llm-anthropic 0.31 支持 Claude Fable 5.2 与 Mythos 5.2

Anthropic 发布了 Fable 5.2 和 Mythos 5.2 两款新模型，Simon Willison 随即将其接入自己的 llm-anthropic 插件，版本号推进到 0.31。对习惯用命令行与 LLM 交互的开发者来说，这是一次几乎零延迟的模型上新——Anthropic 官方公告刚落地，插件侧就已经可以调用。

两行命令跑通新模型

llm-anthropic 是 llm 生态里的 Anthropic 模型提供方插件。升级到 0.31 后，完整的调用链路可以在一段终端操作里走完：安装 llm、安装插件、写入 Anthropic API Key，然后直接把提示词发给 Fable 5.2。

uv tool install llm
llm install llm-anthropic
llm keys set anthropic

`llm` 是 Simon Willison 开发的命令行工具，用于在终端中与多种 LLM 交互。它本身不绑定任何模型厂商，而是通过插件机制扩展：每个插件负责对接一家厂商的 API，并注册其模型列表。`llm-anthropic` 就是这样的提供方插件。安装插件后，`llm models` 会列出可用的 Anthropic 模型，`-m` 参数则用于指定具体模型。API Key 由 `llm keys set` 统一管理，保存在本地配置文件中，不会出现在命令历史或代码仓库里。这种设计让模型切换完全停留在命令行层面，无需改动任何代码。
# paste key here
llm -m claude-fable-5.2 "Generate an SVG of a pelican riding a bicycle"

这种「官方发模型、插件跟版本、用户换参数」的节奏，是 llm 这类工具的核心价值所在。它把模型选型从代码改动降级成了命令行参数替换，也让不同厂商的新模型能在一个统一接口下被快速横向比较。

五个推理档位的鹈鹕测试

Simon 沿用了自己长期使用的那道基准题——让模型生成「一只骑自行车的鹈鹕」SVG。这次他针对 Fable 5.2 跑满了五个推理档位：low、medium、high、xhigh、max。

所有档位的输出都汇总在同一个渲染页面里，可以逐档对比。成绩最好的一张来自 xhigh：自行车腿在车身正确一侧、车架结构完整、喙部的袋状结构画得不错，但袋子和喙顶存在轻微错位，车把上还出现了几根形状怪异的小手指。

这道题之所以被反复使用，是因为它同时考察了几件事：模型能否理解「骑」这种空间关系、能否用矢量图形语法表达复杂结构、以及能否在单次输出里维持足够的形状一致性。纯文本描述容易含糊过去，SVG 不行——画错了就是画错了。

推理档位（reasoning effort）是近年来推理模型引入的控制参数，本质上是在请求中指定模型可用于内部思考的 token 预算上限。档位越高，模型在给出最终答案前允许进行的推理步骤越多，但响应延迟和 token 消耗也相应增加。不同厂商对档位的命名和粒度并不统一，Fable 5.2 提供的 low 到 max 五档属于较细的划分。需要注意的是，档位只是预算上限，并不保证模型会合理分配这些预算——当思考过程未能收敛时，模型可能持续推理直至耗尽配额，导致最终输出被截断或完全缺失。

max 档位的 128,000 token 困境

五个档位里真正值得警惕的是 max：它根本没有返回图像。模型在思考阶段消耗了 128,000 个 token，然后耗尽配额，一张图都没产出。

这不是首次出现。Simon 此前在 Opus 5.5 上见过同样的失效模式——推理档位越高，模型越容易在「想」这件事上失控，直到把输出预算烧完。但对 Fable 系列来说这是新问题：Fable 5 和 Fable 5.1 在 max 档位下都正常返回了鹈鹕。

换句话说，Fable 5.2 在推理能力上可能有提升，但高推理档位的预算控制出现了回退。对于把 max 当作「最保险选项」的用户，这反而是最不保险的一档。

SVG（可缩放矢量图形）是一种基于 XML 的二维图形描述格式，用 <path>、<circle>、<rect> 等元素和坐标、贝塞尔曲线参数来定义图形。与位图不同，SVG 的正确性可以被直接检验：每个形状的位置、尺寸和层级关系都写在文本里，空间关系错了在渲染结果中一目了然。这正是「骑自行车的鹈鹕」成为有效基准题的原因——它要求模型同时处理人物与物体的相对位置、肢体的连接关系以及整体的结构完整性，而这些在 SVG 语法中无法含糊带过。相比之下，纯文本描述同一场景时，模型可以用模糊措辞掩盖空间理解的缺陷。

推理档位的工程启示

从这次测试能读出两层含义。对模型提供方而言，推理档位不该只是「思考预算的上限」，还需要有可靠的兜底机制——当思考耗尽预算时，至少应该返回部分结果或明确报错，而不是静默失败。

对使用者而言，高推理档位不等于高质量输出。xhigh 拿到了本次最好的鹈鹕，max 拿到的是空结果。在把这类模型接入生产流程时，档位选择应该基于实测而非直觉，且需要为「无输出」预留降级路径。llm-anthropic 0.31 的发布本身很轻量，但它顺带暴露出的这个推理预算问题，值得在模型选型时记账。