Claude Fable 5.2 已上线，但它拒绝查看安检 X 射线图像

Anthropic 于 2026 年 11 月 9 日发布了 Claude Fable 5.2，并称它“在我们评估的几乎所有能力上都略胜 Opus 5.5”。同一天，我们用它测试了 UL37——我们的 36 个数据集检测基准测试。其中一个数据集上，它拒绝查看任何图像。

第一张扫描图显示，一个装在包里的笔记本电脑，透过外壳可以看到电路板，旁边还塞着两块电池。我们让 Claude Fable 5.2 给它们画边界框。不到两秒，Anthropic 的 API 没有返回边界框，而是给出了拦截提示：“此请求触发了与开发高当量炸药相关内容的限制，因此根据 Anthropic 使用政策被拦截。”

数据集中的 10 张安检 X 射线扫描图全部如此，其中五张只包含普通手机、笔记本电脑、寻呼机或对讲机。我们测试过的其他模型没有一个拒绝过任何扫描图：GPT-6.1、Gemini 和 Grok 都没有，任何开放权重模型或中国模型也没有，甚至 Anthropic 自家的 Claude Opus 5.5、Sonnet 5.5 和 Haiku 5.5 也没有。

在其他所有场景中，Claude Fable 5.2 的自动标注表现都很出色。它的 mAP₅₀ 得分为 0.544，在我们的 VLM 排行榜上于 44 个模型中排名第二，仅次于 GPT-6.1 Terra，而且它的边界框是我们测过最贴合目标的。现在就可以在 Ultralytics Platform 上使用它。下面介绍它拒绝处理什么、擅长什么，以及它是否适合纳入你的标注工作流。

Anthropic 的过滤器拦截了 UL37 中的每一张安检 X 射线图#

UL37 使用 360 张图像衡量模型边界框与人工标注的匹配程度：来自 36 个真实目标检测数据集，每个数据集各取 10 张。其中一个数据集是 IEDXray，这是一组行李扫描 X 射线图，旨在训练用于机场、边境和活动安保的威胁检测器。其 11 个类别涵盖日常电子设备（笔记本电脑、手机、寻呼机、对讲机和电池）、这些设备的改装版本，以及爆炸物。

16,326

IEDXray Improvised Device X-ray

ultralytics

公开检测

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 个类别621.5 MB2026年10月23日

explosivebatterymodified laptopmodified circuit board+7

ul33-full-trainsecurity-xrayxray+1

Fable 5.2 拒绝处理全部 10 张图像。每个请求在 1.0 到 4.7 秒内返回，停止原因是 Anthropic 的 refusal，没有返回任何边界框。Platform 会向用户显示：“在完成检测之前停止了（拒绝请求）。请尝试其他模型。”

为了准确查明原因，我们在 11 月 10 日将 Platform 的生产请求原样重放，直接发送给 Anthropic 的 API，处理全部十张扫描图。十个请求的返回结果完全相同：停止原因 refusal、类别 general_harms、输出 token 数为零，以及上文引用的“高当量炸药”提示。提示建议通过 Anthropic 帮助中心申请“基于 Claude 使用方式的豁免”。对于 API 集成方，它还指向 Anthropic 的拒绝请求文档，其中建议配置备用模型。

三张 IEDXray 扫描图及其预期边界框。Claude Fable 5.2 拒绝处理了这三张图；同一轮运行中，Claude Opus 5.5 则回答了全部十张扫描图。

拦截并非由图像内容触发。中间的手机就是普通手机。十张扫描图中有五张既不含改装设备，也完全没有爆炸物，而 Fable 5.2 对这五张图也全部拒绝处理。过滤器似乎针对的是任务本身：安全数据集的类别列表中列出了爆炸物。

Fable 5.2 比 Fable 5.1 拒绝得更多，而不是更少#

Anthropic 在发布公告中表示，Fable 5.2 的网络安全和生物学防护措施比 Fable 5.1 的“产生更少的不必要拦截”，早期测试中约减少 55%。但我们在安检 X 射线图上看到的情况恰恰相反：Fable 5.1 拒绝了十张中的一张，Fable 5.2 则拒绝了全部十张。

Anthropic 还表示，Fable 5.2 和 Claude Mythos 5.2 底层是同一个模型。Mythos 5.2 未启用某些网络安全和生物学防护措施，只提供给经过 Anthropic 验证的组织。换句话说，防护措施是由供应商决定的一层机制，与模型的视觉能力相互独立。Fable 5.1 回答了相同扫描图中的九张，得分为 0.15。

对于正在开发行李安检检测器的团队来说，实际结果很简单：最贵的 Claude 模型无法帮助标注数据，而且政策从一个版本到下一个版本发生了变化。

所有开放权重模型都标注了 Fable 拒绝处理的扫描图#

在排行榜上的全部 44 个模型中，只有两个曾拒绝处理 IEDXray 扫描图，而且它们都是 Claude Fable：5.1 拒绝了一张，5.2 拒绝了十张。其他模型没有一个拒绝过，无论它来自 OpenAI、Google、xAI、Meta、中国实验室，还是 Anthropic 自家的 Opus、Sonnet 和 Haiku 系列。

其中包括 Platform 自有服务器上托管的 19 个模型，以及开放权重模型，例如 Qwen3.8 27B、Gemma 4 26B、Nemotron 3 Nano Omni、SAM 3.1 Text 和 Moondream 3.1。它们没有一个拒绝处理任何扫描图。Moondream 3.1 是一款在 Platform 上无需 API 密钥的开放权重模型，在 IEDXray 上的 mAP₅₀ 得分为 0.27，仅次于得分为 0.30 的 Gemini 4 Argon，高于所有 Claude 模型。

Anthropic 系列模型和排行榜领先的两个模型在 IEDXray 上的 mAP₅₀；测试采用 UL37 v2 和默认推理强度。Fable 5.2 没有回答 10 张扫描图中的任何一张。

中国模型通常因不愿回答某些问题而成为头条新闻。这次情况反了过来：一家领先的美国实验室屏蔽了结果，而我们测试的所有中国模型都愿意作答。阿里巴巴的 Qwen、Moonshot 的 Kimi、DeepSeek、智谱的 GLM、小米的 MiMo、MiniMax 和腾讯的 HY4 均未拒绝这十张扫描图中的任何一张，我们托管的开放权重 Qwen 模型也回答了全部图像。Anthropic 的旗舰模型每百万输入 token 收费 8 美元，却拒绝查看图像。

安检 X 射线检测对所有模型都很难。大多数模型在 IEDXray 上的得分低于 0.15，因此任何模型在该数据集上的边界框都只是初稿。但初稿可以在标注编辑器中修正；如果模型拒绝处理，你就只能手动画出每个边界框。开放权重还意味着今天验证的模型明天表现依旧，因为你的输出不会受到供应商政策的影响。数据标注完成后，使用数据训练自己的 Ultralytics YOLO26 检测器，也能让你完全掌控部署的模型。

除安检 X 射线图外，Claude Fable 5.2 是我们测试过的第二佳标注模型#

每张 UL37 图像都经过 Platform 用户使用的同一套生产流程，并采用数据集自身的类别名称，随后由 SAM 3.1 收紧每个边界框。评测方法已公开。以下是 Fable 5.2 的成绩单：

• mAP₅₀： 0.544，44 个模型中排名第 2
• mAP_50-95： 0.347，44 个模型中排名第 1，略高于 GPT-6.1 Terra 的 0.345
• 精确率和召回率： 0.602 和 0.620
• 供应商费用： 每 1,000 张图像 37.55 美元
• 单张图像中位处理时间： 4.6 秒
• 失败请求： 360 次请求中有 11 次，包括 10 次拒绝，以及 1 次超出 Platform 的 115 秒时限

44 个模型中准确度最高的 12 个模型在 UL37 上的 mAP₅₀，以及每 1,000 张图像的供应商费用，2026 年 11 月 10 日。

排名第一的 mAP_50-95 很重要。这个更严格的分数会对 50% 到 95% 的边界框重叠阈值取平均，因此更看重紧贴目标的边界框，而不是大致覆盖目标的边界框。经过 SAM 3.1 优化后，Fable 5.2 的得分从原始边界框的 mAP₅₀ 0.538 提升到了 0.544。

它在 36 个数据集中有 22 个跻身前五，并在三个数据集中直接排名第一：UEC 学校午餐托盘（0.96）、篮球和篮筐检测（0.85），以及 PlantDoc 叶片病害（0.52）。按领域划分，它在零售领域排名第一，在自然和农业领域则以微弱优势领先 Claude Opus 5.5。在单独评分的 10 张 COCO 2017 参考图像上，它得分为 0.686，是所有语言模型中表现最好的，仅次于 SAM 3 和 SAM 3.1 Text 分割模型。

拒绝处理让 Fable 5.2 在一个数据集上的得分直接归零，但它仍然排名第一。排除 IEDXray 后，Fable 5.2 的平均得分为 0.560，而 Terra 虽然在该数据集上也得了零分但没有拒绝处理，平均得分为 0.576。

相比 Claude Fable 5.1 有了巨大提升#

Fable 5.2 在 36 个数据集中的 31 个上胜过 Claude Fable 5.1，而且单张图像的费用更低。

精确率和召回率同步提升，这意味着需要删除的错误边界框更少，也需要补画的漏检目标更少。最大的提升相当显著。在 GWHD 小麦穗检测中，Fable 5.1 得分为 0.24，Fable 5.2 则为 0.77。RPC 零售结账商品检测得分从 0.57 升至 0.90，HIT-UAV 热红外无人机图像从 0.17 升至 0.48，TN5000 甲状腺超声图像从 0.03 升至 0.44。

按难度从高到低排列的 UL37 各领域 mAP₅₀；对比 Anthropic 默认推理强度下的 Claude Fable 5.2 和 Claude Fable 5.1。

十二个领域中有十一个取得提升。唯一退步的是安检 X 射线，得分从 0.15 降至零；原因是拒绝处理，而不是模型看不清。CeyMo 道路标线检测的得分也从 0.85 降至 0.74。

Claude Fable 5.2 与 GPT-6.1 Terra、Gemini 4 Argon 和 Claude Opus 5.5 的对比#

正面对比时，Fable 5.2 在 18 个数据集上胜过 Terra，在 16 个上落后，另有两个平局。它以 21 比 15 胜过 Argon，以 22 比 14 胜过 Opus 5.5。四款模型中，它的召回率最高，因此漏掉的目标最少；但它的精确率最低，所以你可能需要删除更多边界框。我们的如何根据精确率和召回率选择 VLM指南介绍了如何针对你的数据权衡这一取舍。

除了 X 射线图之外，Fable 5.2 表现较弱的领域还有医学影像：在八个数据集上的平均得分为 0.372，而 Terra 为 0.505；以及电路板，在 DeepPCB 上得分为 0.00。每个数据集只有 10 张图像，因此应把单个数据集的分数视为参考信号，而非最终结论。

Anthropic 自己也建议大多数任务先使用 Claude Opus 5.5——它是“最强的日常工作主力”——只有在任务确实需要时才升级到 Fable。对于标注工作，这条建议同样适用。Opus 5.5 的 mAP₅₀ 达到 Fable 5.2 的 97%，费用只有 37%，响应时间为 2.7 秒，而且没有拒绝处理任何 X 射线图。

Claude Fable 5.2 批量处理的费用#

每 1,000 张图像 37.55 美元是供应商费用，根据 Anthropic 报告的 token 使用量计算，按其标价计费：每百万输入 token 8 美元，每百万输出 token 40 美元，详见 Anthropic 的定价页面。Fable 5.2 使用 Anthropic 默认的高推理强度。批量标注还会收取每 1,000 张图像 1.00 美元的 Platform 处理费，因此处理 1,000 张图像总计约 38.55 美元。

全部 25 款付费模型在 UL37 上的 mAP₅₀ 与每 1,000 张图像供应商费用的对比，按标价计算，2026 年 11 月 10 日。

Fable 5.2 的费用是 Terra（4.36 美元）的八倍多，但 mAP₅₀ 只高出 0.016。只有当边界框的贴合度比预算更重要时，Fable 5.2 才值这个价格。如果你更关注成本，Claude Haiku 5.5 的得分为 0.429，费用仅为 0.37 美元，而托管的开放权重模型完全不需要 API 密钥。

如何在你的数据集上运行 Claude Fable 5.2 自动标注#

Fable 5.2 是一款使用类别提示的模型，适用于包含 1 到 200 个类别的检测数据集。它会根据数据集自身的类别名称返回边界框，供你审核后保存。

1. 在 Claude API 密钥页面创建密钥。
2. 在拥有该数据集的 Platform 工作区中，将密钥添加到 Settings > API Keys。Anthropic 会直接向你收费，Ultralytics 不会对 token 加价。详情请参阅供应商密钥文档。
3. 在标注编辑器中切换到 Smart 模式，然后在 Anthropic 下选择 Claude Fable 5.2。按下 Predict，或输入 P，即可标注当前图像。
4. 要标注所有尚未标注的图像，请在数据集页面选择 More actions > Batch Annotation。Platform 会先保存一个数据集版本，以便你回滚。
5. 如果有图像被拒绝处理，请使用其他模型（例如 Gemini 4 Argon 或托管的开放权重模型）重新运行批量标注。它只会处理仍未标注的图像。
6. 审核并保存边界框，然后在同一工作区中基于结果训练 YOLO26 模型。

在提交大型数据集之前，请先打开模型页面。页面会在每个基准测试数据集上重放 Fable 5.2 记录的边界框，并与预期边界框并列显示，同时列出模型在每个数据集上的得分。

Claude Fable 5.2 模型页面

若想进一步了解这些模型如何融入编辑器，请查看Ultralytics Platform 如何使用 AI 自动化标注，以及为什么人工参与审核仍然至关重要。

谁适合使用 Claude Fable 5.2#

当边界框贴合度最重要、预算最不重要时，选择 Claude Fable 5.2：例如体育、零售、农业和日常场景。在这些领域，它的表现都位居我们测试过的模型前列或接近领先。它在 mAP_50-95 上的领先优势，也使它适合作为你计划在严格 IoU 阈值下训练的数据集的强力初稿生成器。

安防、国防和筛查数据不要用它。Anthropic 的过滤器拒绝处理了我们安全 X 射线数据集中的每一张扫描图，即使图中只有一部手机也不例外；Platform 中没有任何机制可以绕过这一限制。对于这类项目，请使用 Gemini 4 Argon 或由你掌控的开放权重模型。对于大多数其他标注工作，GPT-6.1 Terra 或 Claude Opus 5.5 只需花费一小部分成本，就能提供几乎相同的边界框。