AICodeKing 的 KingBench 4 出了 Fable 5.2 的成绩：平均 70%。之前榜首 Opus 5.5 是 57.8%，再往下五个模型彼此差距都在 3.6 分以内，这次一下拉开了 12 分。

KingBench 不是刷题，是六个大项目，每个只给一份详细需求，一次做完，不给反馈也不帮修：Rust 写的 GB/DS/3DS 模拟器、Docker 替代品、3D 房间设计器、类 VIA 的 QMK 键盘改键工具、宝可梦红复刻，还有一个 Rust 后端的 Fitbit 桌面端。

最有意思的是它做事的方式。测试跑在 Mac 上，Mac 原生跑不了 Linux 容器，它就自己下了个 Linux 内核，写了个小虚拟机启动器把 Linux 跑起来，再跑了 159 项端到端测试，这些需求里一个字都没提。做 Fitbit 那题时它先去看了最新文档，发现旧的 Fitbit API 一周前刚停掉，自己改用了 Google Health API。AICodeKing 的说法是，Fable 5.2 对自己很有信心，缺什么就自己写库、写运行时；Opus 5.5 已经很接近了，只是有点低估自己。

3D 房间设计器拿了 9.2，是 KingBench 4 所有单项里的最高分，反射、间接光、家具实时物理都能用。

问题也很明显。Docker 替代品能拉 Docker Hub 的真实镜像，启动一个容器大约 150 毫秒，原版 Docker 要 1.7 秒左右，本来能拿 7.7 分。结果测出恶意镜像可以读到宿主机磁盘上的文件，按规则直接封顶 3 分。能跑和安全是两回事，一次生成的大项目还是得自己审。模拟器那题 3DS 没声音，存档还能读进别的游戏里。无人值守跑的时候，它开了子 agent 并行干活，主会话却没等子 agent 回来就自己结束了，README 里还留着模板占位符。

宝可梦那题它没照搬原作的角色、宝可梦、地图和音乐，而是做了个叫 Kithbound 的原创游戏，选初始伙伴、劲敌、森林、岩石道馆这些流程都在。因为还原度扣了分，最后拿 8.4，排在 Gemini 4 Argon 和 GPT-6 Astra 后面。

实际用的时候有两点要注意。这个成绩是 high effort 跑出来的，但 Claude Code 里 Fable 5.2 默认是 medium，不手动调高就拿不到这个水平。另外按 token 算，Fable 还是 Opus 5.5 的两倍价。

一次成型的分数和日常边看边改的开发不完全是一回事。不过遇到环境限制就自己造工具绕过去，这种能力放到长任务里，差距只会被放大。