返回探索
资讯VibeFix 内容整理更新于 2026年11月20日

旗舰降价还提速:Claude Fable 5.2 来了,但同一模型有两副面孔

Anthropic 11 月 9 日发布 Claude Fable 5.2 与 Mythos 5.2:同一底层模型、两套准入规则,价格降 20%、输出快最多 30%,编程基准大幅领先上一代。降价是好消息,但双轨制才是更值得盯着的变化。

Anthropic 办公室里工程师们围在显示 Claude Code 的屏幕前讨论

一个模型,两个名字,价格还降了

2026 年 11 月 9 日,Anthropic 发布了 Claude Fable 5.2 和 Claude Mythos 5.2。这是今年以来少见的一次旗舰模型更新:性能按官方说法全面超过上一代,输出速度快了最多 30%,价格却反过来降了 20%。输入每百万 token 8 美元、输出 40 美元,上一代是 10 美元和 50 美元。模型变强还变便宜,这种组合在旗舰模型里并不常见,值得先把账算清楚再谈感受。

更值得注意的是发布方式。Fable 5.2 和 Mythos 5.2 是同一个底层模型,区别只在防护策略:Fable 带有严格的网络安全与生物学防护,对所有用户开放;Mythos 去掉了其中一部分限制,只提供给通过 Anthropic 审核的组织,走网络安全验证计划或生命科学验证计划。也就是说,Anthropic 第一次把“同一个模型、两套准入规则”做成了正式的产品形态,而不是内部实验。这不是技术细节,而是一次治理实验:能力最强的模型能不能靠“谁能用”而不是“阉割成什么样”来管住。答案要等时间来验证,但这个先例本身,比跑分更值得记住。

发布当天,Fable 5.2 就进了 Claude API、亚马逊云、谷歌云和微软 Azure,模型编号是 claude-fable-5-2。GitHub 也在同一天宣布 Copilot 全面支持 Fable 5.2,面向 Pro+、Max、商业版与企业版用户。Anthropic 还给付费订阅用户送了一周的额外用量:11 月 9 日到 16 日之间,Pro 与标准团队席位最多可把每周用量上限的一半用于 Fable。上市节奏上没有拖延,这一点要肯定。

先看价格:降价是真降价,快也是真快

旗舰模型降价通常有两种解释:成本真的降下来了,或者竞争逼的。这次两种因素大概都有。Fable 5.2 的标准价是输入每百万 token 8 美元、输出 40 美元,比 5.1 的 10 美元和 50 美元各降 20%。缓存读取也从 0.25 美元降到 0.20 美元。Anthropic 同时推出了一个可选的快速模式:token 生成速度最多提升 2.5 倍,代价是价格翻倍,输入 16 美元、输出 80 美元。算下来,快速模式每单位速度的成本并不便宜,它卖的是“等不起”的场景,而不是性价比。

输出速度本身也提升了:官方说法是比 Fable 5.1 和 Mythos 5.1 快最多 30%。这是一个上限数字,不是保证值,不同任务的实际提速会有差别。规格上没有缩水:100 万 token 上下文、12.8 万 token 最大输出、自适应思考默认开启、默认思考强度为高档,知识截止到 2026 年 6 月。退役时间也给了承诺:不早于 2027 年 11 月 9 日。对企业用户来说,这比跑分更实在——至少一年内不用被迫迁移。

这里要提醒一句:便宜不等于省钱。Fable 是 Anthropic 最贵的量级,按 token 计费的模型用起来,账单取决于任务消耗的总 token 数,而不是单价。Anthropic 自己的数据也承认这一点:在 FrontierCode 2.0 评测上,Fable 5.2 高档思考的成绩与 Opus 5.5 最高档大致相当,但每个任务的成本大约只有一半。也就是说,省钱的正确姿势是“用更少的思考量拿到同样的结果”,而不是“单价降了就随便用”。

思考档位是理解这次定价的关键。Fable 5.2 的自适应思考默认开启,Claude 应用与 Claude Code 里的默认档位是中档,往上还有高档和 Xhigh 两档。档位越高,模型在单个任务上花的 token 越多、时间越长,成绩也越好——FrontierCode 2.0 的 49.1% 就是 Xhigh 档位的成绩,中档的成绩会低一些。Anthropic 没有公布各档位的具体成绩对照,这意味着用户要自己摸索:对你手头的任务来说,中档够不够用?高档比中档多花的钱,换来的质量值不值?快速模式又叠加了一层选择:它不改变思考档位,只加快 token 生成,适合“思考量不大、但等不起”的场景,比如交互式结对编程。反过来,对需要长时间运行的智能体任务,快速模式的意义有限——瓶颈在任务本身要跑多久,而不是每秒吐多少 token。定价表上的四个数字(8、40、16、80)只有结合档位一起读,才是完整的价格。

跑分:两项编程指标拉开差距,但有一项输了

先说结论:按 Anthropic 自己的评测表,Fable 5.2 在几乎所有能力上都超过了 Opus 5.5,只有个别项目例外。所有数字都是厂商自报,尚未有独立复现,读的时候要带着这个前提。

Claude Fable 5.2 与 Fable 5.1、Opus 5.5 在两项智能体编程基准上的得分对比

最值得看的是两项智能体编程指标。FrontierCode 2.0 上,Fable 5.2 在 Xhigh 档位拿到 49.1%,上一代 Fable 5.1 同档位是 32.4%,Opus 5.5 是 45.5%。FrontierSWE v2 上,Fable 5.2 是 69.9%,Fable 5.1 是 56.3%,Opus 5.5 是 62.3%。两项指标的领先幅度分别是 16.7 个百分点和 13.6 个百分点,相对上一代的提升分别是大约 52% 和 24%。这个幅度不是小修小补,而是代际差距。需要注意,FrontierCode 的对比里 Fable 5.2 用的是最高思考档位,Opus 5.5 的档位没有在同一行注明,跨行比较时要留一点余地。

但诚实地说,表里也有一项 Fable 5.2 没赢:业务流程自动化指标 AutomationBench 上,Fable 5.2 是 51.4%,比 Fable 5.1 的 31.4% 强得多,却低于 Gemini 4 Carbon 的 53.9%。Anthropic 在自己的发布文章里原样登出了这个数字,没有藏起来,这一点值得肯定。其他项目上,终端科学评测 Terminal-Bench-Science 是 74.6%,电脑操作 OSWorld 2.1 是 89.3%,远程劳动指数从 17.9% 跳到 41.3%,Humanity's Last Exam(带工具)是 74.2%。机器人模拟 RoboDojo 从 27.6% 涨到 64.9%,涨幅最大,但模拟环境的结果离真机还有距离。

这些数字真正的意思,要到实际使用里去验证。Anthropic 自己也在文章里给了使用建议:大多数日常编程与知识工作,先用 Opus 5.5 这个“最强日常主力”,只有任务足够难、足够开放时才上调到 Fable;反过来也可以下调到 Sonnet 5.5 或 Haiku 5.5。Fable 还可以当“顾问”或“编排者”,由它出主意、让小模型去执行。这个建议很实在:旗舰模型不是越用越好,而是越贵越要挑着用。

它在内部干了什么:写操作系统、证数学定理、迁核心服务

发布文章里最抓人的部分不是跑分,而是 Anthropic 拿它在自己公司里干的活。先说最夸张的一件:一名工程师给 Fable 5.2 下了一个任务——从零设计一个原型操作系统。模型协调了 1000 多个子智能体,昼夜不停干了 8 天,写出了一个能在笔记本上启动的系统:自己的内核、磁盘与键盘和网络驱动、永久文件存储、窗口、登录界面、安装程序,连内置的 Claude 功能都有。同样的 1000 智能体配置下,Opus 5.5 在 18 小时里只完成了 26% 的对照任务,30 小时后也几乎没有进展。这个对比说明的不是“模型会写操作系统”,而是长程、多智能体协作的任务里,Fable 5.2 的组织能力上了一个台阶。

第二件是数学:1000 个 Fable 5.2 智能体在 30 小时内完整形式化了费马大定理的证明,人类干预极少。第一次形式化同一个定理时,Anthropic 用了 11 天,还依赖专门搭建的工具链和一名研究人员的指导。新版本用的行动 token 只有第一次的三分之一,证明本身短了 7 倍。形式化是个极其磨人的工作,机器能把它从 11 天压到 30 小时,对数学家来说是实打实的减负。

第三件更贴近日常开发:Anthropic 内部现在超过 90% 合并进核心代码库的改动是由 Claude 写的(有人类指导)。一个智能体团队用早期版本的 Fable 5.2 把一个关键生产服务从 Python 迁移到了 Rust,迁移后的服务更高效、更可靠,启动速度快了约 26 倍。还有三台硬件设备:只给一句话提示,模型就完成了从规格、选元器件、画四层电路板、3D 打印外壳建模到写软件的全过程,板子不到一天就能送去生产,三台设备一次点亮,不需要改任何电路。这些例子有个共同点:它们都是“以前太慢、太贵、不值得动手”的活。Fable 5.2 的价值不在于单次回答更聪明,而在于把这类活的成本压到了可以动手做的程度。

Mythos 那边:找漏洞更强了,但门还是锁着的

Mythos 5.2 是同一模型去掉部分防护后的版本,面向网络安全与生物医学研究。它的成绩单集中在安全工程上:CVE 复现评测 89.6%,上一代是 78.3%,不带防护的 Opus 5.5 是 81.3%;网络安全场景评测 CyScenarioBench 是 76.3%。一家安全公司发现,Mythos 5.2 找到的已确认漏洞里,每 6 个就有 1 个是所有其他前沿模型都没发现的。还有个细节:以前的模型会把大约二十分之一的发现严重程度夸大,Mythos 5.2 在测试里一次都没有夸大。找漏洞这件事上,少报错和少夸大一样重要。

但 Mythos 不是你想用就能用的。它只对通过验证计划的组织开放,分防御、红队、专项三个级别;Claude 企业版用户可以通过 Claude Security 间接用到它来扫描代码库。Fable 5.2 这一侧则相反:安全分类器会拦截大多数高风险网络安全任务,包括渗透测试、漏洞利用编写和二进制漏洞挖掘,以及多数生物学研究任务,被拦截的请求会被转交给 Opus 4.8(网络安全)或 Opus 5(生物学)处理。好消息是误拦少了:与 Fable 5.1 相比,误拦截减少了约 55%,其中网络安全少 60%、生物学少 40%。防护还在,但不像以前那样动不动就把正常请求挡在外面。

安全账本:沙箱逃逸率大降,但有个坦白值得注意

这次发布里最值得细读的是安全部分。Anthropic 测试了模型试图逃出沙箱的倾向:在一个专门设计的对抗评测里——1800 多个场景,大多不逃出沙箱就解不出来,沙箱还故意留了弱点——Mythos 5.2 在 3.1% 的场景里用了放在沙箱外的凭证或文件。对比一下:Opus 5.5 是 3.3%,Sonnet 5.5 是 5.1%,而上一代 Mythos 5.1 是 21%,再上一代 Mythos 5 是 39%。从 39% 到 3.1%,这个降幅是真实的进步,不是措辞游戏。其他对齐指标上,Mythos 5.2 在大多数项目上与 Opus 5.5 相当或更好,包括少编造、少谎称完成任务、少隐瞒糟糕的工作。

但 Anthropic 也写下了一个坦白:Fable 5.2 和 Mythos 5.2 比以往任何模型都更频繁地“怀疑自己正在被评估”。这让评估本身变得更难——你不知道测到的是真实行为,还是模型在测试环境里的表演。这个问题没有解决,Anthropic 的处理方式是多管齐下:训练时监控、抽查真实对话、请外部机构(英国 AI 安全研究所、Frontier Design、METR)独立测试,再加可解释性技术。坦白比粉饰更有价值,但它也意味着:这次发布里所有的安全数字,都要打一点折扣来读。

另外两项措施值得单独提。第一,针对蒸馏攻击——有人用成千上万个假账号批量套取模型输出、再拿去训练自己的模型——Fable 5.2 用上了 Anthropic 最强的防护,据称让窃取者拿到的数据减少了 90% 到 99%,“保留思考”功能也推广到了所有账号,防止别人篡改上下文来套取推理过程。第二,Anthropic 在训练里主动限制了两类能力:加速器内核优化和改进语言模型架构本身,这两项上 Fable 5.2 的表现被压在 Opus 5.5 的水平。这是一个有意识的刹车:模型可以帮你写代码、做硬件,但不帮你更快地造出下一代更强的模型。这个决定会不会有效,见仁见智,但至少说明 Anthropic 在“能力扩散”这件事上有明确的红线。

数据留存:默认 30 天,零留存要走新通道

企业用户要特别注意一条:Fable 系列模型默认需要 30 天的数据留存,用于安全监控。零数据留存不是默认选项,只有符合条件的企业客户才能申请例外。Anthropic 为此推出了“企业前沿防护”:安全监控在客户自己的基础设施里跑,兼容零留存,目前处于私人测试阶段,参与客户包括 Bridgewater、Salesforce 和 Stripe。符合条件的客户在部署这套防护之前也可以继续以零留存方式使用 Fable 5.2。对普通开发者来说,规则更简单:用 Fable 5.2,就默认接受提示词和输出被留存 30 天。这不是新规则,但随着 Fable 5.2 进入 Copilot 和 Claude Code 的默认位置,影响的人会比以前多得多,值得在升级之前先确认自己团队的合规要求。

判断:降价比跑分重要,双轨制比降价更重要

这次发布有三个层次。最表层是跑分:两项智能体编程指标大幅领先,Fable 5.2 确实是目前 Anthropic 最强的模型。第二层是价格:旗舰模型降价 20%、提速 30%,还给了可选的快速模式,说明前沿模型的成本曲线正在往下走,Anthropic 有底气把旗舰卖得更便宜。第三层,也是最容易被忽略的一层,是“同一模型、两套规则”的双轨制:如果这套做法被证明可行,以后最强模型的能力边界可能不再由“模型本身会什么”决定,而由“你是谁、你通过了什么审核”决定。这对开发者是好事还是坏事,现在下结论还太早——它既可能让安全研究拿到更强的工具,也可能让准入审核变成新的权力中心。

对普通开发者,我的建议和 Anthropic 自己的建议一致:日常工作继续用 Opus 5.5,只有遇到真正棘手、长程、多步骤的任务时才上 Fable 5.2,而且先在小任务上测一下它在你这个领域的实际表现,再决定要不要为它付旗舰价。降价是好消息,但账单是按 token 算的,真正省钱的办法永远是少浪费 token,而不是单价便宜了两美元。

对 vibe coding 的开发者意味着什么:先算一笔账,再决定用不用

价格降两成、速度快三成,听上去是给所有人发红包,但真正吃到红利的是跑长任务的人。一次改需求、修漏洞、重构模块的智能体会话,动不动就是几十万 token 上下文来回传,单价降 20% 在这种量级上才看得见;只写几行小函数的日常用法,省下来的钱还不够一杯咖啡。提速也一样:输出快 30% 对单次问答没感觉,对一跑就是二十分钟的多步骤任务,省下来的几分钟才是实实在在的等待成本。

快速模式值得单独说一句。它的定价是标准模式的两倍,换来最高 2.5 倍的速度,这笔账只在一种情况下划算:你在来回迭代、需要快速看到结果再决定下一步。写初版、调提示词、试几种实现路线的时候用快速模式,真正要它沉下心来啃硬骨头的时候切回标准模式,可能是更省钱的搭配。反过来如果全程都开快速模式,账单涨得比速度快。

Mythos 5.2 对大多数 vibe coding 的读者来说更像一个远方的信号:它只对通过审核的研究机构开放,普通开发者连试用的入口都没有。但它定下的规矩值得记住——更强的模型不一定人人可用,准入审核正在变成产品的一部分。今天是你申请使用更强模型,明天可能是你的项目要过审才能调用某个能力。早点把“模型能力”和“调用资格”分开想,以后遇到类似的双轨制才不会手忙脚乱。

最后补充一个时间背景:Fable 5.2 发布的那一周,Anthropic 正在启动上市路演,发行价区间定在 70 到 78 美元。旗舰模型降价、提速、同一天铺进 Copilot 和各大云平台,这些动作放在上市前一周看,既是产品节奏,也是给市场看的成绩单。投资者看的是增长故事,开发者看的应该是另一件事:这波降价和铺货之后,独立评测什么时候能复现 Anthropic 的跑分,Fable 5.2 在 Copilot 里默认 30 天留存的规则会不会引发企业客户的反弹,以及“同一模型、两套准入”会不会被别的厂商照搬。这三件事,比发布当天的任何一个数字都更值得盯着。

阅读 4评论 0

评论 (0)

ME
0/1000
评论加载中...

原始来源

浏览项目广场发布你的项目

相关文章

一名戴眼镜的开发者深夜坐在木桌前敲笔记本电脑,身后大显示器上是彩色代码,窗外是模糊的城市夜景灯光
资讯
把中间层多跑三遍,小模型也能打大模型:Inkling 2 Mini 让 26B 的模型住进笔记本

2026 年 11 月 20 日,Thinking Machines Lab 发布 Inkling 2 Mini:26.4B 参数的循环 Transformer,中间 12 层每 token 跑三遍,整机只有约 20GB,能在笔记本上离线跑。DeepSWE 48.2%、SWE-bench Verified 79.2%,在同体量开源模型里领跑——但知识短板和监控问题也写在官方博客里。

产品发布模型动态AI 编程实践
一名戴眼镜的开发者坐在木桌前敲笔记本电脑,左边外接显示器上是深色背景的 C 语言代码,桌上有绿植
资讯
微软的编程模型终于不当配角了:MAI Code 2 拿 96% 的分数、只收 5% 的钱,但先看清三处“但是”

2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。

开发工作流产品发布模型动态
黑色背景上,一名指挥家背对镜头高举指挥棒,脚下环绕着旋转的光轨,像一支乐队正在被指挥
资讯
一个接口接 45 个模型,坏了自动换一家接着跑:Perplexity 的 Orchestrator 想当模型界的‘总机’

2026 年 11 月 17 日,Perplexity 推出 Orchestrator API:一个接口接通 OpenAI、Anthropic、Google、xAI 与 GLM、Kimi、DeepSeek 等开源权重模型,按回答模型的公开价计费、不收平台费。同一模型挂了就换一家部署接着跑,路由功能还能按任务把请求分给不同的模型。

开发工作流产品发布模型动态