ARC Prize julkaisi Claude Fable 5.2:n ARC-AGI-tulokset 9. marraskuuta. Samana päivänä Anthropic kertoi X:ssä, että Fable 5.2 ja Claude Mythos 5.2 ovat saatavilla. ARC Prize testasi Fable 5.2:ta kahdella harnessilla viidellä päättelytasolla eli kymmenellä kokoonpanolla.

Harness on agenttia ohjaava ohjelma, joka antaa mallille työkalut ja ajaa sen työvaiheet. ARC-AGI-3:n tehtävät ovat pelejä, ja yksi peli voi kestää 12 tunnin aikarajaan asti. ARC Prizen Standard harnessissa malli saa säilyttää pelin ajan itse valitsemansa muistiinpanot.

Provider Adapter -harness taas säilyttää pyyntöjen välillä mallin päättelytilan, jonka sisältö ei näy ulospäin. Pitkissä keskusteluissa se käyttää kontekstin tiivistystä. ARC Prizen mukaan malli voi näin hyödyntää aiempaa työtään.

Ero näkyy kaikilla päättelytasoilla

Taulukossa ovat ARC-AGI-3-tulokset molemmilla harnesseilla. Parhaat luvut, 81,2 % ja 97,7 %, on saatu eri päättelytasoilla, joten niitä ei voi verrata suoraan. Samalla XHigh-tasolla ero on 16,1 prosenttiyksikköä.

Lähde: ARC Prize, vahvistetut tulokset osittain yksityisellä (semi-private) testijoukolla, 9.11.2026.

ARC Prize ei kerro, kumpi Provider Adapterin piirre selittää eron: päättelytilan säilytys vai kontekstin tiivistys. Tämä viittaa siihen, että ARC-AGI-3-lukujen vertailu vaatii tiedon käytetystä harnessista.

Max-tasolla Standard harness jäi 65,7 prosenttiin. ARC Prizen mukaan 28 pelissä 55:stä ajo kesti koko 12 tunnin aikarajan. Aikaraja rajasi niissä testin etenemistä.

Ero näkyy myös yksittäisissä julkisissa demopeleissä. TU93- ja BP35-peleissä Standard harness jäi XHigh-tasolla 2,2 prosenttiin, kun Provider Adapter sai 100 %. Fable 5.2:n parhaat tulokset olivat XHigh-tasolla ARC-AGI-1:ssä 98,5 % ja ARC-AGI-2:ssa 93,8 %.

Artificial Analysis: kärjessä, mutta ei kaikissa testeissä

Vertailutestejä ajava Artificial Analysis kertoi X:ssä, että Fable 5.2 nousi Max-tasolla 65 pisteellä yhtiön Intelligence Index v5 -indeksin kärkeen. Muista malleista lähimpinä ovat Gemini 4 Carbon (High, 60) ja Claude Opus 5.5 (Max, 59). Terminal-Bench 4.0 -koodaustestissä Fable 5.2 sai 60 % eli saman tuloksen kuin Opus 5.5. Kimi K3.1 Pro sai siinä 67 %.

Max-tasolla indeksin tehtävä maksoi Artificial Analysisin mukaan keskimäärin 26,5 $ eli noin 2,6 kertaa Opus 5.5:n hinnan (10,0 $). High- ja XHigh-tasoilla Fable 5.2 sai 62 pistettä, enemmän kuin yksikään muu malli millään tasolla.

Fable 5.2 maksaa 8 $ miljoonalta syötetokenilta ja 40 $ miljoonalta tulostetokenilta. Artificial Analysisin mukaan hinta on 20 % alempi kuin Fable 5.1:n. Konteksti-ikkuna on miljoona tokenia, ja malli ottaa vastaan tekstiä ja kuvia.