Anthropic Claude Fable 5.2 创 ARC-AGI-3 标准测试最高分
ARC Prize 官方放出了 Claude Fable 5.2 的成绩单，ARC-AGI-3 标准测试拿下 81.2% 的最高分，比 adapter 模式低 16.5 个百分点这个细节特别有意思。做抽象推理评测或者选模型对比的团队可以仔细看这组数据。
Anthropic 的 Claude Fable 5.2 在 ARC Prize 官方 Verified 测试中创下 ARC-AGI-3 标准测试最高分：81.2%，成本 $21.9K；使用 provider adapter harness 时成绩达 97.7%，成本 $18.6K。
在早期版本上表现同样突出：ARC-AGI-2 拿到 93.8%，每任务成本 $0.98；ARC-AGI-1 达到 98.5%，每任务成本仅 $0.36。ARC-AGI 系列测试考察模型在未见过的抽象推理任务上的泛化能力，被认为是衡量通用智能进展的标杆之一。
对开发者而言，值得注意成本曲线：Fable 5.2 在 ARC-AGI-1 上的每任务成本已降到 $0.36，说明高推理成绩开始具备规模化使用的经济性。同时 provider adapter harness 与标准 harness 之间 16.5 个百分点的差距，也提示评测结果对测试环境的实现方式相当敏感，比较不同模型成绩时需要留意测试配置是否一致。
Claude Fable 5.2 from @AnthropicAI on ARC-AGI (Verified):
- ARC-AGI-3: 97.7%, $18.6K (provider adapter harness), 81.2%, $21.9K (standard harness) - ARC-AGI-2: 93.8%, $0.98/task - ARC-AGI-1: 98.5%, $0.36/task
Fable 5.2 sets a new high score on ARC-AGI-3 in the standard harness. https://t.co/GfG8Ls7kK1
This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to US-China foundation model benchmarks and commercialization comparison and AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include Claude, Anthropic, ARC-AGI, 推理模型.
Source attribution: curated from ARC Prize (@arcprize).
