature. Il a été construit par le Center for AI Safety et Scale Labs, pas par Anthropic. Ses projets venaient de l’extérieur du laboratoire, ses évaluateurs sont humains, et son score a été publié sur un classement public. C’est pourquoi ce test donne à l’index plus de poids qu’aux démos, tout en lisant encore l’index de près pour ce qu’il laisse de côté.

Fonctions et spécifications

Les faits de base sont inchangés par rapport à Fable 5.1 en forme et changés en prix et en vitesse. La fenêtre de contexte, c’est à dire la quantité de texte et de matériel que le modèle peut garder en vue à la fois, reste à un million de jetons. La sortie maximale reste à 128 000 jetons. Anthropic dit que la sortie arrive jusqu’à 30 pour cent plus vite que Fable 5.1, et un mode rapide optionnel relève la vitesse de génération jusqu’à 2,5 fois au double du prix des jetons.

Le prix a baissé d’exactement 20 pour cent sur les lignes principales, de 10 $ et 50 $ sur Fable 5.1 à 8 $ et 40 $ ici. Cette baisse sonne généreuse jusqu’à ce que vous la placiez à côté du reste de la gamme Claude. Opus 5.5 coûte 4 $ en entrée et 20 $ en sortie, la moitié du prix Fable. GPT 6 Astra affiche 10 $ en entrée et 50 $ en sortie dans les reportages de comparaison de cette semaine de lancement, alors Fable siège maintenant sous Astra par jeton et bien au dessus du modèle qu’Anthropic appelle son outil quotidien.

L’effort est le deuxième cadran de prix, et il compte plus que la carte des taux. Un réglage d’effort du modèle contrôle la quantité de travail que le modèle fait avant de répondre. Sur FrontierCode 2.0, les chiffres de la carte de système d’Anthropic rapportés cette semaine placent Fable 5.2 à 34,2 pour cent à faible effort pour environ 2,10 $ par tâche, 45,3 pour cent à effort élevé pour environ 6,72 $ par tâche, et 49,1 pour cent au réglage extra élevé pour environ 14,19 $ par tâche. Au réglage maximal, le score est tombé à 45,7 pour cent pendant que le coût montait à environ 44,70 $ par tâche. Plus d’effort a acheté plus de score jusqu’à un point, puis il a acheté une plus grosse facture pour un pire résultat.

Les vérifications indépendantes de coût pointent dans le même sens. Artificial Analysis, qui fait tourner ses propres tests de modèles, a classé Fable 5.2 premier à son index d’intelligence avec un score de 65, devant Gemini 4 Carbon à 60. Les mêmes tests ont trouvé un coût par tâche plus bas que Fable 5.1 à effort moyen et plus élevé à effort élevé, parce que le nouveau modèle a utilisé plus de jetons au réglage plus élevé même si chaque jeton coûte moins. Une baisse de jetons de 20 pour cent n’est pas une promesse que votre facture baisse de 20 pour cent.

Expérience en conditions réelles

Ceci est un test de recherche. Dirty Static n’a pas embauché Fable 5.2 pour des projets autonomes et n’a pas refait tourner l’index. Ce qui suit tire du classement et de la documentation de l’index de Scale Labs, de l’article qui a présenté l’index, du matériel de lancement d’Anthropic, et de la couverture publiée qui nomme ses sources. Les chiffres du fabricant sont étiquetés comme chiffres du fabricant là où ils paraissent.

Commencez par la façon dont l’index fonctionne, parce que la méthode est la partie la plus forte de l’affirmation. Les constructeurs ont payé 358 pigistes avec des comptes Upwork vérifiés pour des échantillons de travail qu’ils avaient déjà terminé pour des clients. Sur 550 projets recueillis, 240 ont passé l’examen. L’ensemble couvre 23 sortes de travail, y compris le développement de jeux, la conception de produits, l’architecture, l’analyse de données et l’animation vidéo. Chaque projet porte le brief du client, les fichiers d’entrée et le travail fini que l’humain a livré.

Les travaux ne sont pas des tâches jouets. À la médiane, un projet a pris à un humain 11,5 heures et valait 200 $. Les moyennes sont plus élevées, à 28,9 heures et 632,60 $, parce que l’ensemble comprend des travaux de plus de 10 000 $ et des travaux qui ont pris plus de 100 heures. Ensemble, les projets totalisent 143 991 $ en valeur rapportée. Les scores du classement tournent sur 230 projets gardés privés, ce qui limite la chance qu’un modèle ait vu les travaux exacts en entraînement.

La notation est humaine et franche. Un évaluateur formé ouvre les fichiers de l’agent à côté des fichiers du pigiste et note le travail de l’agent 1, 2 ou 3. Un score de 1 échoue. Un score de 2 atteint le niveau. Un score de 3 le dépasse. Le taux vedette, appelé taux d’automatisation, est la part des projets notés 2 ou 3. Trois évaluateurs examinent chaque livrable, le vote de la majorité compte, et Scale Labs rapporte un accord de 94,4 pour cent entre les évaluateurs. L’équipe de l’index a essayé d’automatiser cette notation et rapporte que les évaluateurs d’IA ont noté les modèles passés beaucoup trop haut, en partie parce qu’ils ne pouvaient pas ouvrir les outils professionnels correctement et manquaient du travail qui avait l’air poli mais était brisé dans le fichier.

Contre cette méthode, le classement est frappant. Fable 5.2 siège à 41,30 pour cent. Opus 5.5 est deuxième à 21,25 pour cent. GPT 6 Astra est troisième à 20,83 pour cent. Fable 5.1 enregistre 17,92 pour cent et Gemini Argon 4 enregistre 17,08 pour cent. Le tableau de lancement d’Anthropic imprime le même résultat Fable en forme arrondie, 41,3 pour cent à effort élevé, ce qui correspond à l’entrée du classement ajoutée le 9 novembre.

Scale Labs a dit que les plus grands gains pour Fable 5.2 venaient du travail audio et musical, de l’architecture et de la conception intérieure, et de la modélisation 3D. Près de 50 des projets qu’il a terminés n’avaient jamais été terminés par un agent précédent. Le site de l’index décrit le rythme comme un doublement environ tous les 3,3 mois pendant la dernière année. De 2,5 pour cent en octobre 2025 à 41,3 pour cent en novembre 2026, c’est un peu plus de quatre doublements en 375 jours, alors l’arithmétique derrière cette affirmation de rythme tient à peu près.

Le contexte de notre propre couverture aiguise le point. Le travail d’écriture sent déjà cette pression, comme notre rapport sur les affichages d’emplois d’écriture autonome en baisse en un an l’a montré. Un banc d’essai construit à partir de projets entiers parle à ce marché d’une façon qu’un score de quiz ne peut pas. Un client n’achète pas une réponse de quiz. Un client achète un fichier qu’il peut utiliser.

Ce qui fonctionne

La première force est la taille et la forme de l’avance. Ce n’est pas une victoire d’un point sur un tableau bondé. Fable 5.2 mène le modèle suivant d’environ 20 points, ce qui est plus que tout le gain que le tableau a enregistré de son meilleur au lancement au meneur précédent. Dans le tableau d’Anthropic, le motif se répète dans d’autres mesures de longues tâches, avec FrontierSWE v2 à 69,9 pour cent contre 65,5 pour cent pour GPT 6 Astra et 62,3 pour cent pour Opus 5.5, et Terminal Bench Science à 74,6 pour cent contre 58,7 pour cent pour Opus 5.5. Ces chiffres plus larges sont des chiffres rapportés par Anthropic, pas des résultats indépendants, et ce test les traite comme une preuve d’appui plutôt que comme une preuve.

La deuxième force est que le test punit les trucs habituels des agents. Un beau résumé ne passe pas. L’évaluateur ouvre les vrais fichiers dans des outils comme Blender pour le travail 3D ou un logiciel de conception pour les plans, puis compare le résultat avec le travail qu’un professionnel a vendu. Les projets qui demandent que de nombreux fichiers s’entendent entre eux exposent vite les agents faibles. Passer quatre de ces travaux sur dix est un vrai signal de capacité, même avec chaque réserve des prochaines sections attachée.

La troisième force est la franchise dans le conseil d’achat, qui est rare à un lancement. Anthropic dit à la plupart des utilisateurs de commencer avec Opus 5.5 pour le codage et le travail de connaissance et de monter à Fable seulement pour le travail le plus ambitieux. Ce conseil correspond au prix et aux scores. Il donne aussi à ce test un critère propre pour son verdict. Si le fabricant dit que le modèle moins cher est le défaut, un acheteur a besoin d’une raison précise pour payer le double. Le résultat en travail autonome est la première raison publique qui est forte selon ses propres termes.

Pour un sens de la place de Fable dans l’usage quotidien de Claude, comparez les outils de bureau de notre test de Claude Sheets and Whiteboards et la configuration d’agent de notre test de Claude in Chrome and Cowork. Ces produits concernent le fait de rester dans un fichier avec une équipe. Fable concerne le fait de remettre un travail entier au modèle et de juger ce qui revient.

Ce qui ne fonctionne pas

Le taux d’échec est le titre que personne ne met sur une diapositive de lancement. Fable 5.2 a échoué 58,7 pour cent des projets de cet ensemble. Si vous embauchiez un pigiste qui manquait la plupart des briefs, vous arrêteriez de l’embaucher. Un agent coûte moins cher à réessayer qu’une personne, et une tentative échouée gaspille du temps et des jetons plutôt que des frais pour un travail fini. Quand même, tout flux de travail construit sur ce modèle a besoin d’un humain qui vérifie chaque livrable et d’un plan pour le cas majoritaire, qui est l’échec.

La propre analyse de l’équipe de l’index sur le travail échoué, tirée de l’article qui a lancé le test, montre pourquoi les échecs comptent. Sur les livrables échoués, 45,6 pour cent étaient de qualité pauvre ou amateur. Un autre 35,7 pour cent était incomplet, comme une vidéo beaucoup plus courte que ce que le brief demandait. Les fautes techniques et de fichier comptaient pour 17,6 pour cent, et 14,8 pour cent se contredisaient entre les fichiers, comme une conception de maison qui changeait entre les vues. Un livrable pouvait échouer de plus d’une façon, alors ces parts se chevauchent. Elles décrivent les agents de l’ère du lancement plutôt que Fable 5.2 seul, mais Scale Labs nomme encore la conception de produits industriels et l’animation comme des domaines qui restent loin d’être réglés.

Deux chiffres manquants limitent jusqu’où un acheteur peut faire confiance au score. Scale Labs énonce qu’il n’y a aucun chiffre de marge d’erreur pour le taux d’automatisation, alors les lecteurs ne peuvent pas dire quelle est la largeur de l’incertitude autour de 41,3 pour cent. Le classement donne aussi un score par modèle, sans taux publié sur la fréquence à laquelle le même projet passe à un deuxième passage. Un modèle qui passe un travail une fois sur trois essais coûte un montant différent d’un modèle qui le passe chaque fois, et le dossier public ne sépare pas ces cas.

La configuration derrière les scores a aussi changé pendant l’année où le tableau a grimpé. Les premiers agents tournaient dans des configurations standard avec un budget serré par projet. Les passages suivants ont utilisé un logiciel d’agent plus fort pour chaque famille de modèles, un bureau avec plus de 30 applications professionnelles, jusqu’à 24 heures par projet, et un deuxième agent qui critiquait le travail avant la livraison. C’est juste comme test de capacité de pointe, et l’équipe de l’index le décrit ouvertement. Cela signifie aussi que la montée de 2,5 pour cent à 41,3 pour cent mélange de meilleurs modèles avec un meilleur harnais. Les scores publiés ne séparent pas les deux, alors ne créditez pas le modèle seul pour toute la montée.

Le coût est la dernière limite, et c’est celle qu’un acheteur sent en premier. Fable 5.2 coûte le double d’Opus 5.5 par jeton. Ses protections bloquent la plupart du travail en cyber et beaucoup de travail de recherche en biologie sur la version publique, et Anthropic rapporte que les demandes cyber bloquées sont routées vers un modèle Opus plus ancien. L’accès par plan payé porte des limites hebdomadaires et des règles de réinitialisation au lancement qui varient selon le plan et l’âge du compte. Rien de cela ne rend le modèle mauvais. Cela fait du modèle un achat de spécialiste, pas une mise à niveau par défaut.

Concurrence

Le choix est rarement Fable ou rien. Pour la plupart des acheteurs, le vrai concours est Fable contre Opus dans le même compte, puis contre le meilleur agent d’un laboratoire rival pour le même travail.

Un résultat rival mérite une note juste. Sur AutomationBench, un test de flux de travail d’affaires dans le tableau d’Anthropic, Gemini 4 Carbon a noté 53,9 pour cent contre 51,4 pour cent pour Fable 5.2. Sur un classement de travail de connaissance dans le même tableau, Opus 5.5 tenait une avance Elo de 1800 à 1785. Fable ne gagne pas chaque ligne, et une équipe dont le travail ressemble à l’automatisation de flux de bureau devrait peser cette ligne avant de payer le taux Fable pour chaque tâche.

Verdict final

Utilisez Fable 5.2 quand le travail ressemble aux travaux de cet index. Le brief est écrit, les fichiers d’entrée existent, le livrable est un ensemble de fichiers qu’une personne peut ouvrir et juger, et le travail est assez dur pour qu’Opus 5.5 bloque ou produise du travail que vous devez refaire. Dans ce cas étroit et précieux, le résultat autonome est la meilleure preuve publique qu’un modèle actuel a produite, et le prix peut se payer lui même en un projet accepté qui prendrait autrement à un humain un jour ou plus.

Commencez avec Opus 5.5 pour tout le reste, exactement comme Anthropic le conseille. Faites tourner le même travail sur les deux modèles une fois, comparez les fichiers vous même, et comptez les jetons que chaque passage a utilisés au réglage d’effort que vous prévoyez vraiment de garder. Ce seul contrôle vous dit plus sur votre facture et votre taux de réussite que tout classement peut le faire, parce que vos briefs, vos fichiers et votre niveau d’acceptation sont le test qui compte pour votre travail.

Le résumé honnête est deux chiffres tenus à la fois. 41,3 pour cent est un vrai saut à un test construit à partir de vrai travail payé et noté par des gens. 58,7 pour cent est la part qui a encore échoué. Un acheteur qui planifie pour les deux chiffres obtiendra une vraie valeur de ce modèle. Un acheteur qui planifie seulement pour le premier chiffre achète une diapositive de lancement, pas un travailleur.

Ceci est un test de recherche. Il tire du classement et de la documentation de l’index Remote Labor Index de Scale Labs, de l’article qui a présenté l’index, du matériel de lancement d’Anthropic pour Fable 5.2 et Mythos 5.2, et des tests de coût publiés par Artificial Analysis tels que rapportés cette semaine, tous vérifiés le 12 novembre 2026. Aucun test pratique n’a été effectué.

Sources

• Anthropic: Introducing Claude Fable 5.2 and Claude Mythos 5.2
• Scale Labs: Remote Labor Index leaderboard
• Center for AI Safety and Scale AI: Remote Labor Index project site
• Mazeika et al.: Remote Labor Index, Measuring AI Automation of Remote Work, arXiv 2510.26787
• MACCUS: On a test of real freelance projects, the best AI agent now completes 41 percent of them
• Devlery: Claude Fable 5.2 doubles real freelance task completion to 41 percent and costs 20 percent less
• Images: Dirty Static house style illustrations