AI 戰略和運營指數報告：Claude Fable 5 比 DeepSeek V4 Pro 高 12 分，每任務成本超 100 倍

國際科技媒體《The Decoder》於7月8日報導，獨立評測機構Artificial Analysis在7月7日發布最新AI模型能力指數報告。這份報告針對金融與會計、法律、醫療與醫學、戰略與運營、工程及經濟學六大行業，設計全新的能力評估指標。結果顯示，Anthropic旗下的Claude Fable 5模型在所有八項指標中均拿下第一名，展現壓倒性優勢。 Artificial Analysis此次的評測方法與過往不同，他們參考美國勞工部職業資訊網絡（O*NET）的職業分類體系，根據各行業任務中所需技能的出現頻率來分配權重，進而建立八項行業能力指數。這種設計旨在更精準地反映AI模型在真實職場場景中的應用價值，而非單純測驗學術基準。 在所有八項指標中，Claude Fable 5（其備選模型為Opus 4.8）全部奪冠，表現最為亮眼。緊隨其後的是Claude Opus 4.8（max），在六項指數中排名第二；其餘兩項第二名則由OpenAI的GPT-5.2（max）拿下。值得注意的是，在六個行業指數中，GPT-5.2（max）有五項排名領先其他模型，但在工程基準指數中僅獲得53分，排名第五，落後於Claude Fable 5、Claude Sonnet 5（max）以及兩款其他模型。 在戰略與運營指數這項關鍵指標中，Claude Fable 5的得分比DeepSeek推出的V4 Pro模型高出12分，驗證了其在策略規劃與營運分析任務上的優異能力。然而，高表現也伴隨著高成本。根據報告，Claude Fable 5在該指數中每項任務的成本為3.48美元，相較之下DeepSeek V4 Pro max的成本極低，兩者差距超過一百倍，凸顯頂級模型與輕量模型在商業部署上的巨大成本差異。 除了戰略與運營指數，其他行業的榜單同樣值得關注。在金融與會計領域，Claude Fable 5與Claude Opus 4.8（max）包辦前兩名，GPT-5.2（max）排名第三。法律領域的排名類似，Claude Fable 5領先，但GPT-5.2（max）在法律推理相關任務上與Claude Opus 4.8（max）分數非常接近。醫療與醫學指數中，Claude系列模型同樣佔據主導地位，顯示其在專業知識問答與診斷建議方面的優勢。 經濟學指數方面，Claude Fable 5與Claude Opus 4.8（max）位居前二，GPT-5.2（max）與Claude Sonnet 5（max）並列第三。工程基準則是唯一一個出現較多競爭的領域，Claude Fable 5雖然奪冠，但Claude Sonnet 5（max）與GPT-5.2（max）的差距並不大，反映工程任務對模型推理與計算能力的要求更為均衡。 這份報告同時也列出了各模型的成本對比。除了戰略與運營指數的顯著差距外，在其他指數中，Claude Fable 5的每任務成本普遍高於競爭對手數十倍甚至上百倍。例如在工程基準中，Claude Fable 5的成本同樣是DeepSeek V4 Pro max的數十倍，但得分差距卻不如戰略與運營指數明顯。這意味著企業在選擇AI模型時，必須在效能與成本之間權衡，針對不同任務需求挑選最適合的方案。 Artificial Analysis指出，這些行業指數的誕生是因為傳統的學術評測難以反映真實工作場景。透過O*NET的職業分類，他們可以將特定行業的常見任務（如財務分析、法律文件審閱、醫療診斷、策略規劃、工程設計、經濟預測）轉化為可量化的測試題目，並按照技能出現頻率加權，使評分更具實務參考價值。此舉也為企業採購AI服務時提供了更具體的比較依據。 整體而言，Claude Fable 5在本次評測中無疑是最大贏家，但它的高成本也引發了討論。相較之下，DeepSeek V4 Pro系列以極低成本提供接近的表現，對於預算有限的團隊來說可能是更實惠的選擇。GPT-5.2（max）則在多個行業中展現競爭力，雖未奪冠但穩居前列。隨著AI模型持續演進，這類行業導向的評測將成為企業決策的重要參考，也促使開發者更重視模型在專業領域的實際應用成效。