По состоянию на 16 ноября 2026 года мы открыли официальные анонсы, актуальную документацию Claude Code, первичные независимые исследования и противоположные публичные отзывы. Мы не вызывали платные модели, не входили в аккаунты и не измеряли лимиты подписок. Запросы и журнал задач — авторские синтетические примеры; локальный расчёт проверяет арифметику, а не качество модели. Публичные случаи специально подобраны так, чтобы показать успехи, разочарования и конкретные ошибки; по ним нельзя оценить удовлетворённость пользователей.

Актуальная модель и задачи, ради которых стоит обновляться

Последний подтверждённый общий релиз — Fable 5.2 от 9 ноября. Anthropic по-прежнему рекомендует начинать повседневное программирование и интеллектуальную работу с Opus 5.5, а Fable выбирать для более сложных открытых проектов. Дата посещения новостей 16 ноября не является датой релиза.

Anthropic: анонс Fable и Mythos 5.2 · Новости Anthropic

При покупке или миграции полезнее спросить, сокращает ли новая модель самые дорогие ошибки: забытое ограничение совместимости при изменении нескольких модулей, потерянную цель длинной задачи, исправление без проверки прежнего поведения. Такие потери часто возникают ближе к концу работы. Более гладкий диалог ещё не доказывает надёжность поставки. Выберите задачи, которые сейчас застревают, требуют переделки или участия опытного коллеги: это даст содержательную базу для сравнения.

Что выбираем и что проверяем
КандидатОфициальная роль или границаВопрос для собственной приёмки
Opus 5.5Отправная точка для повседневной работыЗавершаются ли текущие задачи надёжно?
Fable 5.2Более сложные технические проектыМеньше ли переделок в трудных задачах?
Mythos 5.2Та же базовая модель, другие защитные меры и доступДопуск к исследовательской программе проверяется отдельно от Fable

Anthropic: анонс Fable и Mythos 5.2

Сначала сохраните параметры запуска, затем сравнивайте ответы

Псевдоним fable не всегда указывает на одну версию: у Claude apps gateway отдельное соответствие. Фиксируйте полный model ID, провайдера, версию клиента, фактический effort и fallback. Обзор моделей и настройки Code описывают разные способы доступа.

Claude Code: настройка моделей · Обзор моделей Claude

Добавляйте эти сведения в запись каждого запуска, а не полагайтесь на слово «новейший» в заголовке. Также закрепите коммит, доступные файлы, разрешения инструментов, запрос, тайм-аут и дополнения человека. Любое изменение требует новой строки, неудачные строки сохраняются. Если запись не подтверждает модель, пометьте её как неустановленную, не приписывая результат конкретной версии. При недоступности сначала проверяйте интерфейс и права; ослаблять защиту ради завершения сравнения не следует.

Синтетический журнал: задачи и суммы условные, это не квитанции API
task_id,arm,model_id,effort,provider,toolset,commit,attempt,status,api_usd,review_min,fallback
fixture-01,A,claude-opus-5-5,medium,synthetic,offline,fixture-v1,1,accepted,0.40,6,none
fixture-01,B,claude-fable-5-2,high,synthetic,offline,fixture-v1,1,accepted,0.80,3,none

Effort — переменная эксперимента, а max не универсальный стандарт

Текущая документация Code указывает medium как стандартный effort для Fable 5.2 и предупреждает об избыточных рассуждениях на max. Artificial Analysis публикует качество и время для разных уровней на странице одной модели.

Claude Code: настройка моделей · Artificial Analysis: Fable 5.2

Снимок AA Intelligence Index v5.0.1, а не обещание времени для ваших задач
effortБалл индексаМинут на задачу индекса
low545.5
high6215.3
max6541.8

Artificial Analysis: Fable 5.2

Это опубликованные результаты соответствующих конфигураций, включая метку Default Fallback. Балл интеллектуального индекса не равен доле успешных повседневных задач, а время max не позволяет вычислить число сообщений по подписке. Наша инженерная рекомендация — начать с приемлемого уровня и повышать его для неудачных задач. Если дополнительное рассуждение не улучшает внешнюю приёмку, оно лишь увеличивает ожидание. При сравнении effort закрепляйте модель; при сравнении моделей сначала закрепите effort, а оптимальную конфигурацию каждой исследуйте отдельно. Это разные вопросы.

Artificial Analysis: Fable 5.2 · Artificial Analysis: методика интеллектуального индекса

Четыре независимых результата измеряют разные объекты

Первичные тесты независимы от разработчика модели; коммерческие оценщики тоже выбирают собственную методику
ИсточникЧто измеряетсяОграничение интерпретации
Artificial AnalysisОбщие возможности и эффективностьСохранять версию индекса и метку fallback
SnorkelСложная терминальная работаСопоставленные задачи и отбор чистых запусков
ValsВзвешенные профессиональные областиМесто зависит от весов и неопределённости
PlotlyРабочий процесс аналитического агентаОдин запуск и конкретная среда выполнения

Artificial Analysis: Fable 5.2 · Snorkel: тест терминальных задач Fable · Vals Index: методика и результаты · Plotly: тест аналитики данных

Эти источники дополняют друг друга, но их нельзя сложить в единую долю успеха. Общий индекс шире, а сквозной продуктовый тест ближе к инструментам конкретного продукта. Сначала выясните, похожи ли задания на вашу работу, затем — достаточно ли велик разрыв. Неуказанные параметры модели, кеширование и бюджет времени остаются неизвестными. Догадки вместо них создают ложную сопоставимость.

У AA Coding Agent Index v2.1 собственные три компонента и правила оценки; это не Intelligence Index v5.0.1. Даже одна организация поддерживает несколько «индексов». Сохраняйте полное название метрики, чтобы общие рассуждения, терминальные операции и изменения кода, пригодные для принятия, не превращались в одну взаимозаменяемую величину.

Методика AA Coding Agent Index

Snorkel: лучшее исполнение не исключает стратегических регрессий

12 ноября Snorkel сообщил о росте взвешенного по задачам pass@1 с 53.1% до 71.4% на 26 сопоставленных задачах. Включено соответственно 106 и 121 чистых запусков; сбои окружения и конечной точки исключались.

Snorkel: тест терминальных задач Fable

Поэтому деление успешных попыток на все попытки не обязательно воспроизведёт взвешенный результат: число валидных повторов по задачам различается. Более полезно разделять уменьшение механических ошибок и правильное понимание цели. В анализе неудач по-прежнему встречается старательная проверка решения, основанного на неверном толковании. Когда реализация и самотесты разделяют одну предпосылку, повторные проверки продолжают подтверждать неправильный стандарт.

Для миграции сопровождающий должен заранее определить инварианты и проверять их отдельным набором тестов, а не только просить агента подтвердить отсутствие проблем. Сохраняйте задачи, которые проходили до обновления и перестали проходить после него. Выбор лишь новых побед скрывает регрессии. Отбор чистых запусков и неполно описанная конфигурация исследования ограничивают перенос результата на другие проекты.

Snorkel: тест терминальных задач Fable

Vals: лидерство в сводном индексе не решает вопрос областей и погрешности

Снимок Vals; индекс v2.2 обновлён 15 ноября
Конфигурация или объектОпубликованное значениеСохраняемое условие
Fable 5.2 high71.31 ±0.96Сводный Vals Index
Sonnet 5.5 max70.85 ±0.93Малого разрыва и места недостаточно
Состав областейФинансы, код, право, налогиВеса по ВВП — методологическое предположение

Vals: страница модели Fable 5.2 · Vals Index: методика и результаты · Vals: страница Sonnet 5.5

Взвешенный индекс сначала решает, какая работа важнее, а затем определяет лидера. Команде разработки следует изучить свои типы ошибок, прежде чем перенимать веса экономических отраслей. При близких результатах важна и указанная неопределённость: одно место не доказывает устойчивого преимущества во всех задачах. Оно само по себе не доказывает и эквивалентности. Здесь Fable использует high, а Sonnet — max: это не эксперимент с одинаковым effort, изолирующий саму модель.

На странице модели и в разбивке индекса мы обнаружили разные значения одного показателя миграции, поэтому не приводим его. Проверка внутренней согласованности полезнее лишних десятичных знаков, создающих видимость точности. При расхождении сохраняйте датированные снимки и ждите объяснения; выбор большей цифры превратил бы нерешённый вопрос в утверждение.

Vals: страница модели Fable 5.2 · Vals Index: методика и результаты

Plotly: идеальный результат может сопровождаться более дорогим прогоном

Один полный тест в аналитической среде Plotly; суммы USD указаны автором
МодельПройдено вопросовСтоимость всего прогона USD
Fable 5.243/4335.74
Opus 5.541/4313.31
GPT-6.1 Sol43/432.61

Plotly: тест аналитики данных

Это один запуск с определённым провайдером и инструментами. Автор отмечает колебания при повторах. Разницу в два вопроса нельзя превращать в устойчивое преимущество, а счёт за весь экзамен — в цену сообщения. Практический вывод: снижение цены токена не гарантирует удешевления задачи, если растут контекст, запись кеша или объём рассуждений.

Plotly: тест аналитики данных

Разделяйте два сценария покупки. Анализ с дорогими ошибками может оправдать дополнительную проверку и более высокую завершённость. Массовые обычные отчёты, которые легко проверить, сильнее зависят от цены принятого результата. В обоих случаях сохраняйте ход выполнения и проверяйте смысл графика: его успешное построение показывает, что программа создала изображение, но не подтверждает фильтры, единицы и деловой вывод.

Почему пользователи одновременно хвалят и разочаровываются

Целенаправленно выбранные публичные случаи, собраны 16 ноября; это не выборка удовлетворённости
ПервоисточникЗаявленный опытГраница доказательства
Положительный пост RedditХороший результат на max, быстрый расход лимитаАвтор затем пишет, что не использовал Code; это не тест CLI
Отрицательный пост RedditПоспешные выводы и поверхностный планНет контролируемого сравнения одинаковых настроек
Технический комментарий HNПограничные случаи и сложность модуля regexНезависимо не повторено; уязвимость не подтверждена
Игра NotesByLexИнструменты помогли завершить длинный игровой проектБыл ранний прототип, затем ручные игровые проверки и доработки

Reddit: положительный опыт max · Reddit: отрицательный опыт планирования · Hacker News: комментарий о regex · NotesByLex: игровой проект

У этих случаев разные задачи, интерфейсы и критерии завершения. Они дают проверяемые гипотезы, но не долю пользователей с улучшениями и не доказательство ухудшения модели. Автор игры прямо пишет, что не сравнивал Opus 5.5. Завершить проект и показать, что его могла завершить только новая модель, — разные выводы. Относительное время на форуме не устанавливает точный UTC; здесь используется дата сбора без выдуманного времени публикации.

NotesByLex: игровой проект

Переводите оценочные слова в наблюдаемые вопросы. «Ленивая» означает пропущенное требование, сбой инструмента, раннюю остановку или пробел в итоговой приёмке? «Потрясающая» включает много вызовов инструментов, повторов и правок человека? После фиксации этих переменных эмоциональное описание становится основанием для следующего эксперимента.

Advisor и fallback меняют оцениваемую систему

Экспериментальный Advisor читает весь разговор и добавляет расходы на модель; поддержка зависит от провайдера. После включения сравнивается составная система, поэтому результат нельзя приписывать только основной модели.

Claude Code: Advisor

Также фиксируйте переключения по причинам безопасности и доступности. Официальная системная карта и текущая документация Code описывают защитные меры и связанное поведение. Выбор основной модели не доказывает, что она выполнила каждый шаг. Такие события помогают объяснить различия в завершении, времени и отказах; устранение «мешающего фактора» не оправдывает обход защиты.

Claude Code: настройка моделей · Системная карта Fable/Mythos 5.2

Минимально необходимый контекст советника должен оставаться в пределах разрешённого. Весь разговор может содержать вывод инструментов и рабочие материалы; сначала обезличьте и сократите их. Полезная последовательность — одна модель, повышенный effort той же модели, затем советник. Меняйте по одной переменной, чтобы понимать пользу доплаты. Если записи недостаточно прозрачны, храните результаты составной системы отдельно.

Практика первая: договор о приёмке для офлайн-репозитория

Используйте запрос только для своей или разрешённой локальной копии. Она не должна обращаться к продакшену, удалённым сервисам и реальным клиентским данным. Сначала закрепите коммит и создайте минимальные синтетические данные; набор приёмки хранит сопровождающий отдельно. Модель видит требования и учебные примеры. Начать можно с плана только для чтения, затем отдельно разрешить изменение временной ветки.

Неисполненный пример запроса; только для разрешённой офлайн-копии
Вы работаете во временном офлайн-репозитории Python. Не используйте сеть, не устанавливайте зависимости и не читайте файлы вне копии.
Цель: реализовать normalize_rows(rows). Элементы входа содержат sku и quantity.
Правила: удалить крайние пробелы sku, сохранив регистр; quantity — текст неотрицательного целого числа. Некорректные строки отклонять, не пропускать молча.
Для одинаковых sku суммировать количество, сохранить порядок первого появления; вход не изменять.
Сначала изучите реализацию только для чтения. Перечислите неизвестное, затронутые файлы и минимальный план исправления; ждите разрешения на изменения.
Передайте объяснение правок, фактически выполненные проверки и непокрытые риски. Не меняйте приёмочные тесты и не объявляйте невыполненные проверки успешными.

Это пример проектирования требований, а не измерение Fable. В реальном сравнении обе группы получают одинаковые условия, файлы и инструменты; парные задачи выполняются в случайном порядке. Отдельно учитывайте тайм-ауты, отказы и ошибки инструментов, заранее определив, что считается провалом поставки. Если одной группе достались более лёгкие задачи, стоимость и успешность перестают быть объяснимыми.

Практика вторая: отделите приёмку от уверенности агента

Синтетический план приёмки у сопровождающего, а не наблюдаемые результаты модели
ОбластьПризнак входаОбязательная проверка
ТребованияПробелы и sku с разным регистромУдалить лишь пробелы, разные регистры не объединять
ОшибкиОтрицательные, дробные и пустые количестваЯвный отказ без незаметно частичного результата
ИнвариантыПовторы и повторное использование объектов входаСтабильный порядок объединения и неизменный вход
МасштабПостепенное увеличение синтетических строкТренд ресурсов и заранее заданный порог остановки
Неисполненный запрос независимой проверки в отдельном контексте
Проверяйте только договор задачи, предлагаемый патч и вывод независимых тестов. Не читайте самооценку первого агента.
Сопоставьте каждое требование с путём кода и тестовым утверждением.
Разделяйте наблюдаемые ошибки, воспроизводимые гипотезы и текущие неизвестные.
Проверьте молчаливое поглощение некорректного входа, изменение входа, регистр и порядок первого появления.
Опишите минимальные синтетические контрпримеры. Без доказательства выполнения не пишите, что проблема воспроизведена.
Не подгоняйте критерии приёмки под реализацию. Проверка человеком остаётся необходимой.

Модель-рецензент тоже может пропустить дефект, поэтому итоговый контроль включает детерминированные проверки и выборочную проверку человеком. Успех относится только к тестовому набору; один тренд ресурсов не доказывает уязвимость. Если новая модель лучше объясняет открытые вопросы, но проваливает прежние границы, сохранить текущий подход часто разумнее.

Считайте стоимость принятого результата, а не одного ответа

Ниже обе группы — условные наборы по 10 задач. В A принято 8, API стоит 4 USD, проверка занимает 60 минут. В B принято 9, API стоит 8 USD, проверка — 30 минут. Оценка времени в 30 USD/час — параметр примера, а не рекомендация по оплате труда или измерение модели.

Исполняемый локальный синтетический расчёт без сети и вызова модели
runs = [
    {"arm": "A", "tasks": 10, "accepted": 8, "api_usd": 4, "review_min": 60},
    {"arm": "B", "tasks": 10, "accepted": 9, "api_usd": 8, "review_min": 30},
]
hourly_usd = 30
for run in runs:
    accepted = run["accepted"]
    api = run["api_usd"] / accepted
    total = (run["api_usd"] + run["review_min"] / 60 * hourly_usd) / accepted
    print(run["arm"], f"{api:.2f}", f"{total:.2f}")

Для A получаются 0.50 USD расходов API на принятый результат и 4.25 USD с проверкой; для B — 0.89 и 2.56 USD. Пример показывает лишь возможность смены вывода при иной границе затрат. В реальном журнале стоимость включает все провалы и повторы, а знаменатель — только независимо принятые результаты. Повторная сдача одной задачи не создаёт несколько успехов. Ожидание и сроки учитывайте отдельно, не превращая всё прошедшее время в оплачиваемый труд.

Покупка или повышение тарифа: сначала нагрузка и границы прав

Текущая официальная страница личных планов относит Fable на Pro к usage credits, а на Max и Ultra действует подлимит Fable в половину недельного лимита. Отмена пятичасового лимита Ultra требует verified-аккаунта. Это не означает безлимитный Fable или общий баланс во всех интерфейсах.

Официальные планы и цены Claude

Если повседневные задачи уже проходят приёмку, сохраните конфигурацию и применяйте Fable в самых дорогих точках отказа. Если мешает лимит, сначала запишите фактический расход и интерфейс. Если нет допуска или одобрения, одно повышение плана не гарантирует решения. Отдельно проверяйте API-оплату, включённое использование подписки и условия поставки на этом сайте. Актуальные цены, наличие и объём поставки определяются живой страницей товара.

Авторская схема решения без гарантии прав или результата
Наблюдаемая проблемаПервый экспериментПорог обновления
Понимание требований или межмодульные ошибкиРазные модели, одинаковые входы и приёмкаМеньше существенных переделок без критичных регрессий
Недостаточная глубинаУровни effort на одной моделиВнешняя приёмка оправдывает добавочные расходы
Нестабильность длинных задачЗакрепить инструменты и тайм-аут, записать fallbackНадёжная поставка при повторах
Лимиты или интерфейсПроверить официальный план и реальные записиЯсное покрытие нужного интерфейса правами

Сделайте обновление обратимым циклом оценки

Используйте следующий цикл. Расширяйте набор работ лишь после достижения заранее заданных порогов внешней приёмки и полной стоимости. Сохраняйте прежнюю модель, входы и неудачи. С появлением новой версии сначала повторяйте известные трудные случаи и регрессии. Открытые тесты помогают выбрать эксперимент, а ваши парные задачи — решить, расширять ли использование.

  1. Закрепить задачи, коммит, инструменты и приёмку
  2. Записать полную модель, effort, интерфейс и fallback
  3. Случайный порядок пар; менять одну переменную
  4. Независимая оценка с сохранением провалов и повторов
  5. Считать стоимость принятого результата и сроки
  6. Расширять после порога, иначе сохранить базовый вариант
От кандидата к объяснимому решению об использовании

Проверяемая область: актуальные официальные страницы, первичные независимые тесты и перечисленные публичные случаи. Мы не измеряли настроение сообщества и не повторяли платные бенчмарки. Неуказанные настройки, противоречивые частные баллы и доступность конкретного аккаунта остаются неизвестными; обновлять выводы следует по сохранённым конфигурациям и внешней приёмке.