Anthropic Claude Fable 5.2 创 ARC-AGI-3 标准测试最高分

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。