Claude Fable 5在生物医学挑战问题上的能力评估

这篇论文评估了Anthropic最先进的模型Claude Fable 5在8个生物医学基准（4个文本+4个多模态）上的表现，并与Claude前辈和GPT-5进行了对比。研究发现Fable 5的拒绝率在8.0%到99.4%之间，具体取决于基准（如MedQA、MedXpertQA MM、RareBench），这一模式在先前模型和GPT-5中均不存在。一旦排除被拒绝的问题，Fable 5在所有基准上的准确率都超过或持平其他模型。论文识别出两种不同的拒绝模式：一种集中在基础科学和机制内容，另一种在RareBench上针对先天代谢疾病几乎全部拒绝，而成人自身免疫疾病则没有。