Fable 5コードレビュー精度分析: コーディングベンチマーク首位だがレビュー精度ではOpus 4.8に劣後 — タスク特性に応じたモデル選択が重要

Summary

CodeRabbitが105件のEngineering Problem（EP）でFable 5のコードレビュー性能を詳細分析。Fable 5はSWE-bench Pro 80.3%・SWE-bench Verified 95.0%でコーディングベンチマーク首位だが、コードレビュータスクではactionable precision 32.8%（Opus 4.8: 35.5%）、full precision 19.4%（Opus 4.8: 26.5%）とOpus 4.8に劣後。EP finding coverage（発見カバレッジ）は65/105件でOpus 4.8の66/105件と同等。Fable 5は750K行規模のBunリライトやマルチファイルリファクタリング等の「コード生成・変更」タスクで圧倒的だが、「コードレビュー・品質検証」タスクではOpus 4.8のほうが精度が高い。この結果はFable 5の設計思想（長時間自律コーディングに最適化）とコードレビュータスクの性質（既存コードの微妙な問題を検出する精密作業）の違いを反映。