Claude Fable 5.2 уже доступна, но отказывается анализировать рентгеновские снимки для досмотра

Anthropic выпустила Claude Fable 5.2 9 ноября 2026 года и заявила, что она «почти по всем оцененным нами возможностям превосходит Opus 5.5». В тот же день мы проверили ее на UL37 — нашем бенчмарке обнаружения на 36 наборах данных. На одном из этих наборов данных модель отказалась анализировать единственное изображение.

На первом снимке — ноутбук в сумке: через корпус видна печатная плата, а рядом зажаты две батареи. Мы попросили Claude Fable 5.2 нарисовать вокруг них ограничивающие рамки. Менее чем через две секунды API Anthropic вместо ответа выдал блокировку: «Этот запрос вызвал ограничения на контент, связанный с разработкой мощных взрывчатых веществ, и был заблокирован согласно Политике использования Anthropic».

То же произошло со всеми 10 рентгеновскими снимками для досмотра из набора данных, в том числе с пятью снимками, на которых были только обычный телефон, ноутбук, пейджер или рация. Ни одна другая протестированная нами модель не отказалась обработать хотя бы один снимок: ни GPT-6.1, Gemini или Grok, ни одна модель с открытыми весами или китайская модель и даже не собственные Claude Opus 5.5, Sonnet 5.5 и Haiku 5.5 от Anthropic.

Во всех остальных случаях автоканнотирование с Claude Fable 5.2 работает отлично. Модель набрала 0.544 mAP₅₀ и заняла второе место среди 44 моделей в нашем рейтинге VLM, уступив GPT-6.1 Terra, а ее рамки оказались самыми точными из всех измеренных нами. Сегодня она доступна на Ultralytics Platform. Ниже — о том, что она отказывается делать, что у нее получается блестяще и подходит ли она для твоего процесса разметки.

Фильтр Anthropic заблокировал все рентгеновские снимки для досмотра в UL37#

UL37 измеряет, насколько рамки модели совпадают с разметкой людей на 360 изображениях: по 10 из каждого из 36 реальных наборов данных для обнаружения объектов. Один из них — IEDXray, набор рентгеновских снимков багажа со сканеров, созданный для обучения детекторов угроз в аэропортах, на границах и при охране мероприятий. Его 11 классов охватывают обычную электронику (ноутбуки, телефоны, пейджеры, рации, батареи), модифицированные версии этих предметов и взрывчатые вещества.

16 326

IEDXray Improvised Device X-ray

ultralytics

ПубличныйОбнаружение

Security X-ray scans of bags concealing improvised explosive device components and modified electronics, from the IEDXray benchmark (2026). Captured under a concealment protocol ranging from isolated threats to heavily cluttered baggage, with both modified and unmodified everyday devices that models must tell apart. Source: Takele, Velayudhan, Mahapatra, AlMarzouqi, Werghi, "A Benchmark Dataset for Concealed Improvised Explosive Device Detection in X-ray Security Imaging," Scientific Data 2026; nature.com/articles/s41597-026-07263-7.

11 классов621.5 MB23 окт. 2026 г.

explosivebatterymodified laptopmodified circuit board+7

ul33-full-trainsecurity-xrayxray+1

Fable 5.2 отказалась обрабатывать все 10 изображений. Ответ на каждый запрос приходил за 1,0–4,7 секунды с причиной остановки Anthropic refusal и без рамок. Platform сообщает пользователю, что модель «остановилась до завершения обнаружения объектов (отказ). Попробуй другую модель».

Чтобы точно выяснить причину, 10 ноября мы повторили в API Anthropic рабочие запросы Platform для всех десяти снимков. Все десять запросов завершились одинаково: причина остановки refusal, категория general_harms, ноль выходных токенов и приведенное выше сообщение о «мощных взрывчатых веществах». В сообщении предлагается запросить «исключение с учетом того, как ты используешь Claude» через справочный центр Anthropic. Разработчикам интеграций с API оно указывает на документацию Anthropic об отказах, где рекомендуется настроить резервную модель.

Три из 10 снимков IEDXray с ожидаемыми рамками. Claude Fable 5.2 отказалась обработать все три; Claude Opus 5.5 ответила на все десять снимков в том же запуске.

Блокировка связана не с содержимым изображения. На среднем снимке — просто мобильный телефон. На пяти из десяти снимков нет ни модифицированных устройств, ни взрывчатых веществ, но Fable 5.2 отказалась обработать каждый из них. Похоже, фильтр реагирует на саму задачу: это набор данных для досмотра, в списке классов которого упоминаются взрывчатые вещества.

Fable 5.2 отказывает чаще, чем Fable 5.1, а не реже#

В анонсе запуска Anthropic сказано, что меры защиты Claude Fable 5.2 от киберугроз и биологических угроз «вызывают меньше необоснованных блокировок», чем в Fable 5.1: по ранним тестам, примерно на 55% меньше. На рентгеновских снимках для досмотра мы увидели обратное: Fable 5.1 отказалась обработать один снимок из десяти, а Fable 5.2 — все десять.

Anthropic также утверждает, что Fable 5.2 и Claude Mythos 5.2 — одна и та же базовая модель. Mythos 5.2 поставляется без некоторых мер защиты от киберугроз и биологических угроз и доступна только организациям, прошедшим проверку Anthropic. Иными словами, меры защиты — это отдельный от способности модели видеть слой, который определяет поставщик. Fable 5.1 обработала девять из тех же снимков и набрала 0.15.

Для команды, которая разрабатывает детектор для досмотра багажа, практический вывод прост. Самая дорогая модель Claude не поможет разметить данные, а правила изменились от одной версии к следующей.

Все модели с открытыми весами разметили снимки, которые Fable отклонила#

Среди всех 44 моделей в нашем рейтинге только две когда-либо отказывались обрабатывать снимки IEDXray, и обе — Claude Fable: версия 5.1 отказалась от одного снимка, версия 5.2 — от десяти. Ни одна другая модель не отказала: ни от OpenAI, Google, xAI, Meta, китайской лаборатории, ни из собственных линеек Opus, Sonnet и Haiku Anthropic.

Сюда входят все 19 моделей, размещенных у нас на собственных серверах Platform, а также модели с открытыми весами, такие как Qwen3.8 27B, Gemma 4 26B, Nemotron 3 Nano Omni, SAM 3.1 Text и Moondream 3.1. Ни одна из них не отказалась обработать ни один снимок. Moondream 3.1 — модель с открытыми весами, для которой на Platform не нужен ключ API, — набрала на IEDXray 0.27 mAP₅₀, уступив только Gemini 4 Argon с результатом 0.30 и обойдя все модели Claude.

Результаты mAP₅₀ на IEDXray для линейки Anthropic и двух лидеров рейтинга, UL37 v2, стандартный уровень рассуждений. Fable 5.2 не обработала ни один из 10 снимков.

Китайские модели обычно попадают в заголовки из-за того, о чем они отказываются говорить. Здесь всё наоборот: ведущая американская лаборатория подвергла результаты цензуре, тогда как все протестированные нами китайские модели охотно ответили. Alibaba Qwen, Kimi от Moonshot, DeepSeek, GLM от Zhipu, MiMo от Xiaomi, MiniMax и HY4 от Tencent не отказались ни от одного из десяти снимков, а размещенные у нас модели Qwen с открытыми весами ответили на каждый. Флагманская модель Anthropic стоимостью $8 за миллион входных токенов отказалась смотреть.

Рентгеновские снимки для досмотра — сложная задача для любой модели. Большинство набирает на IEDXray меньше 0.15, поэтому рамки любой модели — лишь первый черновик. Но черновик можно исправить в редакторе разметки. После отказа тебе придется рисовать каждую рамку вручную. Открытые веса также означают, что проверенная сегодня модель завтра будет вести себя так же, поскольку между тобой и ее результатами нет политики поставщика. Разметив данные, ты можешь обучить собственный детектор Ultralytics YOLO26 и полностью контролировать развернутую модель.

За пределами рентгеновских снимков для досмотра Claude Fable 5.2 — вторая по качеству модель для разметки из всех протестированных нами#

Все изображения UL37 проходят один и тот же производственный конвейер, который доступен пользователям Platform: используются названия классов из самого набора данных, а затем SAM 3.1 уточняет каждую рамку. Методика опубликована. Вот результаты Fable 5.2:

• mAP₅₀: 0.544, № 2 из 44
• mAP_50-95: 0.347, № 1 из 44, немного выше результата GPT-6.1 Terra — 0.345
• Точность и полнота: 0.602 и 0.620
• Стоимость у провайдера: $37.55 за 1000 изображений
• Медианное время обработки изображения: 4,6 с
• Неудачные запросы: 11 из 360: 10 отказов и один запрос, превысивший лимит Platform в 115 секунд

Результаты mAP₅₀ на UL37 для 12 самых точных из 44 моделей и стоимость у провайдера за 1000 изображений, 10 ноября 2026 года.

Первое место по mAP_50-95 имеет значение. Эта более строгая метрика усредняет степень перекрытия рамок при порогах от 50% до 95%, поэтому она выше оценивает рамки, точно охватывающие каждый объект, а не просто примерно накрывающие его. Исходные рамки Fable 5.2 уже набирают 0.538 mAP₅₀ до уточнения SAM 3.1, после которого результат повышается до 0.544.

В 22 из 36 наборов данных модель входит в пятерку лучших, а в трех занимает первое место: ланч-поднос из школьной столовой UEC (0.96), обнаружение баскетбольных мячей и колец (0.85) и заболевания листьев в PlantDoc (0.52). По направлениям она лидирует в розничной торговле, а также в естественной среде и сельском хозяйстве, опережая Claude Opus 5.5 с небольшим отрывом. На 10 эталонных изображениях COCO 2017, оцененных отдельно, модель набирает 0.686 — лучший результат среди языковых моделей; выше только модели сегментации SAM 3 и SAM 3.1 Text.

Из-за отказов Fable 5.2 получила полный ноль на одном наборе данных, но не потеряла первое место. Если исключить IEDXray, средний результат Fable 5.2 составляет 0.560, тогда как у Terra, которая также получила там ноль, но не отказала, — 0.576.

Огромный скачок по сравнению с Claude Fable 5.1#

Fable 5.2 превосходит Claude Fable 5.1 на 31 из 36 наборов данных и стоит дешевле в расчете на изображение.

Точность и полнота выросли одновременно: это означает, что нужно удалять меньше ложных рамок и дорисовывать меньше пропущенных объектов. Наибольшие улучшения впечатляют. На изображениях пшеницы GWHD результат Fable 5.1 составлял 0.24, а Fable 5.2 — 0.77. Товары на кассах розничных магазинов RPC выросли с 0.57 до 0.90, тепловизионные изображения с дронов HIT-UAV — с 0.17 до 0.48, а снимки щитовидной железы на УЗИ TN5000 — с 0.03 до 0.44.

Результаты mAP₅₀ на UL37 по направлениям, от самого сложного к самому простому; Claude Fable 5.2 и Claude Fable 5.1 при стандартном уровне Anthropic.

Результаты улучшились в одиннадцати из двенадцати направлений. Единственное снижение — на рентгеновских снимках для досмотра: с 0.15 до нуля. Причина — отказ, а не неспособность модели видеть. Результат на дорожной разметке CeyMo также снизился с 0.85 до 0.74.

Сравнение Claude Fable 5.2 с GPT-6.1 Terra, Gemini 4 Argon и Claude Opus 5.5#

В прямом сравнении Fable 5.2 превосходит Terra на 18 наборах данных и уступает на 16, а на двух результаты одинаковы. Argon она обходит со счетом 21:15, а Opus 5.5 — 22:14. У нее самая высокая полнота из четырех моделей, поэтому она пропускает меньше всего объектов, но точность самая низкая, поэтому придется удалить несколько дополнительных рамок. В нашем руководстве о том, как выбрать VLM с учетом точности и полноты, объясняется, как найти баланс для твоих данных.

Помимо рентгеновских снимков Fable 5.2 хуже справляется с медицинскими изображениями: в среднем 0.372 по восьми наборам данных против 0.505 у Terra; на печатных платах результат DeepPCB составляет 0.00. В каждом наборе данных всего 10 изображений, поэтому рассматривай результаты на отдельных наборах как ориентиры, а не окончательные выводы.

Сама Anthropic рекомендует начинать большинство задач с Claude Opus 5.5, своей «самой мощной универсальной модели», и переходить на Fable только тогда, когда этого требует задача. Для разметки эта рекомендация уместна. Opus 5.5 достигает 97% от mAP₅₀ Fable 5.2 при 37% ее стоимости, отвечает за 2,7 с и не отказалась обработать ни один рентгеновский снимок.

Сколько стоит пакетная обработка в Claude Fable 5.2#

$37.55 за 1000 изображений — это счет провайдера, рассчитанный на основе сведений Anthropic об использовании токенов и ее опубликованных тарифов: $8 за миллион входных токенов и $40 за миллион выходных токенов, согласно странице с тарифами Anthropic. Fable 5.2 работает со стандартным высоким уровнем рассуждений Anthropic. Пакетная разметка добавляет комиссию Platform за обработку в размере $1.00 за 1000 изображений, поэтому обработка 1000 изображений обойдется примерно в $38.55.

mAP₅₀ на UL37 в зависимости от стоимости у провайдера за 1000 изображений для всех 25 платных моделей; опубликованные цены, 10 ноября 2026 года.

Это более чем в восемь раз дороже Terra ($4.36) при преимуществе всего в 0.016 mAP₅₀. Fable 5.2 оправдывает цену только там, где точность рамок важнее бюджета. Если важна стоимость, Claude Haiku 5.5 набирает 0.429 за $0.37, а для размещенных моделей с открытыми весами ключ API вообще не нужен.

Как запустить автоканнотирование Claude Fable 5.2 на своем наборе данных#

Fable 5.2 — модель с запросами по классам для наборов данных обнаружения с 1–200 классами. Она возвращает рамки для названий классов в твоем наборе данных, а ты проверяешь их перед сохранением.

1. Создай ключ на странице ключей Claude API.
2. Добавь ключ в разделе Настройки > Ключи API рабочей области Platform, в которой хранится твой набор данных. Anthropic выставляет счет напрямую, Ultralytics не добавляет наценку на токены. Подробности смотри в документации по ключам провайдера.
3. В редакторе разметки переключись в режим Smart и выбери Claude Fable 5.2 в разделе Anthropic. Нажми Предсказать или P, чтобы разметить текущее изображение.
4. Чтобы разметить все изображения без разметки, выбери Дополнительные действия > Пакетная разметка на странице набора данных. Сначала Platform сохраняет версию набора данных, чтобы ты мог откатить изменения.
5. Если для каких-либо изображений получен отказ, запусти пакетную разметку еще раз с другой моделью, например Gemini 4 Argon или размещенной моделью с открытыми весами. Будут размечены только изображения, которые еще не размечены.
6. Проверь рамки, сохрани их и обучи модель YOLO26 на полученных данных в той же рабочей области.

Прежде чем фиксировать большой набор данных, открой страницу модели. На ней записанные рамки Fable 5.2 для каждого набора данных бенчмарка сопоставляются с ожидаемыми рамками, а также приводится результат модели на каждом наборе.

Страница модели Claude Fable 5.2

Подробнее о том, как эти модели работают в редакторе, читай в статьях о том, как Ultralytics Platform использует ИИ для автоматизации разметки и почему проверка человеком в цикле остается необходимой.

Кому стоит использовать Claude Fable 5.2#

Выбирай Claude Fable 5.2, когда точность рамок важнее всего, а бюджет — меньше всего: для спорта, розничной торговли, сельского хозяйства и обычных сцен, где она находится на первом месте или близка к нему среди всех протестированных нами моделей. Ее лидерство по mAP_50-95 делает ее хорошим вариантом для первого черновика наборов данных, на которых ты планируешь обучать модели при строгих порогах IoU.

Не используй ее для данных о безопасности, обороне и досмотре. Фильтр Anthropic отказался обработать каждый снимок из нашего набора рентгеновских снимков для досмотра, даже те, где был только телефон, и на Platform это никак не обойти. Для таких проектов используй Gemini 4 Argon или модель с открытыми весами, которую контролируешь сам. Для большинства других задач разметки GPT-6.1 Terra или Claude Opus 5.5 дадут почти такие же рамки за малую часть цены.