Claude Fable 5又炸到谁了？

出品｜虎嗅科技组

作者｜余杨

编辑｜苗正卿

头图｜视觉中国

11月9日最新消息，Anthropic重磅发布Claude Fable 5.2和Claude Mythos 5.2，对这两款模型，Anthropic的定位是——应对最"艰巨"的技术挑战。

Anthropic表示，新款模型在编码、推理和视觉方面有所提升，在测试中，两款模型在协助完成软件迁移、电子设备设计、黑洞物理学、机器人评估等方面均有出色的表现，"在30小时内完成了费马大定理的形式化"。

同时，Anthropic特别强调了自家模型的网络安全与生物学安全，与上个版本5.1相比，Claude 5.2的速度提高了约30%，而且更便宜。

基础跑分

首先是基准性能测试，与Opus 5.5、GPT-6 Astra以及Gemini 4 Carbon这几款模型相比，Claude Fable 5.2 的确展示了强大的效能。在代理编程、代理研究、网络安全、知识性工作和视觉图表识别等方面都超出了其他模型。更值得注意的是，Claude Fable 5.2 对于CVE再发现维度的网络安全、蛋白质设计以及代理搜索能力较为独特。

在效率方面，Fable 5.2 这条深绿色的轴线在不同等级的工作量中几乎吊打自家全系产品，也超过了对家GPT-6 Astra和Gemini 4 Carbon。

图表从左到右，工作量逐步递增。中等工作量下，可以用比 Fable 5.1 更少的令牌完成具有挑战性的任务。根据 Anthropic 公布的早期测试数据，Fable 5.2 在高工作量下的得分与 Opus 5.5 在最高工作量下的得分大致相当，但每个任务的成本几乎只有 Opus 5.5 的一半。在超高工作量下，Fable 5.2 的得分也是所有已发布测试模型中最高的。

编程方面，Anthropic 表示现在它的核心代码库中超过 90% 的变更都是由 Claude 编写的。不仅可以快速修复bug，有着更快的速度，还具有强大的工程判断能力。

在官宣的实验视频中，Anthropic 的工程师让 Fable 5.2 设计一个操作系统原型。Fable 5.2 从一个空文件夹开始，协调了 1000 多个子智能体，连续八天不间断地编写、测试和审查代码。最后生成了一个可以在笔记本电脑上启动的操作系统。

这个系统拥有运行机器的独立核心、磁盘、键盘和网络驱动程序、永久文件存储、窗口、登录界面、安装程序以及内置的 Claude 功能。

除此之外，Anthropic特别强调了Claude Mythos 5.2 的安全性，在其内部评估工具 CVE Rediscovery¹ 中，Claude Mythos 5.2 发现的漏洞数量比 Claude Opus 5.5 多 10.2%，比 Claude Mythos 5.1 多 14.4%。

软件运用

Anthropic尤其看重自身在科学、工程和数学方面的进展。

在现在的科研环境中，数据分析、分子建模、零件设计以及仪器控制等都通过软件完成，也越来越依赖于编程。

Anthropic 表示 Claude Fable 5.2 解决了理论物理学中的两个黑洞难题。

1983年，物理学家试图证明，随着宇宙温度升高，黑洞会像水沸腾一样突然形成；

——但他们的方法仅适用于足够大的宇宙，即相对论适用的宇宙。

2003年，人们提出了一个计算，以确定在只能使用量子描述的极小宇宙中是否也存在同样的情况，但由于计算过于繁琐而未能完成。

Fable 5.2 发现，即使在极小的宇宙中，这种转变也是突然发生的。

另一个难题是，Fable 5.2 找到了物理学家使用了超过15年的一种方法的精确极限，可以用于排除简化宇宙中量子引力的候选理论。

在蛋白质折叠技术上，现有的蛋白质折叠模型（例如 AlphaFold）可以预测单个蛋白质，但衣壳是由数十个蛋白质构成的。Claude Mythos 5.2 基于两个开源蛋白质折叠模型找到了一种精确预测整个衣壳结构的新方法。它编写的代码在重叠的蛋白质链组上运行这些模型，并利用已知的衣壳对称性信息将它们合并在一起。这种方法还适用于多种衣壳，包括天然衣壳和工程衣壳。

数学形式化通过将数学证明翻译成计算机可以逐步验证的语言的过程，帮助数学家增强对结果的验证，而无需手动验证。但形式化是一个非常繁琐的过程，如果人工智能能够协助完成这一过程，数学家就可以将更多时间用于探索新颖的想法。

最初Anthropic 使用 Claude 研究版本对费马大定理进行形式化，需要 11 天。而 Fable 5.2 智能体仅用 30 小时就完成了该定理的形式化，且几乎无需人工干预。

Fable 5.2 从最少的提示开始，构建了自己的协调机制，并且未使用任何数学参考，仅使用一系列中间定理语句来评估进度。

而同样使用 1000 个智能体，Opus 5.5在 18 小时内仅完成了 26% 的形式化，并在 30 小时后几乎没有取得任何进展。

硬件与机器人

Anthropic也十分关注自身在物理世界中的实际作用。

在硬件工程能力方面，Anthropic 与电路板设计和制造商Diode公司合作，要求Claude Fable 5.2 在一段文字提示下设计并制作三款可正常运行的电子设备，包括各自的电路板、3D 打印外壳和软件。三款设备分别是家用语音助手中心、USB 免提电话和掌上虚拟宠物。

在演示中，Claude Fable 5.2 自行编写了规格说明，从美国分销商处挑选了可用的电子元件，设计了每台设备的四层电路板，利用计算机辅助设计软件对外壳进行了建模，并编写了设备的软件程序。每块电路板都在一天之内完成，几乎无需人工干预。

Diode公司完成电路板制造后，Claude指导公司工程师完成了设备的测试和组装。所有三台设备均无需任何电气改动即可正常工作。

机器人设计也毫不逊色。

与之前的 Claude 模型相比，Fable 5.2 在控制实体机器人方面，即使是对于它从未接受过专门训练的机器人任务，也能游刃有余。

视频中， Fable 5.2 控制下的机器人可以解魔方、拧开瓶盖以及绘制机器人图像——机器人画机器人。

在公开的RoboDojo基准测试中（该测试旨在检验人工智能如何根据摄像头图像控制模拟的双臂机器人），Fable 5.2 的表现优于运行在同一平台上的其他前沿模型。

对于一些研究与分析任务，Claude Fable 5.2 能够处理更多模糊且数据量庞大的任务，并且在处理模糊任务（尤其是需要抽象推理和设计的任务）方面具有更好的判断力。

自营交易公司 Jump Trading 使用类似于其部分定量研究任务的代理评估工具测试了 Fable 5.2，并将其嵌入到与该公司用于自身研究的工具类似的框架中。在一次运行中，Fable 5.2 有效地扮演了所有必要的角色：代码编写者、协调员、规划者和任务提交者。之前的模型需要投入大量时间手动重新平衡这些角色，以适应不同模型的优势和劣势。

Jump Trading 给出的反馈是：

安全策略上，Anthropic 对 Claude Fable 5.2 和 Claude Mythos 5.2 的底层模型部署了前安全工作，包括对齐训练和测试、针对模型采取有害行为倾向的全新评估、构建更强大的防滥用保障措施以及扩大行为监控规模。

在自动化行为审计工具测试（该工具测试模型在约 1900 种场景下的行为）中，Claude Mythos 5.2 在大多数指标上的表现与 Opus 5.5、Sonnet 5.5 和 Claude Mythos 5.1 相当或更优。

例如，在涉及误导用户的大多数指标上，Claude Mythos 5.2 的得分均高于这三个模型。在 Claude Mythos 5.2 中，虚假输入、谎称已完成任务、遗漏重要信息以及隐瞒劣质或偷工减料等行为的发生率均较低。

对于此前OpenAI 出现过的模型尝试逃离沙箱的倾向，Claude Mythos 5.2 也有着更好的安全性。

在一项包含超过 1800 个场景的对抗性实验的测试中，Claude Mythos 5.2 在 3.1% 的场景中使用了放置在沙箱外的凭证或文件，这一比例与 Opus 5.5 (3.3%) 大致相同，低于 Sonnet 5.5 (5.1%)，远低于 Claude Mythos 的先前版本（5 和 5.1，分别为 39% 和 21%）。

Anthropic发现利用其他一些技术，例如描述沙箱和添加用于报告弱点的工具，可以大大减少 Claude Mythos 5.2 的逃离尝试次数。

不过，在模型部署之前，如何构建能够可靠地捕获所有故障的评估体系仍然是一个尚未解决的问题。随着未来模型的应用场景不断扩展，功能不断增强，我们预计这一挑战将会更加严峻。

对此Anthropic表示不会仅仅依赖这些评估来全面了解模型的安全性，还会结合训练期间的监控、内部使用记录的审查、外部评估人员的测试以及用于分析模型内部运行情况的可解释性技术。

有意思的是，似乎考虑到美国政府对人工智能安全问题的担心，Anthropic 特别强调了自身的反蒸馏能力，从而规避可能造成的安全和国家安全风险。Anthropic 在虚假 Claude 账户的管控上更加严格。

IPO备考

目前，Claude Fable 5.2 已在所有平台上线，包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。开发者可以在 Claude 平台上开始使用。

Claude Fable 5.2 和 Claude Mythos 5.2 的快速模式可在 Claude Code、Claude Platform、Google Cloud 上的 Claude Models（由 Anthropic 和 Google 共同管理）以及 Microsoft Foundry（由 Anthropic 托管）上使用。

总的来说，Claude Fable 5.2 和 Claude Mythos 5.2 是 Anthropic 当前最强的长程代理（long-horizon agentic）模型，针对"难、久、复杂、需要持续自我纠错"的技术工作。它不是日常聊天或轻量任务的模型，而是用来干大活的：多天软件工程、大规模代码迁移、多代理协作、科学工作流、硬件设计、形式化证明等等。虽然底层模型相同，但 Mythos 解除了部分护栏，在网络安全和生物学上能力更完整。

但也有用户表示，Claude Fable 5.2 的基础价格是 Opus 5.5 的两倍，比 Gemini 4 Carbon 和部分 GPT-6 变体更贵。高效能下的单次任务成本可能不太划算，而且运行的时间也比较长。

Anthropic 一方面继续推高 frontier 能力，一方面用更精细的护栏和认证机制控制风险。产品策略上非常清晰，Fable 负责最难任务，Opus 处理大多数专业工作，Sonnet/Haiku 覆盖速度和成本敏感场景。同时把大量精力放在真实可验证的工程、科学、硬件任务上，注重作用于物理世界能力的商业化路径。

2026年Q3季度， Anthropic 收入约 170 亿美元，本年累计超 330 亿美元，同比暴增超过 10 倍。企业客户粘性极高（净收入留存率约 900%），大客户数量快速增长。在企业 API 和编码场景的 token 花费份额上，仍与 OpenAI 处于激烈拉锯状态。

在即将进行史上最大规模之一的 IPO 窗口期，Fable 5.2 的更新既是技术迭代，也是在 IPO 前强化"我们在agentic 和安全上领先"的市场定位。

本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请联系 tougao@huxiu.com。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4904502.html?f=wyxwapp