亚洲财经

☰ 搜索

1824分克劳德·佩贝尔5.2,网页开发评估第一名

Anthropic Claude Fable 5.2登顶Code Arena WebDev排行榜

Anthropic的Claude Fable 5.2在Code Arena的Web开发(WebDev)全榜单中以1824分的成绩荣登榜首,以6分的微弱优势领先排名第二的Claude Opus 5.5。

Code Arena于18日发布的最新排行榜共收录了162个模型,累计评估投票数达1,027,059票。该排名专门针对Web应用程序制作评估中的WebDev领域。

评分细节与竞争格局

位居第三的是获得1797分的GPT-6.2 Astra。在本次评估中,Fable 5.2采用“xHigh”设置,而Opus 5.5则采用“Max”设置。

在各模型的详细数据显示页面中,Fable 5.2得分为1824±17分,Opus 5.5得分为1818±11分。两个模型的预估排名范围均重叠在1至3名之间,显示出极高的竞争力。

Code Arena的评估机制要求评估者对比模型生成的两个Web应用,并对更优的结果进行投票。在此过程中,评估重点包括应用的可运行性、易用性、对提示要求的忠实度以及设计质量等。

根据评估方式说明,模型需在受控环境中创建和修改文件以完成应用构建。经过多次迭代和修改后的最终成果将被纳入评估对象。这种评估方式与传统基于测试用例通过率的代码评估有所不同,不仅关注功能实现,还强调用户体验及对指定设计的还原程度。

细分任务表现差异

在不同细分任务中,各模型的表现存在差异。Fable 5.2在React任务中以1887分位列第一;在HTML任务中获得1779分,排名第四;在基于参考设计的任务中以1844分位居第二。

此前,本报曾报道Claude Fable 5.2在交互式3D评估AA-3D中以1271 Elo得分排名第一。由于AA-3D与WebDev在评估任务和计分体系上不同,两者分数不可直接比较。

产品特性与定价策略

Anthropic于9日正式发布Claude Fable 5.2,将其定位为面向复杂且长时间持续的技术任务的模型。公司表示,该版本的输出速度较上一版本提升了最高30%。

Anthropic宣布将通过自有平台以及Amazon Web Services的Bedrock、Google Cloud和Microsoft Foundry提供该模型服务。根据模型文档,API基础费用为输入每100万token 8美元(约合人民币1.65元),输出每100万token 40美元(约合人民币5.328万元)。

相较于Fable 5.1,此次输入和输出的费率均降低了20%。然而,Opus 5.5的基础API费用为输入每100万token 4美元,输出每100万token 20美元,仅为Fable 5.2的一半。

根据Code Arena统计,每个任务的平均成本方面,Fable 5.2为11.58美元(约合人民币1.5425万元),Opus 5.5为9美元(约合人民币1.1988万元)。需注意,“每个任务的成本”是指实际评估任务产生的费用,其计量单位与API按token计费的标准不同。