Anthropic lance Claude Fable 5.2 : 65 points au classement, mais 26,50 $ par tâche

Anthropic a repris la première place des classements peu avant son introduction en bourse. Claude Fable 5.2 et Mythos 5.2 reposent sur la même base et sont conçus pour les tâches techniques les plus lourdes : calculs scientifiques, recherche de vulnérabilités, longues chaînes d'agents. Pour le travail quotidien, l'entreprise continue de recommander Opus 5.5, et cette réserve est importante : la nouveauté n'est pas faite pour tous les scénarios.

Chiffres et prix

Selon l'indice Artificial Analysis v5, au niveau de calcul maximal, Fable 5.2 obtient 65 points. Gemini 4 Carbon, que Google n'a pas encore lancé, en obtient 60, Opus 5.5 en obtient 59, et la précédente Fable 5.1, sortie début septembre, accuse 15 points de retard. Le modèle est le meilleur dans cinq tests sur neuf : 80 % sur HLE-Diamond (questions de niveau académique expert), 73 % sur Terminal-Bench-Science et 49 % sur FrontierCode 2.0, où l'agent doit apporter des correctifs utiles à de vrais projets open source.

Le prix du million de tokens a baissé : 8 $ en entrée et 40 $ en sortie, contre 10 $ et 50 $ auparavant. Mais la facture ne dépend pas du prix du token, elle dépend du nombre de tokens que le modèle consomme. Au maximum, une tâche coûte en moyenne 26,50 $. C'est 2,6 fois plus qu'Opus 5.5 (10 $) et environ deux fois plus que Fable 5.1 (12,99 $).

Les modes inférieurs sont plus intéressants. Aux niveaux High et Xhigh, Fable 5.2 obtient 62 points, plus que n'importe quel autre modèle à n'importe quel niveau, et ne consomme que 98 000 tokens de sortie par tâche. Opus 5.5 au niveau Max en consomme 173 000. Si vous voulez une qualité supérieure à Opus avec un budget limité, c'est ici qu'il faut regarder. Il existe aussi un mode rapide : sortie jusqu'à 2,5 fois plus rapide, mais deux fois plus chère. Il est accessible à certaines organisations sur Claude Code, Claude Platform, Google Cloud et Microsoft Foundry. Sans ce mode, le modèle génère du texte environ 30 % plus vite que ses prédécesseurs, selon les données d'Anthropic.

Où le leadership s'arrête et que faire

On ne peut pas qualifier Fable 5.2 de vainqueur universel. Dans Terminal-Bench 4.0, où le modèle exécute des tâches en plusieurs étapes dans le terminal (développement, sécurité), il obtient 60 %. C'est au niveau d'Opus 5.5, mais en dessous de Kimi K3.1 Pro (67 %), Gemini 4 Carbon (65 %) et Sonnet 5.5 (64 %). Dans AA-Briefcase, un benchmark de travail de bureau en plusieurs étapes, il obtient 1785 Elo contre 1813 pour Sonnet 5.5. Face à Opus 5.5 (1800), l'écart reste dans l'intervalle de confiance, c'est-à-dire que statistiquement, c'est un match nul.

La conclusion pratique est simple. Ne basculez pas tout votre trafic sur Fable 5.2 : testez-la sur vos tâches les plus difficiles — scientifiques, de recherche, longues chaînes d'agents avec de vrais dépôts. Comparez non pas le prix par token, mais le coût final d'une tâche résolue sur votre jeu de tests. Pour le codage courant dans le terminal et l'automatisation bureautique, Opus 5.5 ou ses concurrents peuvent être moins chers et tout aussi bons.

Mythos, Fermat et un frein à l'auto-accélération de l'IA

Fable est accessible à tous, mais bloque les requêtes risquées en cybersécurité et en biologie : tests d'intrusion, génération d'exploits. Mythos lève une partie des restrictions et n'est ouvert qu'aux organisations ayant passé la vérification dans le cadre des programmes d'Anthropic pour la cybersécurité ou les sciences de la vie. Lors du test interne CVE Rediscovery, où le modèle cherche un bug dans l'état du projet avant correction sur 1 829 vulnérabilités connues, Mythos 5.

2 en a trouvé 10,2 % de plus qu'Opus 5.5 et 14,4 % de plus que Mythos 5.1.

Cette avance s'est maintenue à tous les niveaux de calcul. Selon Anthropic, l'une des sociétés de sécurité a indiqué qu'un bug confirmé sur six trouvé par Mythos 5.2 avait échappé à tous les autres modèles testés.

Anthropic déclare par ailleurs avoir délibérément évité d'améliorer chez ses modèles les compétences qui accélèrent directement le développement de l'IA : l'optimisation des noyaux de calcul pour accélérateurs et l'amélioration des architectures de LLM. Dans ces domaines, ils sont à peu près au niveau d'Opus 5.5. Le codage agentique, le développement matériel et la recherche classique, y compris l'interprétabilité, n'ont pas été touchés par ces limites. Selon l'entreprise, Claude écrit déjà plus de 90 % des modifications qui entrent dans le code principal d'Anthropic, sous la supervision de humains.

La principale démonstration est mathématique. Environ un millier d'agents Fable 5.2 ont formalisé en 30 heures la preuve complète du grand théorème de Fermat dans le langage Lean, où l'ordinateur vérifie chaque étape.

La précédente version de recherche de Claude y avait mis 11 jours, dans un environnement spécialement conçu et avec l'aide d'indications humaines. Les nouveaux agents sont partis d'une courte consigne, ont organisé eux-mêmes le travail et n'ont pas utilisé de sources mathématiques. La consommation de tokens pour les actions a représenté un tiers de celle de la première tentative, et la preuve est sept fois plus courte.

Opus 5.5, dans le même schéma avec mille agents, n'a atteint que 26–27 % de formalisation et n'a presque pas progressé après la 18e heure.

Tous ces chiffres proviennent d'Anthropic elle-même et d'Artificial Analysis. Il n'existe pas encore de vérification indépendante, et un spécialiste externe ne peut pas reproduire des tests internes comme CVE Rediscovery. Il faut y voir une bonne raison de réaliser ses propres mesures, et non une solution toute faite.