Opus 5 вышел: стал ли Fable 5 лишним? Сравниваем цену задачи, агентные сценарии и ограничения

До выхода Claude Opus 5 на Habr появилась версия, что Fable 5 — это будущий Opus 5 под другим названием. После официального релиза стало видно: у моделей разные цены, задержка, режимы рассуждения и правила работы с данными, но одинаковый контекст в 1 миллион токенов и близкие результаты в ряде тестов. Поэтому оба быстрых вывода — «Fable больше не нужен» и «Opus заведомо слабее» — плохо подходят для продакшена.

Рабочая гипотеза: Opus 5 стоит проверять как модель по умолчанию для большинства сложных задач, а Fable 5 — как уровень эскалации для самых неоднозначных, длинных и дорогих в случае ошибки задач.

Это разбор открытых материалов, а не завершённый A/B-тест двух моделей в одинаковом окружении. Ниже я отделяю подтверждённые факты от того, что команде ещё предстоит измерить самостоятельно.

Что релиз доказал — и чего он не доказал

Официальная таблица моделей Anthropic рекомендует начинать с Opus 5 для сложного агентного программирования и корпоративной работы, а Fable 5 использовать там, где нужен максимальный доступный уровень возможностей.

Это уже полезнее, чем названия линеек. Оно даёт две разные продуктовые роли:

• Opus 5 — основной рабочий слой для сложных задач.

• Fable 5 — верхний слой для задач, где предел качества важнее цены и скорости.

Официальные контракты действительно отличаются:

Эта таблица доказывает, что перед нами два разных публичных продукта. Но она не раскрывает архитектуру, обучающие данные или веса моделей.

Поэтому корректный ответ на старый спор звучит так:

Мы можем доказать, что контракты Opus 5 и Fable 5 различаются. Но по публичным параметрам нельзя доказать ни идентичность, ни различие их внутренних весов.

Для выбора модели этого достаточно. В продакшене мы покупаем не абстрактные веса, а конкретный API-контракт с ценой, задержкой, политикой данных и поведением маршрутизации.

Полцены за токен — не полцены за принятую задачу

Самая заметная разница находится в прайс-листе.

У Anthropic Opus 5 стоит $5 / $25, а Fable 5 — $10 / $50 за 1 млн входных и выходных токенов. Здесь формулировка «в два раза дешевле» математически точна.

Но команда платит не за строку в прайс-листе. Она платит за результат, который прошёл тесты, ревью и приёмку.

Artificial Analysis получил в своём наборе задач другую пропорцию:

• Opus 5 на max effort — в среднем $2,03 за задачу.

• Fable 5 с fallback — в среднем $2,75 за задачу.

В этом конкретном тестовом окружении преимущество Opus составило около 26%, а не 50%.

Противоречия здесь нет. Модели могут использовать разное количество токенов, выбирать разную глубину рассуждения, делать разное число вызовов инструментов и требовать разное количество повторных запусков.

Источник: Artificial Analysis, effort и token trade-off.

Для реального сравнения я бы считал такую метрику:

стоимость принятой задачи =
входные токены
+ выходные токены
+ cache write и cache read
+ вызовы инструментов
+ неудачные попытки
+ время инженера на исправления и ревью

Если дешёвая модель трижды не проходит тесты, её номинальная цена уже ничего не объясняет. Если дорогая модель решает задачу с первого раза, премия может окупиться. Обратная ситуация тоже возможна: Fable может дать чуть более сильный результат там, где Opus уже полностью проходит критерии приёмки.

Поэтому полезный вопрос звучит не «какая модель дешевле за токен», а «какая модель дешевле за принятый результат нужного качества?».

Почему публичные рейтинги дают разные ответы

В анонсе Opus 5 Anthropic сообщает, что на CursorBench 3.2 модель на максимальном effort отстаёт от пикового результата Fable менее чем на 0,5%, но стоит примерно вдвое дешевле за задачу. На OSWorld 2.0 Opus, по данным компании, превышает лучший результат Fable примерно за треть стоимости.

Artificial Analysis даёт Opus 5 индекс интеллекта 61, а Fable 5 — 60 при максимальном effort. Разница в один пункт здесь больше похожа на практическую ничью, чем на новое поколение между моделями.

Источник: Artificial Analysis, основной тред о Claude Opus 5.

В других задачах картина может переворачиваться. У Fable остаются убедительные результаты в сложной диагностике, архитектурном анализе, фактических знаниях и длинных автономных запусках.

Источник: Artificial Analysis, GDPval-AA v2 и AA-Briefcase.

Причина не только в шуме измерений. Сравниваются разные системы:

• модель и уровень effort.

• agent harness.

• доступные инструменты.

• лимиты времени и токенов.

• число повторов.

• критерии успешного результата.

• поведение защитных классификаторов и fallback.

Даже в сноске к тестам Anthropic указано, что при отказах защитного классификатора для Opus 5 и Fable 5 использовался fallback на Opus 4.

8. В выборке Artificial Analysis стоимость Fable также указана с fallback.

Источник: Artificial Analysis, полная разбивка Intelligence Evaluations.

Если сохранять только поле requested_model, но не сохранять фактическую модель ответа, можно сравнить не те модели, которые, как кажется, были вызваны.

Отсюда практическое правило:

Benchmark нужен, чтобы выбрать задачи для собственного теста, а не чтобы отменить собственный тест.

Данные и fallback могут завершить выбор раньше benchmark

Для Fable 5 Anthropic требует 30-дневное хранение данных для мониторинга безопасности. Для общего доступа к Opus 5 такого специального требования нет.

Если политика компании запрещает передавать исходный код или клиентские данные в контур с таким сроком хранения, Fable может не пройти отбор независимо от его результатов.

Вторая граница — защитная маршрутизация. Anthropic пишет, что ограничения Opus 5 для киберзадач должны срабатывать заметно реже, чем у Fable, но бинарное сканирование, пентест и генерация эксплойтов по-прежнему ограничиваются. В пользовательских продуктах заблокированные запросы могут переключаться на другую модель, а в API fallback можно включить отдельно.

Для обычной команды отсюда следуют три требования:

1. Сохранять запрошенную и фактическую модель ответа.

2. Логировать причину отказа или переключения, если провайдер её возвращает.

3. Не смешивать результаты с fallback и без fallback в одной строке сравнения.

Это особенно важно для security review. Иначе слабый результат легко ошибочно приписать Fable, хотя запрос уже обрабатывала другая модель.

Доступ из России: официальные ограничения и реальные цены

Россия отсутствует в официальном списке стран Anthropic как для Claude.ai, так и для коммерческого API. Для использования официальных сервисов потребуются зарубежное сетевое подключение или VPN, аккаунт в поддерживаемой стране и зарубежный способ оплаты.

Официальная подписка Claude стоит $20 в месяц для Pro или от $100 в месяц для Max. Она даёт доступ к интерфейсу Claude и Claude Code, но не является отдельным API-балансом.

Если нужен именно API, сравнивать стоит маршрут подключения и итоговую цену за 1 млн токенов:

EvoLink здесь не заменяет подписку Claude, а выступает ещё одним API-маршрутом наряду с Anthropic API и OpenRouter, поэтому цены сравниваются в одной и той же единице.

Для OpenRouter нижняя граница рассчитана с комиссией 5% при оплате криптовалютой, верхняя — с комиссией 5,5% при оплате картой. При небольшой покупке картой действует минимальная комиссия $0,80.

Практическая схема: Opus по умолчанию, Fable при необходимости

Я бы начинал не с жёсткой миграции, а с проверяемой двухуровневой маршрутизации:

обычная сложная задача
→ Opus 5
→ тесты и критерии приёмки пройдены?
   ├─ да  → сохранить стоимость и принять результат
   └─ нет → определить причину
            ├─ нехватка контекста, инструментов или плохая постановка → исправить окружение
            └─ высокая неоднозначность, длинная автономная цепочка
               или дорогая повторная ошибка → эскалация в Fable 5

Fable стоит подключать не после любого неудачного ответа, а по заранее заданному условию:

• задача требует пересмотреть исходные предположения.

• агент должен долго работать без вмешательства.

• две сопоставимые попытки Opus не прошли один и тот же критерий.

• цена человеческой ошибки или повторной работы выше премии за модель.

• нужен независимый финальный review самого сложного изменения.

Для каждой пары запусков нужно сохранять один и тот же prompt, контекст, инструменты, таймаут и критерии приёмки. Для Opus дополнительно фиксируется effort.

Минимальный журнал эксперимента:

Через неделю такого журнала команда получит более полезный ответ, чем из ещё одного общего рейтинга.

Итог

Fable 5 не стал бесполезным после выхода Opus 5. Изменилось другое: стало сложнее оправдывать Fable как модель по умолчанию для каждой сложной задачи.

Opus 5 получил близкий к верхнему уровню профиль, более управляемый effort, умеренную заявленную задержку и вдвое меньшую официальную цену за токен. Fable сохраняет роль верхней эскалации для длинных, неоднозначных и дорогих в случае провала задач.

Но это пока только хорошая гипотеза маршрутизации.

Подтвердить её может не таблица параметров, а три числа из вашего рабочего процесса:

• стоимость принятой задачи.

• число повторных попыток.

• минуты ручной правки.

Если воспроизводить только один тест, я бы выбрал не публичный benchmark, а самую дорогую реальную задачу, на которой текущая модель регулярно терпит неудачу.

Именно там станет видно, нужен ли Fable как эксперт по эскалации — или Opus уже изменил значение слова «по умолчанию».

Основные источники

• Anthropic: релиз Opus 5 и таблица моделей.

• Anthropic: цены API и тарифы Claude.

• Anthropic: Fable 5 и поддерживаемые страны.

• Artificial Analysis — Opus 5 analysis.