Claude Fable 5.2 以 67% 登顶 VIALS-AA 科学视觉推理基准
Artificial Analysis 拿 Handshake AI 的 VIALS 基准做了生命科学视觉推理实测，Claude Fable 5.2 拿 67% 压过 Gemini 4 Carbon 和 GPT-6 Astra。有意思的是它平均 37 次工具调用对 Astra 的 8 次——做科研图像分析、依赖多步工具链的开发者可以看看这种'多调用'策略是不是更适合自己的场景。
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。
Claude Fable 5.2 leads scientific visual reasoning benchmark VIALS-AA; it makes more tool calls than any other Anthropic model, unlike OpenAI models which make fewer as they get smarter
VIALS-AA is our implementation of @joinHandshakeAI’s VIALS benchmark for visual reasoning in life sciences research, across artifacts such as gel blots, plasmid maps, and phylogenies. Claude Fable 5.2 (max with fallback) scores 67% on VIALS-AA, ahead of Gemini 4 Carbon (high) at 64% and GPT-6 Astra (max) at 63%. Fable averages ~37 tool calls per task, while Astra averages ~8, the fewest of any model we’ve tested.
On turn 4 of this protein interaction task, Fable creates crops and asks to view them. On turn 10, it builds a color mask by thresholding color channels. On turn 17, it fits a circle to each arc and unrolls the arc into a straight strip. On turn 31, it counts the bars as peaks in an intensity profile. And on turn 41, it maps every detected spoke back on the original image to check its work. Fable batches calls on 28 of its 51 turns, averaging 1.75 tool calls per turn, compared with 1.12 for Sonnet 5.5.
本条情报归属 AITOP「模型」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「中美大模型技术代差与商业化对照」「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：Claude、VIALS、Gemini、GPT，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「Artificial Analysis」（@ArtificialAnlys），经 AITOP 多维评分管线结构化提炼。截至目前，全网已有 11 家独立信源对该事件进行交叉印证与跟进报道（含 IT之家、TestingCatalog、宝玉 等），属于近期高关注度行业信号。
