AI 模型基準測試平台 Artificial Analysis 近日推出六項行業專屬效能指標，涵蓋金融與會計、法律、醫療保健、策略與營運、工程及經濟學領域。結果顯示，Anthropic 的 Claude Fable 5（搭配 Opus 4.8 備援）在所有指標中均取得首位，但每項任務的成本遠高於競爭對手，引發企業對效能與價格平衡的討論。
重點文章
Claude Fable 5 八項指標全勝
根據 Artificial Analysis 的測試方法，這些指標基於美國 O*NET 職業分類系統，針對各行業常見任務（如財務模型、法律研究、臨床決策）設計獨立測試套件並加權評分。Claude Fable 5 在所有八項指標（包括原有代理與編碼指標）中奪冠，Claude Opus 4.8 緊隨其後，OpenAI 的 GPT-5.5 則在兩項指標取得第二。OpenAI 預計於明日推出 GPT-5.6，可能縮小差距。在開源權重模型中，GLM-5.2 於五項行業指標領先，工程指標中以 53 分排名第五，僅落後 Claude Sonnet 5 與 GPT-5.5 兩分。
頂尖效能卻要付出高昂代價
成本分析顯示，DeepSeek V4 Flash 每項任務成本低於 0.04 美元，而 Claude Fable 5 在策略與營運指標中每項任務高達 3.48 美元，是 DeepSeek V4 Pro 的 100 倍以上，但得分僅領先 12 分。企業界已開始討論這是否值得，部分建議採用「編排模型」策略：用頂尖模型確認任務可行性後，轉交由廉價模型執行。經濟學家 Ethan Mollick 則認為，Fable 5 的效能提升可能尚未被現有基準完全反映，但目前尚無證據支持此說法。
