Claude Fable 5.2 以 67% 登顶 VIALS-AA 科学视觉推理基准

Artificial Analysis 实现了 Handshake AI 的 VIALS 基准（用于生命科学研究中的视觉推理，涵盖凝胶印迹、质粒图谱和系统发育树等实验产物），推出 VIALS-AA 测试。Claude Fable 5.2（max with fallback）以 67% 得分位居第一，Gemini 4 Carbon（high）为 64%，GPT-6 Astra（max）为 63%。 关键差异体现在工具调用行为上：Fable 平均每个任务调用约 37 次工具，是所有被测模型中最多的；而 Astra 平均仅约 8 次，是所有被测模型中最少的。在一个蛋白质相互作用任务中，Fable 在第 4 轮创建裁剪图像并请求查看，第 10 轮通过颜色通道阈值构建色彩掩码，第 17 轮对弧线拟合圆形并展开成直条，第 31 轮将柱状图当作强度峰值计数，第 41 轮把检测到的辐条映射回原图进行校验。 工作流效率方面，Fable 在 51 轮中的 28 轮进行了调用批处理，平均每轮 1.75 次工具调用，对比 Sonnet 5.5 的 1.12 次。这说明 Anthropic 模型随着能力增强倾向于更多的工具调用，而 OpenAI 模型呈现相反趋势。