2026年11月9日、第三者ベンチマーク機関のArtificial Analysisがインテリジェンス指数（v5.0.1）を更新し、Anthropicの新モデルClaude Fable 5.2が65点で首位に立った。2位のGoogle Gemini 4 Carbon（60点）に5点差、自社のClaude Opus 5.5（59点）に6点差、前世代のFable 5.1（49点）からは16点の伸びとなった。伸びをけん引したのは科学的推論、知識、コーディングの3分野で、Fable 5.2にとって初の独立した第三者ランキングとなった。
65点はどうやって取れたのか
インテリジェンス指数は9つの評価を合成したもので、AA-Briefcase、Terminal-Bench 4.0、FrontierCode 2.0、HLE-Diamondなどを含み、エージェント型の知識労働、ターミナルでのコーディング、科学、知識問題をカバーする。Fable 5.2はそのうち5項目で最高点を獲得し、上位3枠はすべてFable 5.2が異なるeffort設定で占めた。料金は入力が100万トークンあたり8ドル、出力が40ドルで、Fable 5.1より2割安く、コンテキストウィンドウは100万トークン。ただし注意点もある。Artificial AnalysisはAnthropicのデフォルトのフォールバックを有効にしたまま計測しており、サイバーセキュリティや生物学の保護機能に触れたリクエストは別モデルに回される。その分のスコアは割り引いて見るべきだ。
首位の裏側にはコストがある
モデルを選ぶ側から見れば、首位の意味は二つに分かれる。一方で能力は確かに一段上がり、とりわけ長期の研究やエンジニアリング作業に向いている。他方でコストも同じく頂点にある。指数を1周するのに平均45分かかり、同価格帯の中央値（12.9分）の3倍以上。最初の回答トークンまで171秒かかり、評価全体で2億7500万の出力トークンを消費した。首位は難しいタスクで強いことを示すが、日常のタスクにも使う価値があるという意味ではない。価格も最上位の水準だ。同じランキングの論理は他社にも広がっている。MetaもMuse Emberの発表時にArtificial Analysisの総合ベンチマークスコアを引用し、コストパフォーマンスを発表文に書き込んだ。
次に注目すべきは2つある。他の独立評価が同じ順位を出すかどうか、そしてFable 5.2が実際のコードベースでどう動くかだ。指数が測るのは標準化されたタスクにすぎない。AnthropicはFable 5.2を最も難しい技術課題向けと位置づけ、日常のコーディングではOpus 5.5から始めるよう勧めている。首位はシグナルであって結論ではない。モデル選びは自分のタスクが何かをまず見るべきだ。
