Selamat malam, keluarga... Seribu agen AI membangun prototipe sistem operasi. Kurva biaya adalah bagian yang akan saya pantau. Market Pulse | 10 Nov 2026 Rilis Fable 5.2 dan Mythos 5.2 oleh Anthropic pada 9 November memberi kita dua bukti yang sangat berbeda. Grafik menunjukkan hasil FrontierCode 2.0 dari Anthropic. Fable 5.2 dengan upaya Tinggi mendapat skor 45,3%, dekat dengan skor terbaik Opus 5.5 yaitu 45,5%, dengan biaya sekitar setengahnya per tugas. Benchmark ini menilai apakah perubahan kode akan diterima oleh pemelihara open-source. Lihat lebih jauh sepanjang garis hijau: Xhigh mencapai 49,1%. Max lebih mahal dan mendapat skor lebih rendah dalam evaluasi ini. Membayar lebih untuk reasoning tidak otomatis membeli hasil yang lebih baik. Demonstrasi di balasan saya menunjukkan prototipe sistem operasi Anthropic. Perusahaan mengatakan Fable mengoordinasikan lebih dari 1.000 subagen selama delapan hari untuk membangunnya. Ini menggambarkan skala pekerjaan yang mereka coba capai. Video dan benchmark mencakup beban kerja yang berbeda, sehingga grafik tidak bisa memberi tahu kita berapa biaya proyek OS tersebut. Pertanyaan praktisnya adalah apakah eksekusi model yang lebih murah juga berarti pekerjaan jadi yang lebih murah. Retri, integrasi, dan tinjauan manusia bisa menyerap penghematan tersebut. Selama 72 jam ke depan, saya akan mencari tes independen yang melaporkan hasil yang diterima, total pengeluaran, dan waktu reviewer pada tugas yang sama. Biaya lebih rendah dengan kualitas sebanding akan memperkuat argumen ini. Penghematan yang hilang selama pemeriksaan akan melemahkannya. Itulah angka yang saya inginkan dari agen: tagihan penuh untuk pekerjaan yang benar-benar bisa saya gunakan. Grafik: Anthropic. Hasil benchmark dilaporkan oleh perusahaan. https://t.co/dSLUQCBRR5