ARC Prize 评测 Claude Fable 5.2：ARC-AGI-3 标准 harness 得分 81.2%
At max reasoning with the standard harness, 28 of 55 semi-private games reached the 12-hour runtime limit, capping how far testing could progress. Max scored 65
ARC Prize 公布 Anthropic Claude Fable 5.2 在 ARC-AGI 系列基准上的成绩：ARC-AGI-3 在标准 harness 下得分 81.2%、成本 21.9K 美元，在 provider adapter harness 下为 97.7%、18.6K 美元；ARC-AGI-2 为 93.8%、每任务 0.98 美元，ARC-AGI-1 为 98.5%、每任务 0.36 美元。在 max 推理档下，55 个半私有游戏中有 28 个触及 12 小时运行时限，得分 65.7%，低于 xhigh 档的 81.2%，ARC Prize 认为若无时限 max 档会更高。ARC Prize 还说明，已发布的 Fable 5.2 在 medium 和 xhigh 推理档上的调优与早前评测的 checkpoint 不同，low、high、max 档未变。
推荐理由
AI 评分 56
ARC Prize 给出 Fable 5.2 在 ARC-AGI 三个基准上的分数与成本，并说明 max 推理档受 12 小时时限影响。
主题
正文 · AI 翻译
在标准 harness 下以 max 推理档运行时，55 个半私有游戏中有 28 个触及 12 小时运行时限，这限制了测试能够推进的程度。max 档在 ARC-AGI-3 上得分为 65.7%，而 xhigh 档为 81.2%；若无时限限制，我们预计 max 档本会取得更高分数。
另请注意，已发布的 Fable 5.2 在 medium 和 xhigh 推理档上采用的调优，与我们早前评测的 checkpoint 不同。low、high 和 max 档未变。