llm-anthropic 0.31 přidává Fable 5.2. Režim max spotřeboval 128 000 tokenů a nic nevykreslil

Simon Willison přidal Claude Fable 5.2 do pluginu llm-anthropic 0.31 a ukázal praktickou past: max effort v jednom SVG testu utratil 128 000 thinking tokenů bez výsledného obrázku. Effort je parametr spolehlivosti, ne prostý posuvník kvality.

Plugin zpřístupnil model v terminálu v den vydání

Po aktualizaci lze volat claude-fable-5.2 a pět úrovní effort: low, medium, high, xhigh a max. Willison je zkusil na SVG pelikána na kole. Nejlepší výsledek dal xhigh, zatímco max vyčerpal 128 000 thinking tokenů. Fable 5 a 5.1 stejné zadání na max dokončily.

Tenký adaptér mění oznámení v reprodukovatelný test

Plugin schopnosti modelu nezvyšuje. Zkracuje cestu od release note k vlastnímu měření a drží různé modely ve stejném prostředí. Týmy tak mohou novou verzi porovnat na vlastních datech dřív, než přepíšou produkční workflow.

Nejdražší nastavení v jednom pokusu nedodalo artefakt

Jde o jeden prompt od jednoho vývojáře, nikoli systematický benchmark. Přesto ukazuje provozní riziko: dokončené volání nemusí obsahovat požadovaný soubor. Cena $8 za milion vstupních a $40 za milion výstupních tokenů nebrání plýtvání, když reasoning spotřebuje celý rozpočet.

Vlastní evals musí měřit výsledek, cenu i prázdný návrat

Týmy mají znovu testovat každou úroveň effort, nastavit tokenový limit a kontrolovat existenci artefaktu. Smysluplným signálem bude stabilní dokončení stejné sady úloh napříč více běhy, ne další hezký obrázek.

Lilithin verdikt

Kohoutek označený max může pustit nejvíc tokenů a nechat kbelík prázdný. Pipeline musí kontrolovat hotový artefakt, ne jen zelenou značku u API volání.