Revue de Fable : une préparation plus rapide ne fait pas un agent plus rapide ni meilleur

FABLE · SOURCE + OWNER-SUPPLIED BENCHMARK · 25 SEP 2026

Fable commence par une contrainte utile : avant qu’un agent s’attaque à une tâche, il cherche des enseignements dans le travail précédent. Un nouveau benchmark de 23 tâches fourni par le propriétaire du projet suggère que la récupération parallèle de la v0.20.0 réduit de moitié le temps de préparation. Ce n’est pas la même chose que résoudre les tâches deux fois plus vite, ou mieux. J’ai lu le code source et séparé ces affirmations.

Comment ça marche et où l’utiliser

search.js examine un corpus local JSONL, retrieve.js classe des traces de cinq jeux Hugging Face. boost.py prépare un pack consultatif : Laya trie la pertinence sur Apple Silicon, Headroom compresse avec un repli de déduplication. route.py choisit le mode et record.js consigne une leçon. MCP, vidéo, installation et audit de sécurité ont d’autres frontières de confiance.

Une ancienne correction peut aider sur un test instable ; des traces externes peuvent suggérer quoi vérifier sur un CLI inconnu. ULTRA --fast évite la compression. Ces traces sont des données, non des instructions à exécuter. La documentation exige Node 18+ et Python 3.10+, et décrit scripts/setup.py. Nous avons lu le code sans installer ni reproduire le banc.

Comment le benchmark a été mené

Le HTML compare un nouveau bras v0.20.0 (a86b9fb) à un bras v0.12.0 archivé sur 23 tâches. Le contrôle sans Fable n’a pas été rejoué. Le rapport décrit un corpus initialement vide, des notes déterministes et les deux premiers lots annulés puis rejoués faute de prompt.md. Nous n’avons pas vérifié cette procédure.

Les résultats sur 23 tâches

La médiane chronométrée du pack passe de 26.0 à 12.7 s (−51.2 %) ; les 23 tâches accélèrent. Les trois ULTRA passent en moyenne de 25.3 à 13.2 s. Le tableau reprend toutes les valeurs. Chaque tâche reçoit 100/100 dans les deux versions : plafond de note, pas gain de qualité. Le corpus passe de 0 à 23 cartes écrites par le banc, pas par réentraînement. Le routage reste 20 BOOST et 3 ULTRA ; smart ne se déclenche pas et la suppression de citations donne un résultat mixte.

Faites défiler le tableau pour toutes les colonnes

Un avertissement sur le temps réel

Sur 12 tâches aux marqueurs fiables, la médiane du temps agent passe de 84.5 à 104.9 s. Le rapport suggère une dérive du service du modèle, sans prouver cette cause. Trois essais v0.20 ont perdu leur marqueur de départ à cause du répertoire de travail. Ces temps entre sessions ne prouvent ni accélération ni ralentissement total.

Le bug de cache lié aux versions

Dans la v0.20.0 testée, retrieve.js appelait os.path.dirname(HEALTH) en Node, où os.path n’existe pas ; un catch vide masquait l’erreur et le cache ne persistait pas. Selon le rapport, trois essais n’ont créé aucun fichier. Le code actuel v0.21.0 emploie path.dirname et le CHANGELOG signale la correction v0.20.1. Nous avons vérifié le changement de code, pas son exécution.

Là où la licence s’arrête

Le README annonce MIT pour le code propre et pointe vers LICENSE, absent à la racine ; GitHub ne détecte aucune licence. AI4Animation est marqué CC-BY-NC 4.0 et Remotion a ses propres conditions. Les composants facultatifs et flux externes demandent un examen avant toute donnée sensible.

Verdict

L’accélération de l’étape de construction du pack est crédible d’après les mesures du harnais fournies et cohérente avec la récupération parallèle des sources. Une meilleure qualité d’agent ou une productivité de bout en bout n’est pas établie. Essayez le noyau étroit sur un travail non sensible, vérifiez quel moteur de repli a réellement tourné, et répétez les essais contrôlés avant de vous appuyer sur une affirmation plus large.

Projet et auteur

Code source Fable · Commit v0.20.0 · Changements et correctif.

Code vérifié le 25/09/2026 à aaeeeb5 ; mesures HTML de a86b9fb fournies, non reproduites indépendamment.