ARC Prize publicerade ARC-AGI-resultaten för Claude Fable 5.2 den 9 november. Samma dag meddelade Anthropic på X att Fable 5.2 och Claude Mythos 5.2 är tillgängliga. ARC Prize testade Fable 5.2 med två harnessar på fem resonemangsnivåer, alltså i tio konfigurationer.

En harness är ett program som styr agenten. Det ger modellen verktyg och kör dess arbetssteg. Uppgifterna i ARC-AGI-3 är spel, och ett spel kan pågå upp till tidsgränsen på 12 timmar. I ARC Prizes Standard harness får modellen under hela spelet behålla anteckningar som den själv väljer.

Provider Adapter-harnessen bevarar däremot modellens resonemangstillstånd mellan förfrågningarna. Tillståndets innehåll syns inte utåt. I långa konversationer använder harnessen kontextkomprimering. Enligt ARC Prize kan modellen på så sätt utnyttja sitt tidigare arbete.

Skillnaden syns på alla resonemangsnivåer

Tabellen visar ARC-AGI-3-resultaten med båda harnessarna. De bästa siffrorna, 81,2 och 97,7 procent, uppnåddes på olika resonemangsnivåer och kan därför inte jämföras direkt. På samma nivå, XHigh, är skillnaden 16,1 procentenheter.

Källa: ARC Prize, verifierade resultat på den delvis privata (semi-private) testmängden, 9 november 2026.

ARC Prize uppger inte vilken egenskap hos Provider Adapter som förklarar skillnaden: bevarandet av resonemangstillståndet eller kontextkomprimeringen. Det tyder på att jämförelser av ARC-AGI-3-siffror kräver uppgift om vilken harness som användes.

På Max-nivån stannade Standard harness på 65,7 procent. I 28 av 55 spel pågick körningen under hela tidsgränsen på 12 timmar, uppger ARC Prize. I de spelen begränsade tidsgränsen hur långt testet kom.

Skillnaden syns också i enskilda offentliga demospel. I spelen TU93 och BP35 stannade Standard harness på 2,2 procent på XHigh-nivån, medan Provider Adapter fick 100 procent. Fable 5.2:s bästa resultat på XHigh-nivån var 98,5 procent i ARC-AGI-1 och 93,8 procent i ARC-AGI-2.

Artificial Analysis: I topp, men inte i alla benchmarkar

Artificial Analysis, som kör benchmarkar, skrev på X att Fable 5.2 på Max-nivån tog förstaplatsen i företagets Intelligence Index v5 med 65 poäng. Närmast av övriga modeller kommer Gemini 4 Carbon (High, 60) och Claude Opus 5.5 (Max, 59). I kodningsbenchmarket Terminal-Bench 4.0 fick Fable 5.2 60 procent, samma resultat som Opus 5.5. Kimi K3.1 Pro fick där 67 procent.

På Max-nivån kostade en uppgift i indexet i genomsnitt 26,5 dollar, ungefär 2,6 gånger så mycket som för Opus 5.5 (10,0 dollar), uppger Artificial Analysis. På High- och XHigh-nivåerna fick Fable 5.2 62 poäng, mer än någon annan modell på någon nivå.

Fable 5.2 kostar 8 dollar per miljon indatatoken och 40 dollar per miljon utdatatoken. Priset är 20 procent lägre än för Fable 5.1, enligt Artificial Analysis. Kontextfönstret är en miljon token, och modellen tar emot text och bilder.