ИИтак

Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиШкала условная (Claude 3.5 Sonnet = 130, GPT-5 = 150); интервал — 90-процентный диапазон оценки, и модели с перекрывающимися интервалами надёжно не различаются.Подробнее на английском ↗

3 место из 266
индекс 163, вероятный разброс 161–167 · весь рейтинг →

Бенчмарк	РезультатОбычно — доля заданий теста, которые модель решила. У некоторых тестов свой счёт; как он устроен, сказано в пояснении к названию теста	УсилиеНасколько долго модель рассуждала перед ответом, когда её проверяли: низкое, среднее, высокое, очень высокое, максимальное. Чем выше усилие, тем обычно выше результат — и тем дольше и дороже ответ. Показан лучший результат и усилие, на котором он получен
DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗	97,3%	максимальное
LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗	71,0%	максимальное
Mystery Game Puzzles100 позиций из головоломочного варианта известной игры, название которой скрыто: нужно найти единственный лучший ходПодробнее на английском ↗	47,1%	максимальное
EBR-benchУчится ли модель на опыте: она раз за разом играет в малоизвестную карточную настольную игру Earthborne Rangers и ведёт заметкиБалл — доля из 21 игровой цели в лучшей из двух итоговых партий после тренировочных; сам по себе он не показывает, выросла ли модель.Подробнее на английском ↗	39,5%	максимальное
MirrorCodeМодель с нуля воссоздаёт целую консольную программу по её поведению, документации и примерам, не видя исходного кодаПодробнее на английском ↗	63,9%	высокое
Surface Evolver Bench16 задач: описать для физической программы Surface Evolver форму жидкости под действием поверхностного натяжения, гравитации и ограниченийЗасчитывается частичное выполнение: отдельные баллы за корректный файл, успешный прогон симуляции и совпадение объёма, площади и энергии с эталоном.Подробнее на английском ↗	95,0%	высокое
FrontierMath-Tier-4-v2-PrivateЗакрытый набор самых трудных задач FrontierMath: исследовательская математика, на которую у специалистов уходят часы и дниПодробнее на английском ↗	90,2%	максимальное
FrontierMath-Tiers-1-3-v2-PrivateСотни новых задач исследовательской математики от профессиональных математиков; эксперту на задачу нужны часы или дниПодробнее на английском ↗	87,0%	максимальное
FrontierCodeМодель исправляет проблему в открытом проекте, а правку оценивают по тому, приняли бы её сопровождающие проектаБалл выставляют по критериям сопровождающих и усредняют по пяти запускам; если нарушен хотя бы один обязательный критерий, за задачу ставят ноль.Подробнее на английском ↗	53,5%
DeepSWE113 долгих задач по программированию в 91 открытом проекте на пяти языках; задачи написаны с нуля и не публиковалисьEpoch нашла, что примерно в 20% задач проверка отклоняет верные решения, поэтому реальный потолок заметно ниже 100%.Подробнее на английском ↗	69,9%	очень высокое
PostTrainBenchМожет ли ИИ-агент сам дообучить базовую языковую модель за 10 часов на одной видеокарте H100, без готового кода и данныхБалл — результат дообученной модели на нескольких тестах; официальные версии тех же моделей от разработчиков набирают около 51%.Подробнее на английском ↗	41,8%	максимальное
ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗	95,0%	максимальное
APEX-Agents480 многошаговых рабочих задач из инвестбанкинга, консалтинга и корпоративного права: агент работает с файлами, почтой, таблицамиЗадача засчитывается, только если выполнены все пункты экспертного списка критериев; проверяет их другая модель.Подробнее на английском ↗	45,0%
Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗	37,9%	низкое
Remote Labor IndexНастоящие заказы с фриланс-площадок — дизайн, архитектура, анализ данных, программирование — выполняемые агентом целикомЧисло — доля заказов, выполненных так, что заказчик принял бы работу; даже у лидеров это немного.Подробнее на английском ↗	16,1%
SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗	70,7%	очень высокое
ARC-AGI-2Вторая, более трудная версия головоломок на клетках: по примерам найти скрытое правило и применить его к новой картинкеНа каждое задание даётся две попытки; люди в среднем решают около 60% заданий.Подробнее на английском ↗	89,2%	максимальное
WeirdMLНеобычные задачи по машинному обучению: модель пишет код, который на выданных данных обучает классификатор, например для распознавания фигурБалл — средняя точность обученных моделью классификаторов, а не доля решённых задач.Подробнее на английском ↗	91,9%	максимальное
OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗	100,0%	низкое
SimpleBenchВопросы с подвохом на здравый смысл: пространство, время, поведение людей. 213 вопросов, у каждого шесть вариантов ответаЛюди в проверке авторов набрали около 84%, а балл модели — средняя точность по пяти прогонам.Подробнее на английском ↗	78,3%	максимальное
GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗	81,1%	максимальное
ARC-AGIГоловоломки на цветных клетках: по паре примеров нужно понять правило преобразования картинки и применить его к новойПодробнее на английском ↗	98,5%	очень высокое

Характеристики

Вышла: 7 июня
КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена: 1 млн токенов
Длина ответаСколько токенов модель может выдать за один ответ, вместе со скрытыми рассуждениями, если они есть: до 128 тыс. токенов
Цена входаСколько стоит миллион токенов, отправленных модели: вопрос, документы, вся история переписки: $10 за миллион токенов
Вход из кэшаЦена входа для повторяющегося начала запроса, которое лаборатория уже сохранила у себя. В длинной переписке и у агентов это большая часть входа — и в разы дешевле: $1 за миллион токенов
Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения: $50 за миллион токенов
Понимает: текст, изображения, PDF
Отвечает: текст
РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах: да
Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты: да
ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории: закрытые
Идентификатор в API: claude-fable-5

Что это за модель

Claude Fable 5 — модель класса Mythos, которую Anthropic открыла для всех. На момент выхода компания называла её своей самой способной моделью общего доступа. Она сделана для сложных рассуждений и долгих агентных задач, то есть таких, где модель сама выполняет много шагов подряд. У Fable 5 есть близнец, Claude Mythos 5. По словам Anthropic, это та же модель, но без части защитных мер. Её дают только проверенным специалистам по кибербезопасности, поставщикам инфраструктуры и отдельным биомедицинским исследователям.

Главное отличие Fable 5 — встроенные классификаторы безопасности. Это отдельные фильтры, которые следят за запросами в трёх областях: кибератаки, биология и химия двойного назначения, дистилляция (попытки вытянуть из модели данные, чтобы обучить на них конкурента). Если фильтр срабатывает, запрос уходит к менее сильной модели Claude Opus или получает отказ. Разработчик может настроить автоматический повтор на другой модели. За запрос, отклонённый до начала ответа, деньги не берут. Рассуждения у модели включены всегда. Глубину размышлений можно регулировать, но саму цепочку рассуждений модель не показывает, в лучшем случае отдаёт её краткий пересказ.

По замерам Anthropic, Fable 5 показала лучшие результаты почти во всех проверенных бенчмарках, в том числе в FrontierCode, CursorBench и ViBench. Компания пишет, что по сравнению с Opus 4.8 модель дольше работает без участия человека, лучше справляется с длинным контекстом и тратит меньше шагов на задачу. Среди примеров в анонсе — перенос кодовой базы Stripe на 50 млн строк, выполненный за один день, воссоздание веб-приложения по скриншотам и работа по подбору кандидатов в лекарства.

Сама Anthropic признаёт, что фильтры настроены с запасом и иногда отклоняют безобидные запросы. По её данным, они срабатывают меньше чем в 5% сессий. Для модели обязательно хранение данных 30 дней: без него не работает контроль безопасности. Вскоре после запуска власти США ввели для Fable 5 экспортные ограничения, в конце июня их сняли, и с 1 июля модель снова доступна по всему миру. В сентябре 2026 года её сменила Fable 5.1.

Источники: Анонс Claude Fable 5 и Mythos 5, Документация: знакомство с Fable 5 и Mythos 5

Того же уровня по индексу Epoch

24 июля
Claude Opus 5
Anthropic4-е место в Epochконтекст 1 млн$5 / $25рассуждениядешевле в 2 раза
23 апреля
GPT-5.5 Pro
OpenAI5-е место в Epochконтекст 1,1 млн$30 / $180рассуждениядороже в 3,6 раза
1 сентября
Claude Fable 5.1
Anthropic2-е место в Epochконтекст 1 млн$10 / $50рассуждения
9 июля
GPT-5.6 Sol
OpenAI6-е место в Epochконтекст 1,1 млн$4 / $20рассуждениядешевле в 2,5 раза