Artificial Analysis 第三方评测：Claude Fable 5.2 登顶 AA-3D 交互式 3D 场景榜（1271 Elo，领先第二名 67 分），并以 67% 拿下科学图像推理 VIALS-AA 第一

核心背景与行业痛点

Claude Fable 5.2 发布后，大家最关心的是 Anthropic 自报的成绩能否被第三方复现。常规的问答和代码榜已经很难拉开差距，开发者更想知道：模型能不能独立做出一个完整、好看、能交互的东西，以及看图做科研判断靠不靠谱。Artificial Analysis（AA）这次给出的 AA-3D 和 VIALS-AA 正好对应这两类需求，而且都是独立评测，不是厂商口径。

架构亮点与底层机制

AA-3D 把每个模型放进离线沙箱当 Agent，根据一段文字需求（如“星舰从发射、助推器回收到飞船着陆的完整动画”）写出 three.js 网页，最多 3 小时、250 轮，可调用 Blender、Rapier 物理引擎、Python 和无头浏览器检查自己的成果。真人评委对同一需求的两份作品做盲选，每个场景至少体验 30 秒，再换算成 Elo。VIALS-AA 是 AA 对 Handshake AI 的 VIALS 基准的实现，题目是凝胶电泳图、质粒图谱、系统发育树等生命科学图像。

权威 Benchmark 与实测跑分对比

AA-3D：Fable 5.2（Max）1271 Elo，Sonnet 5.5 1204，Opus 5.5 1202，GPT-6 Astra 1168，Gemini 4 Argon 1147，Fable 5.1 1139。Fable 5.2 的 95% 置信区间为 1246–1297，与其他模型不重叠。VIALS-AA：Fable 5.2 为 67%，超过此前领先的 Gemini 4 Carbon（64%）和 GPT-6 Astra（63%）。AA 发现 Fable 每题平均约 37 次工具调用，多数用于裁剪和查看图像；Astra 只有约 8 次。Anthropic 模型越强，工具调用越多，OpenAI 模型则相反。以上均为 AA 独立评测结果。

开发者实战落地与开箱指南

做 3D 网页、可视化、小游戏原型时，Fable 5.2 目前是第三方榜上的首选，但 AA-3D 用的是 Max 档，耗时和费用都高（官方价 $8/$40 每百万 token），日常可先用低档位试。需要看图分析的科研或质检任务，可以给它开放图像裁剪和代码执行工具，它会主动多步检查；如果更在意调用次数和延迟，GPT-6 Astra 是更省工具调用的选择。可在 AA-3D Explorer 里直接打开每个场景对比效果。