大型语言模型(LLM)市场不仅在质量上持续带来惊喜,在定价策略上同样令人瞩目。在最近一项关于真实物理模拟的对比测试中,Anthropic Claude Fable 5 模型以绝对优势超越竞争对手,展现出令人印象深刻的复杂场景模拟能力。然而,这种卓越表现需要付出代价——而且是实实在在的金钱代价。
测试细节:毫不妥协的物理模拟
四款领先模型——Claude Fable 5、GPT-5.5、Opus 4.8 和 GLM-5.2——被要求创建三个独立的 HTML5 场景,展示物理对象的真实行为。测试场景包括:火车从断裂桥梁坠入水中、两辆汽车从峡谷跳台腾空后空中相撞,以及怪兽卡车碾压一排停放车辆的场景。核心要求是不得出现视觉伪影,且必须正确模拟坠落、破坏和碰撞效果。
测试结果:Fable 5 领先,但价格令人震惊
Fable 5 在全部三个场景中均获得满分。物体坠落和破坏过程正确无误,未出现穿模或悬空停滞现象。但高质量需要付出代价:该模型消耗了 62,158 个 token,任务执行成本高达 3.12 美元。
最接近的竞争对手 GPT-5.5 表现相当,消耗 37,753 个 token,成本为 1.14 美元。值得注意的是,在怪兽卡车场景中,GPT-5.5 的模拟质量甚至略胜 Fable 5 一筹。
相比之下,Opus 4.8 模型则经济得多:22,280 个 token,仅需 0.56 美元。这大约是 Fable 5 成本的六分之一,尽管场景渲染质量相对逊色。
最经济实惠的是 GLM-5.2——0.08 美元,消耗 36,246 个 token,但未在任何场景中获胜,表现垫底。
背景:Fable 5 解除限制后回归
需要指出的是,本次测试是在 Fable 5 恢复完全访问权限后不久进行的。6 月 30 日,美国政府解除了对 Anthropic Claude Fable 5 和 Mythos 5 模型的出口限制。这些限制于 6 月 12 日实施,即模型发布仅三天后,原因是出于国家安全担忧。Anthropic 被迫在 Claude.ai、API、AWS Bedrock 及其他合作伙伴服务上关闭了这两款模型。自 7 月 1 日起,全球访问权限已恢复。
分析结论
Claude Fable 5 在物理测试中的胜利,巩固了其作为 Anthropic 最先进模型的地位——该模型基于 Mythos 架构构建,并配备了增强型防护机制。然而,目前每百万输入 token 10 美元、每百万输出 token 50 美元的定价,使其仅在质量至关重要的任务中才具有经济合理性。对于注重性价比的大规模应用场景,Opus 4.8 或 GPT-5.5 显然是更理性的选择。AI 模型市场正明显走向细分:高端解决方案应对复杂任务,经济型方案处理常规操作。