Claude Fable 5.2 ทำคะแนน 1,271 Elo ครองอันดับ 1 ใน AA-3D

Claude Fable 5.2 ทำคะแนน 1,271 Elo ในการประเมินการสร้างฉาก 3 มิติแบบโต้ตอบ AA-3D ขึ้นเป็นอันดับ 1 โดยสูงกว่า Claude Sonnet 5.5 ซึ่งอยู่อันดับ 2 อยู่ 67 Elo

ตารางจัดอันดับ AA-3D ของ Artificial Analysis ที่ตรวจสอบเมื่อวันที่ 10 ระบุว่า Fable 5.2 ได้ 1,271±25 คะแนนภายใต้การตั้งค่า “Max·fallback เริ่มต้น” ในการตั้งค่าเดียวกัน Claude Sonnet 5.5 ได้ 1,204±28 คะแนน และ Claude Opus 5.5 ได้ 1,202±28 คะแนน ส่วน GPT-6 Astra ทำได้ 1,168±28 คะแนน และ Gemini 4 Argon ได้ 1,147±30 คะแนน

AA-3D เป็นการประเมินที่ให้โมเดล AI รับคำสั่งเป็นข้อความ แล้วสร้างฉาก 3 มิติบนเว็บเพจที่ผู้ใช้โต้ตอบได้ วิธีประเมินครอบคลุม 55 งานใน 7 หมวด รวมถึงหลุมดำที่หมุนได้ เกมพินบอล และโคลอสเซียม

โมเดลสร้างฉากโดยใช้ three.js ในสภาพแวดล้อมที่ไม่สามารถเชื่อมต่ออินเทอร์เน็ตได้ แต่ละโมเดลได้รับคำสั่งและเครื่องมือเหมือนกัน และมีโอกาสทำแต่ละงานหนึ่งครั้ง โดยต้องทำงานให้เสร็จภายในไม่เกิน 3 ชั่วโมง หรือ 250 ขั้นตอนการทำงานของเอเจนต์

ฉากที่สร้างเสร็จจะได้รับการตรวจสอบว่าสามารถทำงานได้ก่อนนำไปให้ผู้ประเมินพิจารณา ผลงานที่ใช้งานไม่ได้จะถูกตัดออกจากการลงคะแนนความชอบ

ผู้ประเมินเปรียบเทียบฉากสองฉากที่สร้างจากโจทย์เดียวกันโดยไม่ทราบชื่อโมเดล และใช้เวลาดูแต่ละฉากอย่างน้อย 30 วินาทีก่อนเลือกฉากที่ชอบมากกว่า Artificial Analysis แปลงคะแนนโหวตดังกล่าวเป็นคะแนน Elo ดังนั้นคะแนน 1,271 จึงไม่ใช่อัตราคำตอบถูกหรือคะแนนความฉลาดโดยรวม แต่เป็นคะแนนความชอบเชิงเปรียบเทียบของผลงานในแบบประเมินนี้

Anthropic เปิดตัว Claude Fable 5.2 เมื่อวันที่ 9 โดยระบุว่ามุ่งรองรับงานด้านเทคนิคที่ซับซ้อนและใช้เวลานาน บริษัทกล่าวว่าความเร็วในการสร้างผลลัพธ์เพิ่มขึ้นสูงสุด 30% เมื่อเทียบกับรุ่นก่อนหน้า ก่อนหน้านี้ TokenPost รายงานการเปิดตัว Claude Fable และ Mythos 5.2 พร้อมการปรับลดค่าบริการ API

เอกสารโมเดล Fable 5.2 ของ Anthropic ระบุค่าบริการมาตรฐานไว้ที่ 8 ดอลลาร์ต่อโทเคนขาเข้า 1 ล้านโทเคน (10,888 วอนเกาหลีใต้) และ 40 ดอลลาร์ต่อโทเคนขาออก 1 ล้านโทเคน (54,440 วอนเกาหลีใต้) ซึ่งต่ำกว่าราคาเดิมของรุ่นก่อนหน้าที่ 10 ดอลลาร์สำหรับโทเคนขาเข้า และ 50 ดอลลาร์สำหรับโทเคนขาออก อยู่ 20% ในแต่ละรายการ โดยราคาเดิมระบุไว้ในเอกสารโมเดล Fable 5.1

การลดราคาต่อโทเคน 20% ไม่ได้หมายความว่าค่าใช้จ่ายต่อภารกิจจะลดลงในอัตราเดียวกัน เพราะปริมาณการใช้งานขึ้นอยู่กับโจทย์และการตั้งค่าโมเดล ขณะที่ AA-3D แสดงคะแนน Elo และค่าใช้จ่ายเฉลี่ยต่อภารกิจเป็นตัวชี้วัดแยกกัน การขึ้นอันดับ 1 ครั้งนี้สะท้อนความชอบที่มีต่อฉากซึ่งสร้างภายใต้เงื่อนไขการประเมินเดียวกัน