Claude Fable 5.2 đứng đầu Artificial Analysis Intelligence Index v5 với 65 điểm, hơn mô hình xếp sau năm điểm. Anthropic đồng thời giới thiệu Mythos 5.2, phiên bản dành cho một số tổ chức đã qua xác minh, và cho biết cả hai nhanh hơn tối đa 30% so với thế hệ trước. Nhưng điểm số cao không tự động biến một mô hình thành nhà nghiên cứu AI độc lập; với Fable 5.2, hóa đơn cho những tác vụ chất lượng cao cũng là phần đáng cân nhắc.
- Dẫn đầu một phép đo tổng hợp: Fable 5.2 đạt 65 điểm trên Intelligence Index v5 và đứng đầu ở năm trong chín bài kiểm tra riêng lẻ.
- Không mạnh đồng đều: Mô hình có kết quả nổi bật ở một số bài toán khoa học, nhưng không dẫn đầu mọi bài kiểm tra về công việc nhiều bước hay lập trình trên terminal.
- Giá phụ thuộc lượng dùng: Mức 8 USD cho một triệu token đầu vào và 40 USD cho một triệu token đầu ra không cho biết trực tiếp hóa đơn mỗi việc; cấu hình chất lượng cao có chi phí trung bình 26,50 USD một tác vụ.
- Hai mức tiếp cận khác nhau: Fable 5.2 có lớp bảo vệ cho các tác vụ rủi ro, còn Mythos 5.2 chỉ dành cho tổ chức được Anthropic xác minh.
65 điểm đưa Fable 5.2 lên đầu bảng, nhưng không phải mọi bài thi
Artificial Analysis Intelligence Index v5 chấm Fable 5.2 ở mức 65 điểm tại cấu hình tính toán cao nhất. Kết quả này cao hơn Gemini 4 Carbon năm điểm, Claude Opus 5.5 sáu điểm và Fable 5.1 tới 15 điểm; Gemini 4 Carbon khi đó vẫn chưa được Google phát hành. Fable 5.2 cũng đạt kết quả tốt nhất ở năm trong chín bài kiểm tra thành phần.
Một chỉ số tổng hợp giống như bảng điểm nhiều môn: hữu ích để nhìn nhanh, nhưng không nói rằng thí sinh giỏi nhất ở mọi môn. Các kết quả cụ thể cho thấy Fable 5.2 có điểm mạnh rõ rệt, đồng thời vẫn có những bài mà mô hình khác làm tốt hơn.
- Câu hỏi học thuật khó: Mô hình đạt 80% ở HLE-Diamond, bài kiểm tra gồm các câu hỏi học thuật cấp chuyên gia.
- Quy trình khoa học trên terminal: Fable 5.2 đạt 73% ở Terminal-Bench-Science, nơi đánh giá khả năng thực hiện quy trình khoa học qua giao diện dòng lệnh.
- Sửa mã trong dự án thật: Mô hình đạt 49% ở FrontierCode 2.0, bài kiểm tra xem tác nhân AI có thể tạo thay đổi hữu ích trong các dự án mã nguồn mở hay không.
- Công việc nhiều bước chưa đứng đầu: Ở AA-Briefcase, Fable 5.2 đạt 1.785 Elo, thấp hơn Sonnet 5.5 với 1.813 và nằm trong khoảng sai số của Opus 5.5 với 1.800. Trên Terminal-Bench 4.0, mô hình đạt 60%, ngang Opus 5.5 nhưng sau Kimi K3.1 Pro, Gemini 4 Carbon và Sonnet 5.5.

Điểm benchmark không thay thế năng lực nghiên cứu dài hơi
Benchmark tạo ra một sân chơi có câu hỏi, cách chấm và điều kiện đánh giá tương đối rõ. Điều đó giúp so sánh các mô hình trong những nhiệm vụ cụ thể, nhưng một con số tổng hợp không cho biết đầy đủ liệu AI có thể tự chọn vấn đề nghiên cứu, tìm hướng giải, kiểm tra sai sót rồi duy trì tiến độ qua nhiều vòng hay không.
Anthropic nói Fable 5.2 và Mythos 5.2 đã giúp xử lý một số thách thức kỹ thuật trong giai đoạn thử nghiệm trước khi phát hành. Đây là những tuyên bố đáng chú ý về khả năng ứng dụng, nhưng nên đọc riêng với kết quả benchmark: chúng không chứng minh rằng mô hình có thể tự nghiên cứu hoặc tự phát triển AI một cách độc lập.
- Bài kiểm tra có giới hạn: Điểm cao cho thấy mô hình làm tốt trên các bài được chọn và cách chấm tương ứng; nó không đại diện cho mọi tình huống ngoài đời.
- Tác vụ thực tế cần nhiều khâu: Một dự án nghiên cứu còn đòi hỏi chọn câu hỏi, sử dụng công cụ, phát hiện lỗi và đánh giá kết quả. Thành công ở một bài thi riêng lẻ không tự xác nhận toàn bộ chuỗi năng lực này.
- Cần tách tuyên bố khỏi bằng chứng đo được: Những ví dụ Anthropic nêu về kỹ thuật, khoa học hay các vấn đề vật lý giúp hình dung mục tiêu sử dụng, nhưng không nên đánh đồng chúng với điểm số của Intelligence Index.

Fable và Mythos cùng nền tảng, khác hàng rào tiếp cận
Fable 5.2 và Mythos 5.2 dùng chung nền tảng mô hình, nhưng được phân biệt bằng cách cấp quyền và giới hạn tác vụ. Fable được cung cấp rộng rãi hơn, kèm các biện pháp chặn một số yêu cầu rủi ro trong an ninh mạng và sinh học; Mythos gỡ bỏ một số hạn chế đó nên chỉ mở cho các tổ chức nộp đơn và được Anthropic xác minh.
Cách phân tầng này phản ánh một lựa chọn sản phẩm quan trọng: năng lực cao không chỉ là chuyện ai được dùng, mà còn là dùng trong điều kiện nào. Với công việc hằng ngày, Anthropic vẫn khuyến nghị Opus 5.5; Fable và Mythos hướng tới các nhiệm vụ kỹ thuật khó, dài và đòi hỏi cao hơn.
- Fable 5.2: Có thể tiếp cận rộng hơn, nhưng vẫn có lớp bảo vệ đối với một số yêu cầu nhạy cảm.
- Mythos 5.2: Chỉ dành cho tổ chức qua chương trình xác minh của Anthropic trong lĩnh vực an ninh mạng hoặc khoa học đời sống.
- Tốc độ: Anthropic cho biết hai mô hình tạo đầu ra nhanh hơn tối đa 30% so với Fable 5.1 và Mythos 5.1. Chế độ nhanh tùy chọn có thể tăng tốc độ tạo token tối đa 2,5 lần, nhưng có giá gấp đôi và chỉ dành cho một số tổ chức, nền tảng.
Giá theo token thấp hơn, nhưng mỗi tác vụ chất lượng cao vẫn đắt
Mức giá công bố của Fable 5.2 là 8 USD cho một triệu token đầu vào và 40 USD cho một triệu token đầu ra. Đây là mức thấp hơn giá của các phiên bản tiền nhiệm được nêu trong cùng thông tin, nhưng tiền người dùng trả còn tùy vào số token mà từng yêu cầu, thiết lập và môi trường phần mềm tiêu thụ.
Ở cấu hình chất lượng cao nhất, chi phí trung bình được The Decoder nêu là 26,50 USD mỗi tác vụ, khoảng 2,6 lần mức 10 USD của Opus 5.5. Vì vậy, giá trên mỗi triệu token và giá hoàn thành một công việc là hai cách nhìn khác nhau: một nhiệm vụ dài hoặc cần nhiều lượt xử lý có thể dùng lượng token lớn hơn đáng kể.
- Hợp với việc khó: Khi một tác vụ kỹ thuật có giá trị cao và cần năng lực chuyên sâu, chi phí lớn hơn có thể là lựa chọn có chủ đích.
- Không nhất thiết là lựa chọn mặc định: Với các việc thường ngày, khuyến nghị dùng Opus 5.5 của Anthropic phù hợp với thực tế rằng mô hình mạnh nhất không phải lúc nào cũng là mô hình kinh tế nhất.
- Nên theo dõi lượng dùng: Mức giá token giúp ước tính chi phí ban đầu, nhưng muốn dự toán sát hơn cần xem tác vụ thực tế tiêu thụ bao nhiêu token.
Điểm số cao cần đi cùng bài toán đúng
Claude Fable 5.2 cho thấy cuộc đua mô hình AI ngày càng được phân hóa theo loại việc, mức độ rủi ro và chi phí chấp nhận được. Benchmark là tấm bản đồ hữu ích để bắt đầu, không phải lời bảo đảm cho mọi dự án; người dùng nên chọn mô hình theo yêu cầu thật, rồi đánh giá cả chất lượng đầu ra lẫn lượng tài nguyên đã tiêu tốn.
- The Decoder AI: Claude Fable 5.2 and Mythos 5.2 cement Anthropic's AI lead just before its IPO
- Trí Thức VN: Anthropic ra mắt hai mô hình AI Claude Fable 5.2, Mythos 5.2 trước khi IPO
- Minh Tuấn Mobile: Anthropic ra Claude Fable 5.2 và Mythos 5.2, có gì mới?
- The Verge AI: Anthropic launches new Claude Fable and Mythos 5.2 models
- VnExpress Số hóa Góc nhìn liên quan: AI giúp 'giải đáp câu hỏi lớn của điện toán lượng tử'
- Livemint: Claude Fable 5.2 and Mythos 5.2 launched: Anthropic claims breakthrough in coding, robotics and scientific research
- 9to5Mac: Anthropic upgrades Claude with new Fable 5.2 model, details here
- Crypto Briefing: Anthropic’s Claude Fable 5.2 finishes a 23-year-old black hole calculation
📌 Bài viết thuộc chuỗi phân tích chuyên sâu từ Bản Điểm Tin AI trong ngày.







