Anthropic در 9 نوامبر 2026، Claude Fable 5.2 را منتشر کرد و آن را از طریق پلتفرم Devin در دسترس قرار داد. Devin اپلیکیشن دسکتاپ و رابط خط فرمان دارد و توسعه‌دهندگان می‌توانند فوراً کار با این مدل را آغاز کنند. این نسخه جایگزین مدل قبلی 5.1 می‌شود که بسیاری از تیم‌ها پیش‌تر آن را برای حل مسائل مهندسی در دنیای واقعی آزمایش می‌کردند. این شرکت می‌گوید مدل را با FrontierCode 2.0 ارزیابی کرده است؛ بنچمارکی که وظایف معمول مهندسی نرم‌افزار را شبیه‌سازی می‌کند. این بنچمارک هر راه‌حل را بر اساس کیفیت، سهولت ادغام و گذراندن بررسی‌های ایمنی پایه امتیازدهی می‌کند. Fable 5.2 امتیاز وزنی 49.1% را کسب کرد؛ بالاتر از امتیاز 32.4% نسخه قبلی و همچنین بالاتر از مدل رقیب Opus 5.5 که امتیاز 45.5% گرفت. Anthropic علاوه بر امتیاز اصلی می‌گوید Fable 5.2 با صرف کمتر از یک‌سوم میانگین هزینه دلاری هر وظیفه، به بهترین نتیجه مدل قدیمی‌تر می‌رسد. هزینه بر اساس قیمت عمومی فهرست‌شده API و پس از اعمال هرگونه تخفیف عمومی محاسبه می‌شود. بنابراین تیم‌ها می‌توانند بدون صرف هزینه زیاد برای فراخوانی‌های API، پیشنهادهای کدنویسی باکیفیت‌تری دریافت کنند. این مدل بلافاصله برای همه کسانی که کلاینت Devin Desktop را دانلود یا Devin CLI را نصب کنند، در دسترس است. اشاره‌ای به مجوز ویژه نشده و دسترسی به مدل از طریق طرح قیمت‌گذاری معمول Devin امکان‌پذیر است.
بنچمارک چگونه کار می‌کند؟
FrontierCode 2.0 از مدل می‌خواهد کد بنویسد یا تغییر دهد و سپس خروجی را با مجموعه‌ای از قواعد می‌سنجد. اگر پاسخ یکی از معیارهای بازدارنده—مانند تولید کد ناامن—را نقض کند، در آن نوبت امتیاز صفر می‌گیرد. در نوبت‌هایی که پاسخ از این معیارها عبور می‌کند، معیارهای ارزیابی راه‌حل را از نظر خوانایی، درستی و سهولت ادغام در یک کدبیس موجود می‌سنجند. امتیاز نهایی میانگین وزنی این موارد است. Anthropic می‌گوید رقم هزینه، میانگین هزینه دلاری هر نوبت اجرا را با قیمت عمومی فهرست‌شده و پس از تخفیف‌ها دربرمی‌گیرد. از آنجا که Fable 5.2 با هزینه کمتر به امتیازهای مشابه یا بهتر می‌رسد، توسعه‌دهندگان می‌توانند با بودجه ثابت، دفعات بیشتری مدل را اجرا و نتایج را تکرار کنند.
چرا مهم است
برای تیم‌های نرم‌افزاری، این ارتقا به معنای دریافت پیشنهادهای کدنویسی سریع‌تر و باکیفیت‌تر، بدون افزایش متناسب هزینه‌های API است. شرکت‌های کوچک‌تر می‌توانند آزمایش‌های بیشتری با کدنویسی مبتنی بر هوش مصنوعی انجام دهند و گروه‌های بزرگ‌تر نیز شاید هزینه‌های ابری خود را کاهش دهند. هنوز نتایج بنچمارک به‌طور مستقل اعتبارسنجی و منتشر نشده است.
