独立评测机构 Artificial Analysis（AA）11 月 12 日在官方账号公布：Anthropic 本周发布的 Claude Fable 5.2 在 AA-Robotics v0.1 上得分 75，成为新榜首，高于此前第一的 GPT-6 Astra（69）和 GPT-6.1 Sol（65）。这项评测让编码 Agent 通过 HTTP API 操控一台 6 轴机械臂完成 8 项桌面任务。AA 称 Fable 5.2 是第一个在「测量盒子尺寸」任务上得分的模型：它只靠摄像头视频，把场景里的卷尺当作比例尺来估算盒子尺寸。上一代 Fable 5.1 在 10 月首发榜单上只有 46.3 分。
核心要点速览
- ✓AA-Robotics v0.1 新榜首：Claude Fable 5.2 75 分，GPT-6 Astra 69、GPT-6.1 Sol 65（AA 口径）
- ✓比上一代大跳：Fable 5.1 在 10 月首发榜单上为 46.3，Opus 5.5 为 48.8
- ✓「量盒子」任务（长宽高误差需在约 2 毫米内）此前所有模型均未得分，Fable 5.2 是第一个
- ✓Fable 5.2 只用摄像头视频，把场景中的卷尺刻度当比例尺来估算尺寸
- ✓本次单题成本和耗时 AA 尚未公布；首发时 Astra 平均每题约 30 分钟、16.36 美元
开发者 3 秒速决决策指标
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
大模型能写代码，但能不能理解真实物理世界、规划动作并真的动手，一直缺少可比的公开测量。Artificial Analysis 10 月 14 日推出 AA-Robotics v0.1 研究预览，用同一台机械臂、同一套任务给前沿模型打分。首发时 GPT-6 Astra 以 69.4 分居首，Claude 系列只排在第四、第五。这次 Anthropic 11 月 9 日发布的 Claude Fable 5.2 直接改写了榜首。
架构亮点与底层机制
按 AA 的方法说明，每个模型以零样本方式运行在编码 Agent 框架里（Claude 用 Claude Code，GPT 用 Codex），通过简单的 HTTP API 控制一台 Hiwonder NexArm 6 轴机械臂，用四路摄像头看现场，自己写代码规划动作。8 项任务包括按按钮、放玩具、倒饮料、搭塔、量盒子等，由人工裁判按部分得分评分。AA 称 Fable 5.2 在「量盒子」任务上只用视频，没有挪动卷尺，而是把卷尺刻度当作比例尺来推算盒子大小。
权威 Benchmark 与实测跑分对比
以下均为 AA 口径：Fable 5.2 得分 75，GPT-6 Astra 69，GPT-6.1 Sol 65。首发榜单上 Gemini 4 Argon 为 55.3，Claude Opus 5.5 为 48.8，上一代 Claude Fable 5.1 为 46.3，所以 Fable 5.2 比前代高出近 29 分。首发时没有模型能在「量盒子」任务上得分。本次运行的单题成本、耗时和抓取成功率 AA 尚未公布，写稿时 AA 文章页仍显示旧榜单。
开发者实战落地与开箱指南
如果你在做机器人或具身 Agent 原型，这个结果说明「通用编码 Agent + 摄像头 + 简单控制 API」的路线还在快速变强，而且模型会主动利用场景里的参照物。不过要注意，首发数据显示模型平均每题约 30 分钟，人类约 20 秒，离实时控制还很远。可以先在 AA-Robotics 文章页的 run explorer 里看任务视频，等 AA 补齐 Fable 5.2 的成本数据后再评估性价比（Fable 5.2 API 标价每百万 token 输入 8 美元、输出 40 美元）。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察