瀏覽器代理值得改用 Claude Fable 5.2 嗎?

14 分鐘閱讀
為 Claude Fable 5.2 與 5.1 瀏覽器代理基準測試製作的淺藍色紙面上的橙色紙製角色

如果你的瀏覽器代理目前使用 5.1,我們會建議切換至 Claude Fable 5.2。它更快、更便宜,也更準確。在這次 Claude Fable 5.2 與 5.1 對比測試中,我們讓每個模型在相同的 28 項網頁任務上各執行一次,Fable 5.2 的成功率為 89.3%,Fable 5.1 為 82.1%。在兩個模型都成功完成的任務中,Fable 5.2 每項任務耗時 418.5 秒、成本 $2.63,Fable 5.1 則為 450.6 秒和 $3.28。

  • 從多個官方網站收集相同資訊時,Fable 5.2 的平均成本較低,成功率也略高。
  • 對於單一網頁應用程式內的工作流程,兩個模型各自的 4 次嘗試全部成功,而 Fable 5.2 每項任務成本較低。
  • 不過,如果你的主要任務是開放式研究,Fable 5.1 在維持與 Fable 5.2 相同成功率的同時,成本略低。
模型成功率每項成功任務耗時每項成功任務成本每次成功嘗試成本
Claude Fable 5.289.3% (25/28)418.5 s$2.63$3.13
Claude Fable 5.182.1% (23/28)450.6 s$3.28$4.85

Fable 5.2 完成了前代未能完成的哪些任務

兩個 Fable 模型都是能力很強的瀏覽器代理,因此我們用要求較高的日常工作來測試。其中一項是挑選工作用手機:從各家廠商自己的網站,為九款旗艦手機製作規格表,每款包含多個欄位。OnePlus 15 的總覽頁面,只在一張沒有替代文字的產品圖片中顯示 IP 等級。兩個模型都在 ego(lite) 中開啟該頁面。Fable 5.2 擷取了這張圖片的螢幕截圖,並讀出全部四個等級:IP66、IP68、IP69 和 IP69K。

Claude Fable 5.2 在 ego(lite) 中開啟 OnePlus 15 總覽頁面
Claude Fable 5.2 在手機規格任務中透過 ego-browser 操作 ego(lite)。它開啟 OnePlus 15 總覽頁面,IP 等級位於頁面下方的一張產品圖片中。執行日期:2026 年 11 月 12 日。

Fable 5.1 在同一頁面的文字中搜尋 IP 代碼,沒有找到。隨後,它從規格頁面的一行生態設計說明中取得 IP68。最終表格只為 OnePlus 15 列出一個等級,因此這款手機也沒有出現在它的 IP69 裝置清單中。Fable 5.2 在這項任務上進行了 65 次工具呼叫,Fable 5.1 則為 31 次,因此正確答案的成本是 $6.04,相較之下另一個答案的成本為 $3.13。

Claude Fable 5.1 在 ego(lite) 中開啟 OnePlus 15 總覽頁面
Claude Fable 5.1 透過 ego-browser 操作 ego(lite),在相同的 OnePlus 15 總覽頁面文字中搜尋 IP 代碼。執行日期:2026 年 11 月 12 日。

哪些工作使用 Fable 5.1 就已足夠

Fable 5.1 是一款能勝任工作的瀏覽器代理,繼續使用它仍然合理。它成功完成每項網頁應用程式工作流程和研究任務,例如預訂旅程、填寫採購單和追溯資訊來源。如果你的代理主要處理這類任務,切換不會大幅增加完成的任務數。實際收益是價格約低 20%。不過,如果你的代理經常需要跨多個網站填寫很長的規格表或比較表,Fable 5.2 仍是較好的選擇。在這些情況下,遺漏或錯誤的欄位值通常很難發現。

為什麼 Fable 5.2 更便宜

Fable 5.2 較便宜,主要是因為 Anthropic 降低了定價。它的公開定價對每種 token 都比 Fable 5.1 低 20%。這也是我們建議切換的最主要原因。從效率來看,兩者完成一項任務所做的工作量大致相同。Fable 5.2 每項任務寫出的輸出 token 約少 18%,但工具呼叫略多,為 35 次,而另一模型為 32 次,兩者相互抵銷。若按 Fable 5.1 的費率計價,帳單金額會一樣。

使用瀏覽器代理時,你主要是在為模型讀取內容付費,而非寫出內容。Fable 5.2 約 70% 的支出用於上下文:它取得的頁面文字、快照和螢幕截圖,加上先前的步驟記錄,模型每輪都會重新讀取這些內容。這也是橫跨太多網站的工作往往最昂貴的原因。從 8 到 12 個官方網站收集相同資訊,Fable 5.2 每項任務成本為 $4.65,而在最多三個網站上查詢的任務成本為 $1.35。我們會依代理的工作類型編列預算,而不只看模型價格。

較大的節省,體現在每個可用結果的成本上。任務出錯時,Fable 5.1 在停止前花費更多,因此約三分之一的總支出用於失敗的嘗試;Fable 5.2 則約為八分之一。將這些失敗算在內,每次成功嘗試的成本,Fable 5.1 為 $4.85,Fable 5.2 為 $3.13。這才是我們比較成本時會關注的數字。

Claude Fable 5.2Claude Fable 5.1
成功率
成功的嘗試,每項任務嘗試一次
所有任務類型28 項任務
89.3% (25/28)
82.1% (23/28)
多網站資料收集10 項任務
90.0% (9/10)
80.0% (8/10)
搜尋與比較8 項任務
100.0% (8/8)
87.5% (7/8)
網頁應用程式自動化4 項任務
100.0% (4/4)
100.0% (4/4)
研究與綜合3 項任務
100.0% (3/3)
100.0% (3/3)
社群媒體查核3 項任務
33.3% (1/3)
33.3% (1/3)
0%25%50%75%100%
每項任務成本
以兩個模型都成功完成的任務計算,單位為美元
所有任務類型兩者都成功完成的 23 項任務
$2.63
$3.28
多網站資料收集兩者都成功完成的 8 項任務
$4.65
$5.77
搜尋與比較兩者都成功完成的 7 項任務
$1.35
$1.84
網頁應用程式自動化兩者都成功完成的 4 項任務
$1.44
$1.84
研究與綜合兩者都成功完成的 3 項任務
$2.02
$1.87
社群媒體查核兩者都成功完成的 1 項任務
$1.96
$3.32
$0$2$4$6
以表格查看
工作類型Fable 5.2 成功情況Fable 5.1 成功情況Fable 5.2 每項任務成本Fable 5.1 每項任務成本計入成本的任務數
所有任務類型25/2823/28$2.63$3.2823
多網站資料收集9/108/10$4.65$5.778
搜尋與比較8/87/8$1.35$1.847
網頁應用程式自動化4/44/4$1.44$1.844
研究與綜合3/33/3$2.02$1.873
社群媒體查核1/31/3$1.96$3.321
成功率以每項任務嘗試一次計算。每項任務成本是各工作類型中,兩個模型都成功完成的任務的平均成本。使用 Claude Code 搭配 ego-browser,執行日期為 2026 年 11 月 12 日。

如何執行

我們執行了 claude-fable-5-2,在 Claude Code 中將推理強度設為 high,並配備 Bash、Read、Write、Edit 和 Skill 工具。代理會載入 ego-browser 的 skill 檔案,並在 ego(lite) 中透過 ego-browser 操作頁面。它會撰寫簡短的 JavaScript 指令碼,由 ego-browser 執行這些指令碼,控制 ego(lite) 中的頁面。

ego(lite) 的 Spaces 檢視畫面,代理任務在自己的 Space 中執行,旁邊是使用者的 Space
2026 年 11 月 12 日手機規格任務執行期間的 ego(lite)。代理任務在自己的 Space 中執行,標記為 Running,旁邊是使用者的 Space。因此代理工作時,你自己的分頁和游標仍可自由使用。
使用相同設定執行取得 ego(lite)

常見問題

對於瀏覽器代理,Claude Fable 5.2 比 Fable 5.1 更好嗎?

在我們的測試中,是的:Claude Fable 5.2 完成了 Fable 5.1 成功完成的每項任務,還額外完成兩項。在相同的代理執行框架和瀏覽器工具中,對 28 項網頁任務各執行一次,Fable 5.2 的 28 次嘗試中有 25 次成功(89.3%),Fable 5.1 的 28 次嘗試中有 23 次成功(82.1%)。其中一項額外成功的任務是製作規格表,Fable 5.2 從產品圖片中讀出了 IP 代碼。

值得從 Fable 5.1 升級至 Claude Fable 5.2 嗎?

值得。對於瀏覽器代理,Claude Fable 5.2 值得升級,因為完成相同工作所需的成本較低,也沒有少完成 Fable 5.1 已成功完成的任何任務。它在 28 次嘗試中成功了 25 次,Fable 5.1 在 28 次中成功了 23 次。在兩個模型都成功完成的 23 項任務中,它每項任務成本為 $2.63,相較之下另一模型為 $3.28,節省來自 Anthropic 的 20% 降價。

Claude Fable 5.2 的每項任務成本比 Fable 5.1 更低,還是只有每個 token 更便宜?

Claude Fable 5.2 不只每個 token 更便宜,每項任務也更便宜:在兩個模型都成功完成的 23 項網頁任務中,每項任務成本為 $2.63,相較之下另一模型為 $3.28。它的各類 token 公開定價都低 20%。如果按 Fable 5.1 的費率計價,它在這些任務上的用量大約會花費 $3.28,因此已完成任務上每項任務的節省,來自價格調降。

Claude Fable 5.2 使用的 token 比 Fable 5.1 少嗎?

在全部 28 次嘗試中,Claude Fable 5.2 使用的輸出 token 少了 29%,每次嘗試為 20,138 個,Fable 5.1 為 28,481 個。在兩個模型都成功完成的 23 項任務中,它寫出的輸出 token 仍較少,每項任務為 18,581 個,而另一模型為 22,607 個。如果按相同費率計價,它在這些任務上的總用量成本與 Fable 5.1 大致相同。

Claude Fable 5.2 在瀏覽器任務上比 Fable 5.1 更快嗎?

是的,略快:在兩個模型都成功完成的 23 項網頁任務中,Claude Fable 5.2 每項任務耗時 418.5 秒,Fable 5.1 為 450.6 秒。Fable 5.2 在這 23 項任務中的 13 項較快。兩者使用相同的代理執行框架和瀏覽器工具,耗時包含等待模型 API 的時間。

將 Claude Fable 5.2 用作瀏覽器代理,成本是多少?

在我們的測試中,Claude Fable 5.2 在兩個模型都成功完成的 23 項網頁任務上,每項任務平均成本為 $2.63;計入全部 28 次嘗試後,每次成功嘗試的成本為 $3.13。Fable 5.1 每項任務成本為 $3.28,每次成功嘗試成本為 $4.85。多網站資料收集是最昂貴的工作類型,Fable 5.2 每項任務成本為 $4.65。

Claude Fable 5.2 在瀏覽器自動化方面擅長什麼?

在我們的測試中,Claude Fable 5.2 的每次網頁應用程式自動化、搜尋與比較、研究任務嘗試都成功了,多網站資料收集的 10 次嘗試中有 9 次成功。Fable 5.1 在 10 次多網站嘗試中有 8 次成功,在 8 次搜尋與比較嘗試中有 7 次成功。Fable 5.2 額外成功的兩項,來自這兩類工作。

Claude Fable 5.1 在哪些方面仍能與 Fable 5.2 持平?

在網頁應用程式工作流程和開放式研究方面,Claude Fable 5.1 與 Fable 5.2 持平。兩個模型各自的 4 次網頁應用程式自動化嘗試和 3 次研究與綜合嘗試全部成功。在研究任務中,Fable 5.1 每項任務成本為 $1.87,而另一模型為 $2.02;在網頁應用程式工作流程中,Fable 5.2 較便宜,為 $1.44,而另一模型為 $1.84。

Claude Fable 5.2 會在完成多步瀏覽器任務前停下來嗎?

在我們的測試中沒有:Claude Fable 5.2 的每次嘗試都以最終答案結束,沒有一次用盡 100 步額度。它的三次失敗都給出了最終答案,但沒有答對全部必要的欄位值。

Claude Fable 5.2 能在無人看管的情況下執行瀏覽器任務嗎?

Claude Fable 5.2 獨立完成大部分任務,在 28 次嘗試中有 25 次成功,但它的三次失敗也都以包含錯誤的最終答案結束。其中兩次從錯誤來源取得欄位值,例如較晚發布的安全版本,或另一份地區新聞稿。涉及版本發布或定價資料時,請檢查每個欄位值具體來自哪個頁面。

Claude Fable 5.2 如何使用瀏覽器?

Claude Fable 5.2 可以透過代理執行框架和瀏覽器工具來操作瀏覽器。在我們的測試中,它在 Claude Code 中執行,透過 ego-browser 操作 ego(lite),撰寫簡短的 JavaScript 指令碼,由 ego-browser 執行以控制頁面。在這套設定下,它在網頁任務的 28 次嘗試中成功了 25 次。

測試方法

我們比較了 Claude Fable 5.2(claude-fable-5-2)和 Claude Fable 5.1(claude-fable-5-1),兩者都將推理強度設為 high,使用相同的代理執行框架:配備 Bash、Read、Write、Edit 和 Skill 工具的 Claude Code。兩者都透過 ego-browser 操作 ego(lite)。模型的指令碼要求什麼,ego-browser 就以相應形式提供頁面:無障礙快照、頁面文字或螢幕截圖。測試於 2026 年 11 月 12 日在 Linux 上執行。

28 項任務涵蓋五類工作。網頁應用程式自動化指測試用業務應用程式內的工作流程,例如核對發票與付款。搜尋與比較涉及一到三個網站,例如在 MDN 和 Can I use 上檢查瀏覽器支援情況。多網站資料收集指從 8 到 12 個官方網站收集相同欄位,例如 12 家中央銀行的利率決策。研究與綜合是開放式任務,例如追溯 Wikipedia 表格的來源。社群媒體查核要求將 X 貼文與官方頁面對照。每項任務只屬於一類。

每個模型對每項任務執行一次,一項任務的一次執行就是一次嘗試。只有最終答案中的每個必要欄位值都正確,嘗試才算成功。每次嘗試最多有 100 步和 60 分鐘。一步指模型的一輪互動,一次工具呼叫指模型呼叫工具一次,一次瀏覽器指令則是交給 ego-browser 的一段指令碼。耗時是每次嘗試實際經過的時間,包含等待模型 API 的時間。成本以美元計,根據每次嘗試的 token 用量,按 Anthropic 的公開定價計算,快取讀取和快取寫入分別使用各自的費率。每項成功任務的耗時與成本,在兩個模型都成功完成的 23 項任務上比較。每次成功嘗試的成本,是全部嘗試的成本總和除以成功嘗試的數量。

完整結果

每個儲存格顯示模型對該任務的一次嘗試是否成功、耗時多少秒(包含等待模型 API 的時間),以及美元成本。其他部分的平均值使用未捨入的成本計算。

任務工作類型Claude Fable 5.2Claude Fable 5.1
在預訂應用程式中,依差旅政策預訂航班、座位和飯店網頁應用程式自動化成功 · 220.0 s · $1.66成功 · 208.2 s · $2.19
在監控應用程式中,將服務監控項目調整至符合書面標準網頁應用程式自動化成功 · 140.7 s · $1.02成功 · 158.2 s · $1.60
在庫存應用程式中,依庫存水準建立採購單網頁應用程式自動化成功 · 163.0 s · $1.06成功 · 128.2 s · $1.29
在財務應用程式中,將二月發票與付款對照並提出爭議網頁應用程式自動化成功 · 316.3 s · $2.02成功 · 308.8 s · $2.28
對照講座影片的 GitHub 程式碼和 arXiv 論文,核對影片章節搜尋與比較成功 · 136.3 s · $1.14成功 · 221.8 s · $1.57
使用 FRED 計算通膨資料,並在 BLS 確認搜尋與比較成功 · 122.7 s · $1.03成功 · 93.3 s · $1.11
在 MDN 和 Can I use 上交叉核對六項網頁功能的瀏覽器支援情況搜尋與比較成功 · 179.2 s · $1.14成功 · 239.1 s · $2.13
在航班搜尋網站查找三個城市的最便宜直飛票價搜尋與比較成功 · 683.0 s · $2.24失敗 · 768.3 s · $4.41
將 ClinicalTrials.gov 上的第 3 期試驗與對應的 DailyMed 藥品仿單對照搜尋與比較成功 · 178.6 s · $1.52成功 · 267.6 s · $2.24
在廠商的美國商店,為三種筆記型電腦組態查詢價格並比較搜尋與比較成功 · 378.2 s · $2.46成功 · 392.0 s · $3.17
核對票房資料庫與 Wikipedia 上六部電影的票房資料搜尋與比較成功 · 102.2 s · $1.09成功 · 87.6 s · $1.12
在 Companies House 上篩查英國四家公司搜尋與比較成功 · 101.2 s · $1.09成功 · 185.4 s · $1.52
根據 9 個 SaaS 信任中心的資訊製作合規矩陣多網站資料收集成功 · 1110.0 s · $6.16成功 · 737.9 s · $5.56
從廠商網站收集 8 款相機的五項規格多網站資料收集成功 · 482.4 s · $3.49成功 · 480.9 s · $4.35
從廠商的英國網站收集 9 款旗艦手機的五項規格多網站資料收集成功 · 992.6 s · $6.04失敗 · 467.5 s · $3.13
收集 9 場開發者大會的開場主題演講資訊多網站資料收集成功 · 920.8 s · $4.85成功 · 1168.4 s · $8.85
從廠商的美國網站收集 9 款電動 SUV 的續航與充電資料多網站資料收集成功 · 1120.9 s · $6.91成功 · 1261.0 s · $6.91
從 Hugging Face 和廠商頁面收集 9 個開放權重模型的規格與授權條款多網站資料收集成功 · 758.7 s · $5.24成功 · 1059.6 s · $6.26
從 9 家勞工機構收集法定最低工資多網站資料收集成功 · 567.0 s · $4.25成功 · 640.1 s · $5.32
從 12 家中央銀行的網站收集 2026 年首次利率決策多網站資料收集成功 · 525.9 s · $3.51成功 · 435.1 s · $4.52
比較 9 個無伺服器平台的免費方案多網站資料收集成功 · 501.1 s · $2.77成功 · 665.2 s · $4.40
比較同一張專輯在 9 家音樂服務上的條目資訊多網站資料收集失敗 · 408.6 s · $1.98失敗 · 292.4 s · $2.22
在公開模型資料庫中統計超過 EU 運算量門檻的模型數量研究與綜合成功 · 195.2 s · $1.64成功 · 80.4 s · $1.08
從互動式排行榜圖表讀取成本和分數資料點研究與綜合成功 · 317.1 s · $2.39成功 · 327.3 s · $2.41
追溯 Wikipedia 表格中 10 個儲存格的來源研究與綜合成功 · 382.2 s · $2.03成功 · 342.7 s · $2.12
將 8 個品牌在 X 上的產品貼文與新聞稿對照社群媒體查核失敗 · 1132.7 s · $3.79失敗 · 2200.8 s · $14.22
將 8 個開放原始碼專案在 X 上的安全貼文與各自的公告對照社群媒體查核失敗 · 750.8 s · $3.75失敗 · 3302.8 s · $12.30
將一週的 SpaceX 在 X 上的發射貼文與 Wikipedia 發射清單對照社群媒體查核成功 · 706.2 s · $1.96成功 · 875.8 s · $3.32

繼續閱讀