Claude Fable 5.2 đã có mặt và từ chối xem ảnh X-quang an ninh

Anthropic phát hành Claude Fable 5.2 vào ngày 9 tháng 11 năm 2026, cho biết model này "vượt Opus 5.5 ở gần như mọi năng lực chúng tôi đánh giá". Cùng ngày, chúng tôi chạy model qua UL37, benchmark phát hiện gồm 36 bộ dữ liệu của chúng tôi. Trên một trong các bộ dữ liệu đó, model từ chối xem dù chỉ một ảnh.

Ảnh quét đầu tiên cho thấy một chiếc laptop nhét trong túi, có thể nhìn thấy bo mạch qua vỏ máy, cùng hai viên pin bị chèn bên cạnh. Chúng tôi yêu cầu Claude Fable 5.2 vẽ bounding box quanh chúng. Chưa đầy hai giây sau, API của Anthropic trả về thông báo chặn thay vì kết quả: "Yêu cầu này đã kích hoạt các hạn chế đối với nội dung liên quan đến việc phát triển chất nổ có sức công phá lớn và bị chặn theo Chính sách sử dụng của Anthropic."

Model làm tương tự với cả 10 ảnh X-quang an ninh trong bộ dữ liệu, bao gồm năm ảnh chỉ có một chiếc điện thoại, laptop, máy nhắn tin hoặc bộ đàm thông thường. Không model nào khác mà chúng tôi thử nghiệm từ chối dù chỉ một ảnh quét: không phải GPT-6.1, Gemini hay Grok, không phải bất kỳ model open-weight hoặc model Trung Quốc nào, thậm chí cả Claude Opus 5.5, Sonnet 5.5 và Haiku 5.5 của chính Anthropic.

Ở mọi trường hợp khác, tính năng tự động gắn nhãn của Claude Fable 5.2 hoạt động xuất sắc. Model đạt 0.544 mAP₅₀, đứng thứ hai trong số 44 model trên VLM Leaderboard, sau GPT-6.1 Terra, và có các box khít nhất mà chúng tôi từng đo được. Model hiện đã có trên Ultralytics Platform. Dưới đây là những gì model từ chối, những gì model làm rất tốt và liệu model có phù hợp với quy trình gắn nhãn của bạn hay không.

Bộ lọc của Anthropic chặn mọi ảnh X-quang an ninh trong UL37#

UL37 đo mức độ khớp giữa box của model và nhãn do con người tạo trên 360 ảnh: 10 ảnh từ mỗi trong số 36 bộ dữ liệu phát hiện đối tượng thực tế. Một trong số đó là IEDXray, tập hợp ảnh X-quang từ máy quét hành lý, được xây dựng để huấn luyện bộ phát hiện mối đe dọa tại sân bay, biên giới và địa điểm tổ chức sự kiện. 11 lớp của bộ dữ liệu bao gồm thiết bị điện tử thường ngày (laptop, điện thoại, máy nhắn tin, bộ đàm, pin), các phiên bản đã bị chỉnh sửa của từng loại và chất nổ.

16.326

IEDXray Improvised Device X-ray

ultralytics

Công khaiPhát hiện

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 lớp621.5 MB23 thg 10, 2026

explosivebatterymodified laptopmodified circuit board+7

ul33-full-trainsecurity-xrayxray+1

Fable 5.2 từ chối cả 10 ảnh. Mỗi yêu cầu trả về sau 1.0 đến 4.7 giây với lý do dừng refusal của Anthropic và không có box nào. Platform hiển thị cho người dùng thông báo "đã dừng trước khi hoàn tất phát hiện (từ chối). Hãy thử model khác."

Để tìm hiểu chính xác lý do, ngày 10 tháng 11, chúng tôi gửi lại trực tiếp cho API của Anthropic yêu cầu production mà Platform đã dùng với cả mười ảnh quét. Cả mười đều trả về cùng một kết quả: lý do dừng refusal, danh mục general_harms, không có token đầu ra và thông báo "chất nổ có sức công phá lớn" được trích dẫn ở trên. Thông báo gợi ý yêu cầu "miễn trừ dựa trên cách bạn sử dụng Claude" thông qua trung tâm hỗ trợ của Anthropic. Với các bên tích hợp API, thông báo dẫn đến tài liệu về từ chối của Anthropic, trong đó gợi ý cấu hình model dự phòng.

Ba trong số 10 ảnh quét IEDXray cùng các box kỳ vọng. Claude Fable 5.2 từ chối cả ba; Claude Opus 5.5 trả lời cả mười ảnh quét trong cùng lần chạy.

Việc chặn không liên quan đến những gì có trong ảnh. Điện thoại di động ở giữa chỉ là một chiếc điện thoại di động. Năm trong số mười ảnh quét không có thiết bị bị chỉnh sửa hay chất nổ nào, nhưng Fable 5.2 vẫn từ chối tất cả. Có vẻ bộ lọc phản ứng với chính tác vụ này: một bộ dữ liệu an ninh có danh sách lớp ghi tên chất nổ.

Fable 5.2 từ chối nhiều hơn Fable 5.1, chứ không ít hơn#

Thông báo ra mắt của Anthropic cho biết các biện pháp bảo vệ an ninh mạng và sinh học của Fable 5.2 "tạo ra ít lượt chặn không cần thiết hơn" so với Fable 5.1, giảm khoảng 55% trong thử nghiệm ban đầu. Với ảnh X-quang an ninh, chúng tôi thấy kết quả ngược lại: Fable 5.1 từ chối một trong mười ảnh quét, còn Fable 5.2 từ chối cả mười.

Anthropic cũng cho biết Fable 5.2 và Claude Mythos 5.2 dùng chung một model nền tảng. Mythos 5.2 được phát hành mà không có một số biện pháp bảo vệ an ninh mạng và sinh học nhất định, và chỉ dành cho các tổ chức đã được Anthropic xác minh. Nói cách khác, các biện pháp bảo vệ là một lớp do nhà cung cấp quyết định, tách biệt với khả năng nhìn nhận của model. Fable 5.1 trả lời chín trong số các ảnh quét tương tự và đạt điểm 0.15.

Đối với một nhóm đang xây dựng bộ phát hiện để sàng lọc hành lý, kết quả thực tế rất đơn giản. Model Claude đắt nhất sẽ không giúp gắn nhãn dữ liệu, và chính sách đã thay đổi từ bản phát hành này sang bản tiếp theo.

Mọi model open-weight đều gắn nhãn các ảnh quét mà Fable từ chối#

Trong tất cả 44 model trên leaderboard của chúng tôi, chỉ có hai model từng từ chối ảnh quét IEDXray, và cả hai đều là Claude Fable: bản 5.1 từ chối một ảnh, bản 5.2 từ chối mười ảnh. Không model nào khác từ chối, dù đến từ OpenAI, Google, xAI, Meta, một phòng nghiên cứu Trung Quốc hay dòng Opus, Sonnet và Haiku của chính Anthropic.

Trong đó có cả 19 model chúng tôi lưu trữ trên máy chủ riêng của Platform, cùng các model open-weight như Qwen3.8 27B, Gemma 4 26B, Nemotron 3 Nano Omni, SAM 3.1 Text và Moondream 3.1. Không model nào từ chối dù chỉ một ảnh quét. Moondream 3.1, một model open-weight không cần API key trên Platform, đạt 0.27 mAP₅₀ trên IEDXray, chỉ đứng sau Gemini 4 Argon với 0.30 và vượt mọi model Claude.

mAP₅₀ trên IEDXray của các model Anthropic và hai model dẫn đầu leaderboard, UL37 v2, mức độ suy luận mặc định. Fable 5.2 không trả lời ảnh nào trong số 10 ảnh quét.

Các model Trung Quốc thường lên tiêu đề vì những gì chúng không chịu nói. Ở đây thì tình thế đảo ngược: một phòng nghiên cứu hàng đầu của Mỹ kiểm duyệt kết quả, trong khi mọi model Trung Quốc chúng tôi thử nghiệm đều sẵn sàng trả lời. Qwen của Alibaba, Kimi của Moonshot, DeepSeek, GLM của Zhipu, MiMo của Xiaomi, MiniMax và HY4 của Tencent không model nào từ chối trong mười ảnh quét; các model Qwen open-weight chúng tôi lưu trữ cũng trả lời tất cả. Model chủ lực của Anthropic, với giá 8 USD cho mỗi triệu token đầu vào, lại từ chối xem.

Ảnh X-quang an ninh là tác vụ khó với mọi model. Hầu hết model đạt dưới 0.15 trên IEDXray, vì vậy box của bất kỳ model nào trên bộ dữ liệu này cũng chỉ là bản nháp ban đầu. Nhưng bạn có thể chỉnh sửa bản nháp trong trình chỉnh sửa chú thích. Khi bị từ chối, bạn phải tự vẽ từng box. Open-weight cũng có nghĩa là model bạn xác thực hôm nay sẽ hoạt động như vậy vào ngày mai, vì không có chính sách nào của nhà cung cấp xen giữa bạn và đầu ra của model. Sau khi gắn nhãn dữ liệu, việc huấn luyện bộ phát hiện Ultralytics YOLO26 của riêng bạn cũng giúp bạn kiểm soát hoàn toàn model được triển khai.

Ngoài ảnh X-quang an ninh, Claude Fable 5.2 là model gắn nhãn tốt thứ hai mà chúng tôi từng thử nghiệm#

Mọi ảnh UL37 đều đi qua cùng pipeline production mà người dùng Platform sử dụng, với tên lớp riêng của bộ dữ liệu; sau đó SAM 3.1 tinh chỉnh từng box. Phương pháp được công khai. Dưới đây là bảng điểm của Fable 5.2:

• mAP₅₀: 0.544, thứ 2 trên 44
• mAP_50-95: 0.347, thứ 1 trên 44, nhỉnh hơn GPT-6.1 Terra với 0.345
• Precision và recall: 0.602 và 0.620
• Chi phí nhà cung cấp: 37.55 USD cho mỗi 1.000 ảnh
• Thời gian trung vị mỗi ảnh: 4.6 giây
• Yêu cầu thất bại: 11 trong số 360, gồm 10 lượt từ chối và một yêu cầu vượt quá giới hạn 115 giây của Platform

mAP₅₀ trên UL37 của 12 model chính xác nhất trong số 44 model, kèm chi phí nhà cung cấp trên mỗi 1.000 ảnh, ngày 10 tháng 11 năm 2026.

Vị trí đầu tiên ở mAP_50-95 rất quan trọng. Điểm số nghiêm ngặt hơn này lấy trung bình các ngưỡng độ chồng lấp của box từ 50% đến 95%, nhờ đó ưu tiên các box ôm sát từng đối tượng thay vì chỉ bao phủ tương đối. Box thô của Fable 5.2 đạt 0.538 mAP₅₀ trước khi được SAM 3.1 tinh chỉnh, sau đó tăng lên 0.544.

Model nằm trong top năm ở 22 trong số 36 bộ dữ liệu và đứng đầu tuyệt đối ở ba bộ: khay cơm trưa học đường UEC (0.96), phát hiện bóng rổ và rổ (0.85), và bệnh trên lá PlantDoc (0.52). Xét theo lĩnh vực, model đứng đầu trong ngành bán lẻ và, nhỉnh hơn Claude Opus 5.5 một chút, trong lĩnh vực thiên nhiên và nông nghiệp. Trên 10 ảnh tham chiếu COCO 2017 được chấm riêng, model đạt 0.686, cao nhất trong số các model ngôn ngữ, chỉ sau các model phân đoạn SAM 3 và SAM 3.1 Text.

Các lượt từ chối khiến Fable 5.2 nhận điểm 0 trọn vẹn trên một bộ dữ liệu, nhưng không làm mất vị trí đầu bảng. Nếu loại IEDXray, điểm trung bình của Fable 5.2 là 0.560, trong khi Terra đạt 0.576 dù cũng nhận điểm 0 ở bộ dữ liệu đó mà không từ chối.

Cải thiện vượt bậc so với Claude Fable 5.1#

Fable 5.2 vượt Claude Fable 5.1 trên 31 trong số 36 bộ dữ liệu và có chi phí mỗi ảnh thấp hơn.

Precision và recall cùng tăng, nghĩa là có ít box sai hơn cần xóa và ít đối tượng bị bỏ sót hơn cần vẽ. Mức cải thiện lớn nhất rất đáng kể. Với đầu bông lúa mì GWHD, Fable 5.1 đạt 0.24 còn Fable 5.2 đạt 0.77. Sản phẩm tại quầy thanh toán bán lẻ RPC tăng từ 0.57 lên 0.90, ảnh nhiệt từ drone HIT-UAV tăng từ 0.17 lên 0.48, và ảnh siêu âm tuyến giáp TN5000 tăng từ 0.03 lên 0.44.

mAP₅₀ trên UL37 theo lĩnh vực, xếp từ khó nhất trở xuống, Claude Fable 5.2 so với Claude Fable 5.1 ở mức độ mặc định của Anthropic.

Mười một trong số mười hai lĩnh vực được cải thiện. Lĩnh vực duy nhất giảm là ảnh X-quang an ninh, từ 0.15 xuống 0; nguyên nhân là lượt từ chối, không phải khả năng nhận diện của model. Kết quả về vạch kẻ đường CeyMo cũng giảm từ 0.85 xuống 0.74.

Claude Fable 5.2 so với GPT-6.1 Terra, Gemini 4 Argon và Claude Opus 5.5#

Trong so sánh trực tiếp, Fable 5.2 vượt Terra trên 18 bộ dữ liệu và thua trên 16, hòa hai bộ. Model vượt Argon với tỷ số 21–15 và Opus 5.5 với tỷ số 22–14. Model có recall cao nhất trong bốn model nên bỏ sót ít đối tượng nhất, nhưng precision thấp nhất, vì vậy bạn nên dự kiến sẽ phải xóa thêm một vài box. Hướng dẫn của chúng tôi về cách chọn VLM theo precision và recall giải thích cách cân nhắc sự đánh đổi này cho dữ liệu của bạn.

Ngoài ảnh X-quang, Fable 5.2 còn yếu ở chẩn đoán hình ảnh y tế, với điểm trung bình 0.372 trên tám bộ dữ liệu so với 0.505 của Terra, và trên bo mạch, nơi model đạt 0.00 trên DeepPCB. Mỗi bộ dữ liệu chỉ có 10 ảnh, vì vậy hãy xem điểm số trên từng bộ là tín hiệu tham khảo, không phải kết luận.

Anthropic khuyến nghị bắt đầu hầu hết công việc bằng Claude Opus 5.5, "model chủ lực mạnh nhất cho công việc hằng ngày", và chỉ chuyển sang Fable khi tác vụ đòi hỏi. Lời khuyên đó cũng phù hợp với việc gắn nhãn. Opus 5.5 đạt 97% mAP₅₀ của Fable 5.2 với 37% chi phí, trả lời trong 2.7 giây và không từ chối ảnh X-quang nào.

Chi phí cho một lô Claude Fable 5.2#

Chi phí 37.55 USD cho mỗi 1.000 ảnh là hóa đơn của nhà cung cấp, được tính từ mức sử dụng token do Anthropic báo cáo theo giá niêm yết là 8 USD cho mỗi triệu token đầu vào và 40 USD cho mỗi triệu token đầu ra, theo trang giá của Anthropic. Fable 5.2 hoạt động ở mức độ suy luận cao mặc định của Anthropic. Tính năng Gắn nhãn hàng loạt tính thêm phí xử lý Platform 1.00 USD cho mỗi 1.000 ảnh, nên một lần chạy 1.000 ảnh có tổng chi phí khoảng 38.55 USD.

mAP₅₀ trên UL37 so với chi phí nhà cung cấp trên mỗi 1.000 ảnh của cả 25 model trả phí, giá niêm yết, ngày 10 tháng 11 năm 2026.

Chi phí này cao hơn Terra hơn tám lần, trong khi mAP₅₀ chỉ thấp hơn 0.016. Fable 5.2 chỉ xứng đáng với mức giá khi box khít quan trọng hơn ngân sách. Nếu cần tiết kiệm chi phí, Claude Haiku 5.5 đạt 0.429 với giá 0.37 USD, còn các model open-weight được lưu trữ hoàn toàn không cần API key.

Cách chạy tính năng tự động gắn nhãn Claude Fable 5.2 trên bộ dữ liệu của bạn#

Fable 5.2 là model dùng prompt theo lớp dành cho bộ dữ liệu phát hiện có từ 1 đến 200 lớp. Model trả về box theo tên lớp riêng của bộ dữ liệu và bạn có thể xem lại trước khi lưu.

1. Tạo key trên trang API key của Claude.
2. Thêm key trong mục Settings > API Keys của workspace Platform sở hữu bộ dữ liệu. Anthropic tính phí trực tiếp cho bạn và Ultralytics không cộng thêm phí vào token. Tài liệu về key của nhà cung cấp trình bày chi tiết.
3. Trong trình chỉnh sửa chú thích, chuyển sang chế độ Smart và chọn Claude Fable 5.2 trong mục Anthropic. Nhấn Predict hoặc P để gắn nhãn ảnh hiện tại.
4. Để gắn nhãn mọi ảnh chưa được gắn nhãn, chọn More actions > Batch Annotation trên trang bộ dữ liệu. Platform lưu phiên bản bộ dữ liệu trước để bạn có thể khôi phục.
5. Nếu có ảnh bị từ chối, hãy chạy lại tính năng Gắn nhãn hàng loạt bằng model khác, chẳng hạn Gemini 4 Argon hoặc model open-weight được lưu trữ. Tính năng này chỉ gắn nhãn các ảnh vẫn chưa được gắn nhãn.
6. Xem lại các box, lưu chúng và huấn luyện model YOLO26 trên kết quả trong cùng workspace.

Trước khi đưa một bộ dữ liệu lớn vào sử dụng, hãy mở trang model. Trang này phát lại các box đã ghi nhận của Fable 5.2 trên từng bộ dữ liệu benchmark, đặt cạnh các box kỳ vọng và liệt kê điểm số của model trên từng bộ.

Trang model Claude Fable 5.2

Để tìm hiểu thêm về cách các model này tích hợp vào trình chỉnh sửa, hãy xem cách Ultralytics Platform dùng AI để tự động hóa việc gắn nhãn và lý do quy trình đánh giá có con người tham gia vẫn thiết yếu.

Ai nên sử dụng Claude Fable 5.2#

Hãy chọn Claude Fable 5.2 khi độ khít của box là ưu tiên hàng đầu còn ngân sách ít quan trọng nhất: với thể thao, bán lẻ, nông nghiệp và các cảnh thường ngày, model nằm trong nhóm dẫn đầu hoặc gần dẫn đầu trong mọi model chúng tôi đã thử nghiệm. Vị trí dẫn đầu về mAP_50-95 khiến model trở thành lựa chọn tốt để tạo bản nháp ban đầu cho các bộ dữ liệu bạn dự định dùng để huấn luyện ở ngưỡng IoU nghiêm ngặt.

Không nên dùng model này cho dữ liệu an ninh, quốc phòng và sàng lọc. Bộ lọc của Anthropic từ chối mọi ảnh quét trong bộ dữ liệu X-quang an ninh của chúng tôi, kể cả ảnh chỉ có điện thoại; không thể dùng bất kỳ tính năng nào trên Platform để chuyển hướng yêu cầu. Với các dự án đó, hãy dùng Gemini 4 Argon hoặc model open-weight do bạn kiểm soát. Với hầu hết công việc gắn nhãn khác, GPT-6.1 Terra hoặc Claude Opus 5.5 cho box gần như tương đương với chi phí chỉ bằng một phần nhỏ.