Fable 5.2 卖多少钱：一个任务 26.54 美元

一句话总结：Fable 5.2 在 Artificial Analysis 智能指数上以 65 分登顶，但每完成一个任务平均要花 26.54 美元；比它低 10 分的 GPT-6.1 Sol 只要 1.27 美元，分数差 18%，钱差 20 倍。

11 月 10 日 Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2，官方口径是速度提升 30%、成本下降 20%。第二天 Artificial Analysis 的 Intelligence Index v5.0.1 更新，Fable 5.2 以 65 分排到第一，Gemini 4 Carbon 60 分、GPT-6 Astra 57 分跟在后面。发布消息铺得到处都是，价格这件事反而没人细算。

这篇把九个能查到牌价的模型放在一起算一遍：买一分智能要花多少钱、钱花在哪个环节、哪几个价格结构值得警惕。所有数字都标了查询日期，价格这种东西过两周就可能变，看的时候留意口径。

Fable 5.2 和 Sol：分数差 18%，成本差 20 倍

先看两个最扎眼的数。Fable 5.2 在 max effort 下每完成一个 Index 任务平均 26.54 美元；GPT-6.1 Sol 55 分，每任务 1.27 美元。65 比 55，分数差 18%；26.54 比 1.27，钱差 20 倍。

这两个数不能直接说"谁更值"，因为 Index 里的任务难度有梯度，头部那几道题可能只有 65 分档的模型能解出来。但对绝大多数日常任务，55 分和 65 分的模型给出的答案，用户大概率分辨不出差别。

我的判断是：这 10 分的溢价买的是"能做最难的那些任务"，不是"每个任务都好 10 倍"。如果你一周只有一两次需要顶级推理的场景，专门为那几次调 Fable，其余走便宜模型，账面能省 90% 以上。很多团队的用法反着来，日常全走旗舰，遇到疑难反而没额度了。

图 1：九个模型的 AA 得分（左）与混合单价（右），Fable 的得分只比 Sol 高 18%，单价高 4 倍、每任务成本高 20 倍

每美元买几分：九个模型的价格表

能查到"每任务成本"的是四个模型，把分数除以成本，得到每美元能买到几分：

每美元买分这一列，最高和最低差 17.7 倍。同样的预算，选错一档模型，能干的事少一个数量级。

剩下几个模型查不到权威的每任务口径，只有牌价。按 3:1 的输入输出比例算混合价：Gemini 4 Carbon 和 Sonnet 5.5 都是 4 美元、GPT-6.1 Terra 2 美元、Kimi K3.1 Pro 2.28 美元、DeepSeek V4.1 Flash 0.13 美元。混合价是个粗口径，没算缓存折扣，只用来横向比个大概。

还有一个容易被忽略的细节：这四家的输出价都定成输入价的 5 倍。Fable 8/40、Astra 10/50、Sol 2/10、Opus 4/20，全部如此。这不是巧合，下一节单说。

Astra 反例：分数更高，任务成本更低

四行表里藏着一个反直觉的组合。Opus 5.5 得 59 分，每任务 10.04 美元；GPT-6 Astra 得 57 分，每任务只要 6.25 美元。分数低 2 分，钱省 38%。

原因在用法。Astra 的牌价是四家里最贵的（10/50），但它在 Index 任务上花的 thinking token 更少、轮次更短，任务级总账反而低。牌价贵不等于账单贵，effort 设定和任务长度都在中间搅局。

顺带说一个测量口径的坑。Anthropic 自己的表里，FrontierCode 2.0 那一行 Fable 标的是 Xhigh effort、Carbon 标的是 Medium effort，两个分数不在同一档设定上。Anthropic 的表和 Artificial Analysis 的独立复测也对不上：AA 自测的 AutomationBench，Carbon 77.8%、Fable 76.4%，和厂商口径的排名不同。厂商数字当上限看，第三方复测当下限看，中间才是真实水平。这个坑我只有这两个样本，不敢推广到所有榜，但至少看榜时别把两列混着比。

Carbon 限时价 2 美元：窗口到 11 月 30 日

Gemini 4 Carbon 的标准牌价是 4/20，和 Opus 5.5 完全一样；但 Google 给了限时价，输入 2 美元、输出 10 美元，11 月 30 日截止。窗口期内它是闭源阵营里分数最高的"每美元买分"选手：60 分配 4 美元混合价。

访问路径也变了。发布时只对通过 Fairwind Program 的安全防御人员开放，11 月 10 日起所有付费 API 开发者都能调，Google AI Ultra 订阅用户在 App 里也能用。也就是说 11 月这半个月，60 分档的模型实际卖 55 分档的价格。

这里有个不确定的点：限时价结束后 Google 是回到 4/20 还是直接定新价，官方没说。按以往惯例大概率回标准价，但这是我猜的，不是官方口径。窗口期内有批量任务需求的，值得把 Carbon 排进调度。

输出 token 定价五倍：账单怎么形成

四家全部输出 5 倍于输入，这个比例值得单独说。定价逻辑不难理解：生成一个 token 要逐个算前向，输入部分一次并行算完，输出侧的计算密度高几倍，且推理集群的显存带宽被自回归解码吃满。

对账单的实际影响取决于你的任务形态。翻译、长文档摘要这类输入多输出少的活，输出溢价对你影响不大；代码生成、写长文的活，输出占比高，账单会被 5 倍价迅速放大。这正是把输出价设成五倍想要的效果：先按住 token 数，再在输出侧把账单放大。上一篇拆英伟达营收结构时提过，定价结构比总量更能说明一家公司把谁当付费主力，模型定价是同一个道理。

所以比价别只看混合价。你的任务输出占比如果超过 30%，该用输出价当第一排序键；输入巨长的检索类任务，才轮到输入价说话。同一家的两个模型，混合价排序和你的真实账单排序可能完全相反。

开源阵营在另一条轴上：46 分和 0.24 美元

闭源榜打得热闹时，开源那边是另一番景象。月之暗面 11 月 4 日开源了 Kimi K3.1 Pro 权重，AA 得 46 分，API 牌价 0.24/8.41 美元；DeepSeek V4.1 Flash 33 分，输入 0.01 美元，闲时甚至到过 0.15 美元每百万的量级。

46 分对 65 分，看着差得远，但开源模型的卖点是另一件事：权重在自己手里。K3.1 Pro 的权重有 1.56TB，自托管是笔独立的账，这篇不展开，后续单独算。只想说明一点：当 46 分的模型可以免费部署、33 分的模型输入价只有旗舰的千分之几时，"闭源 65 分"的定价就不再是唯一锚点。

这套打法在算力报价那篇里出现过：卖方报一个最好看的单价，采购方要自己把总账算完。科创板日报 11 月 12 日引述 Menlo Ventures 的报告：美国企业开源模型支出里 89% 流向中国模型，其中 Kimi 占 61%。闭源三强在榜单上拉开差距的同时，钱正在流向榜单的另一头。这两件事同时发生，本身比任何单一排名都更有信息量。

怎么选：三档就够

说了这么多数字，给个可操作的结论。按我自己的用法，日常任务用 Sol 或 Carbon 限时价这一档，55 到 60 分，每任务一两美元；疑难任务单次调 Fable 或 Astra，前者分高、后者每任务反而便宜；量大且不敏感的批处理走开源 API 或自托管，DeepSeek Flash 一百万 token 一毛钱的输入价，闭源阵营没有对手。

选型的错误很少出在"选了差的模型"，更多是"所有流量都走同一档"。三档分层之后，同样的预算能覆盖的调用量差出十几倍。榜单每周都在变，这周是 Fable 65 分，下个月未必；但"分数差 18%、价格差 20 倍"这个结构，从 Opus 时代到现在一直没变过。

FAQ

Q：Fable 5.2 和 Mythos 5.2 是什么关系？

同一底层模型，Mythos 是削减了安全护栏的版本，只对通过审核的组织开放。普通用户能接触到的只有 Fable。两者能力口径一致，选择完全取决于合规要求。

Q：65 分的模型比 55 分的强在哪？

主要在最难的那一小撮任务上。Intelligence Index 的任务有难度梯度，55 分档的模型在中等难度上已经够用，65 分档拉开差距的是前沿推理、长程 agent 这类尾部任务。日常问答和常规编码，两者差异很难感知。

Q：每任务成本 26.54 美元是怎么算的？

这是 Artificial Analysis 跑完一个 Index 任务的平均花费，包含全部输入、输出和 thinking token，按 max effort 档测量。它反映"跑一遍测试套件的真实账单"，不等于你单个请求的价格。

Q：混合价 16 美元是什么意思？

按 3 份输入配 1 份输出的比例，对输入价和输出价加权平均的结果。它是横向比较用的粗指标，不对应任何真实任务的账单。输出占比高的任务，实际单价会向输出价靠。

Q：限时价 11 月 30 日之后还能用 Carbon 吗？

能用，但价格大概率回到 4/20 的标准档。届时它的性价比要重算：60 分对 8 美元混合价，大致落在 Opus 5.5 的位置。是否还值得选，取决于它到时在 coding 榜上和 Opus 的相对位置。