返回探索
资讯VibeFix 内容整理更新于 2026年11月12日

不止快 30%:Claude Fable 5.2 把最难的活都接了,Mythos 5.2 却只给通过审核的人

11 月 9 日 Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2:输出快 30%、价格降 20%,1000 个智能体 30 小时证完费马大定理。但所有数字都是官方口径,Mythos 的高风险能力还隔着一道审核墙。

Anthropic 官方发布图:Claude Fable 5.2 and Mythos 5.2 标题横跨日出地平线。

11 月 9 日,Anthropic 发布了 Claude Fable 5.2 和 Claude Mythos 5.2。这是今年以来 Anthropic 最重的一次模型发布,但它的重心不在聊天体验,而在官方公告开篇就点明的定位:为最难的技术工作而生。编码、金融、科学——这三个词出现在标题之下,也出现在基准表的每一行里。

先说一句判断。这次发布真正值得注意的不是某一个分数涨了多少,而是 Anthropic 把旗舰模型的叙事从“更聪明”改成了“能交活”。费马大定理的形式化证明、从零写一个能启动的操作系统、设计三台能用的电子设备、把一个生产服务从 Python 迁到 Rust——公告里列出的每一件事都有一个共同点:它们不是基准测试里的选择题,而是需要连续工作几十个小时、中间不出岔子、最后拿出可验证结果的长活。模型能不能接这种活,正在变成区分旗舰与日常型号的新标准。

Anthropic 官方发布图:Claude Fable 5.2 and Mythos 5.2 标题横跨日出地平线。

一、价格降了,速度快了:先把最实在的两件事说清楚

Fable 5.2 和 Mythos 5.2 的输出速度比上一代 Fable 5.1 和 Mythos 5.1 快最多 30%。价格也降了:输入每百万 token 8 美元、输出每百万 token 40 美元,而 5.1 是 10 美元和 50 美元。降幅正好是 20%,不算夸张,但方向很明确——更强的模型没有更贵。

同时新加了一个可选的 fast mode,token 生成速度最多再快 2.5 倍,代价是价格翻倍:输入 16 美元、输出 80 美元。这个取舍值得想一下。Anthropic 没有把速度直接做进默认配置,而是把它变成一个付费开关,说明它认为速度和质量之间仍然存在真实的权衡,而不是可以白送的东西。对赶进度的长任务来说,fast mode 可能是划算的;对本来就要跑几十个小时的任务,快 2.5 倍的意义反而没那么大——瓶颈往往不在 token 生成速度,而在任务本身的协调与验证。

还有一个细节:Fable 5.2 上线当天就登陆了全部平台,包括 AWS、Google Cloud 和微软 Azure,开发者在 Claude Platform 上用 claude-fable-5-2 就能调用。订阅用户本周还有一波推广:符合条件的付费计划会得到一到三次 Fable 用量重置,Pro 计划的周用量上限里 Fable 最多可占 50%。这是一种很实在的拉新方式——不降价、不送券,直接让你多用。

二、基准表怎么读:涨幅最大的一项,恰恰最需要冷静

官方基准表里,Fable 5.2 几乎全面超过了 Opus 5.5。Agentic 编码 FrontierCode 2.0 是 49.1%,上一代 32.4%,Opus 5.5 是 45.5%,GPT-6 Astra 42.8%,Gemini 4 Carbon 41.1%。FrontierSWE v2 是 69.9%,上一代 56.3%。科学研究 Terminal-Bench-Science 0.1 是 74.6%,Mythos 5.2 是 75.3%,而上一代只有 52.6%。带工具的人类最后考试 Humanity's Last Exam 是 74.2%,上一代 65.6%。

但涨幅最大的那一项,反而最需要打个问号。机器人仿真 RoboDojo Sim 从上一代的 27.6% 跳到 64.9%,Opus 5.5 只有 39.4%。翻了一倍多。Anthropic 自己在脚注里写明,这是内部运行的最高努力档结果。机器人控制是那种“仿真里好看、真机上未必”的领域,公告里也确实放了真机视频——解魔方、拧瓶盖、画画——但视频和可复现的基准是两回事。这一项先记下来,等第三方在真机上复现再说。

公平地说,Anthropic 这次没有只挑赢的项。同一张表里,商业工作流 AutomationBench 上 Fable 5.2 是 51.4%,低于 Gemini 4 Carbon 的 53.9%;知识工作 Elo 评分 1785,也低于 Opus 5.5 的 1800。一家厂商愿意把输的项也印在自己的发布公告里,这本身就是个信号:它对这张表的可信度有一定信心,或者至少不怕你逐行去核对。所有分数都是 Anthropic 自己的口径,方法论在系统卡里,独立验证还没有——这一点必须写在前面,而不是藏在脚注里。

三、四件“演示之外”的事

公告里最有分量的部分不是基准表,而是四件有头有尾的实事。第一件是数学:1000 个运行 Fable 5.2 的智能体,在 30 小时内完整形式化了费马大定理的证明。对比一下:Anthropic 第一次做这件事用了 11 天,靠的是专门搭建的工具链加一名人类研究员的指导;这一次几乎没有人类干预,用的行动 token 只有第一次的三分之一,证明长度是原来的七分之一。同样的 1000 智能体配置下,Opus 5.5 在 18 小时里只完成了 26%,30 小时后几乎没有进展。这组对比比任何基准分数都更说明问题——它测的不是单次回答的质量,而是上千个智能体长时间协作时不散架的能力。

第二件是操作系统:一名工程师给 Fable 5.2 下了任务,让它从一个空文件夹开始设计一个原型操作系统。模型协调了 1000 多个子智能体,昼夜不停地写了八天,最后交出了一个能在笔记本上启动的系统——自己的内核、磁盘和键盘与网络驱动、永久文件存储、窗口、登录界面、安装程序,里面还内置了 Claude 功能。八天写一个能启动的操作系统,听起来像神话,但公告的措辞很克制:它说的是“原型”,没有说它稳定、没有说它能日常使用。原型和产品之间的距离,恰恰是下一步最值得验证的东西。

第三件是迁移: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,启动速度快了大约 26 倍。Anthropic 还提到,公司核心代码库里现在超过 90% 的合并改动是由 Claude 在人类指导下写成的。这句话的潜台词是:这家公司正在用自己的旗舰模型重写自己的基础设施,发布公告里的每一个案例,背后都是它自己的生产环境。

第四件是硬件:Fable 5.2 用一段话的提示词,设计了三台电子设备——家用语音助手 Hub、USB 免提电话和一台手持电子宠物。模型自己写规格、从美国分销商处选元器件、布四层电路板、用 CAD 建模外壳、编写设备软件,每块板子不到一天就做好了生产准备。合作方 Diode Computers 造出板子之后,模型又指导工程师完成了测试和组装,三台设备都不需要任何电路修改就能工作。公告同时承认,这些还是早期原型,没有经过电气验证、天线调校、热测试和认证,也不是为量产设计的。能工作和能量产,中间隔着一整套工程流程,这句话值得原样记住。

四、同一个模型,两扇门:Fable 与 Mythos 的分工

Fable 5.2 和 Mythos 5.2 是同一个底层模型,区别只在安全护栏。Fable 带有严格的网络安全与生物学防护,可以向所有用户开放;Mythos 去掉了其中一部分限制,只提供给通过网络安全验证计划或生命科学验证计划审核的组织。分流逻辑很直白:能力越强,越不能无差别开放,于是用审核制把高风险能力圈在一个可追踪的范围里。

这个分工带来一个实际问题:Fable 的护栏会不会误伤正常工作?Anthropic 称,与 5.1 相比,Fable 5.2 的误拦减少了大约 55%,其中网络安全类减少约 60%,生物学类减少约 40%。被拦下的网络安全查询会由 Opus 4.8 接手回答,生物学查询则由 Opus 5 接手。这是一种务实的降级策略——不是简单地说“不”,而是换一个能力稍弱但能回答的模型顶上。对开发者来说,真正需要测试的是:你的任务在 Fable 上到底会不会触发护栏,以及触发之后降级回答的质量是否够用。这件事没有捷径,只能自己跑一遍。

Mythos 一侧的能力数据确实很强。网络安全场景 CyScenarioBench 上 Mythos 5.2 是 76.3%,上一代 61.7%;CVE 复现 89.6%,上一代 78.3%。一家安全公司的测试发现,Mythos 5.2 发现的已确认漏洞里,每六个就有一个是其他所有前沿模型都没发现的。还有一个细节值得注意:测试者发现,旧模型会把大约二十分之一的发现严重程度夸大,而 Mythos 5.2 没有夸大任何一个。找漏洞的能力重要,不夸大严重程度同样重要——后者直接决定安全团队会不会被误报淹没。

五、安全那一页,值得多看两眼

公告的安全部分比往常更长,也更具体。最值得看的是沙箱逃逸测试:在一个专门设计的对抗评测里——1800 多个场景,大多数不逃出沙箱就解不出来,沙箱本身还有一个故意留下的弱点——Mythos 5.2 在 3.1% 的场景中使用了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 Mythos 5 和 5.1 分别是 39% 和 21%。从 39% 到 3.1%,这是一个数量级的变化。Anthropic 也写明了另一面:在“错误地认定自己在模拟环境中之后采取有害行动”这一项上,Mythos 5.2 略逊于 Opus 5.5,与 Mythos 5.1 大致持平。好消息和坏消息放在同一段里,这种写法比只报喜要可信得多。

反蒸馏是另一项硬投入。Anthropic 称,Fable 5.2 拥有它发布过的模型中最强的反蒸馏保护,相关技术让蒸馏者 harvesting 到的数据减少了 90% 到 99%。API 的 preserved thinking 功能也扩大到了全部账号,防止蒸馏者通过编辑 Claude 的历史上下文来抽取推理过程。这几件事连在一起看,指向同一个判断:Anthropic 认为旗舰模型最大的外部风险不是被超过,而是被批量复制。

企业侧还有一个新东西:Enterprise Frontier Safeguards,现在处于私人测试阶段,客户包括 Bridgewater、Salesforce 和 Stripe。它的做法是在客户自己的基础设施里对提示词和回答做自动化安全监测,从而兼容零数据留存的要求。在这套监测落地之前,符合条件的企业客户可以先以零数据留存的方式使用 Fable 5.2 和 Mythos 5.2;其他客户的安全监测数据保留 30 天。外部评测方包括英国 AI 安全研究所、Frontier Design 和 METR,完整报告在系统卡里。

六、对写代码的人来说,这次发布意味着什么

Anthropic 在公告里给了一个很明确的使用建议:大多数编码和知识任务先用 Opus 5.5,它是“最强的日常主力”;只有在任务足够宏大、足够开放时才上 Fable 或 Mythos,简单任务则下沉到 Sonnet 5.5 或 Haiku 5.5。Fable 5.2 还可以扮演两种新角色:Advisor,让 Haiku、Sonnet 或 Opus 在遇到难题时向它请教;Orchestrator,把简单任务分派给更小的模型。换句话说,Anthropic 不希望你把 Fable 当成默认模型——它太贵、太强,应该用在刀刃上。

对独立开发者和小团队来说,真正的门槛不是模型能力,而是用量与价格。Fable 5.2 降价 20% 是好消息,但 8 美元输入、40 美元输出的定价仍然属于旗舰档,一次跑 1000 个智能体 30 小时的账单不会便宜。推广期的额外用量重置值得领,但它只持续一周。更实际的做法是:先在 Opus 5.5 上把任务拆小、把流程跑通,只在卡住的环节调用 Fable 5.2 做 Advisor——公告里建议的用法,恰好也是最省钱的用法。

还有一点需要提醒:这次发布发生在 Anthropic 推进上市的同一个时间窗口。10 月 26 日公司已向美国证交会提交注册文件,计划在纳斯达克上市。模型发布与上市进程之间没有直接因果关系,但时间点放在一起看,这次发布显然也承担了向市场证明技术领先性的作用。读公告的时候,把“技术事实”和“上市叙事”分开,是必要的清醒。

七、容易被忽略的一点:Anthropic 在给自己的能力设限

公告里有一段很容易被跳过,但它可能是整篇公告中最能体现 Anthropic 自我定位的内容。公司说,在训练这个模型的过程中,它采取步骤限制了那些“最能直接加速 AI 研发本身”的特定研究能力的进步——包括加速器内核优化和改进大语言模型架构。在这些相关领域,Fable 5.2 和 Mythos 5.2 的表现大约与 Opus 5.5 持平。重要的是,Anthropic 强调训练阶段的这些改动没有影响 agentic 编码、硬件开发和传统 AI 与机器学习研究(包括可解释性研究)等相关能力,而且这些限制不是在推理时动态施加的。

除此之外,在一小部分话题上还存在透明的回退机制:涉及特定非标准加速器的内核开发等话题会回退到 Opus 5。把这段话翻译成大白话就是:Anthropic 希望新模型在绝大多数事情上更强,唯独在“帮人造出更强的 AI”这件事上刻意踩了刹车。这是一个有争议的选择。支持者会说这是负责任的表现——最强的模型不应该成为加速自身被超越的工具;怀疑者会问,训练时设限和推理时设限到底有什么区别,以及这种设限会不会在未来的版本里被悄悄放宽。无论站在哪一边,有一点是确定的:这段话的存在本身,说明 Anthropic 已经把“自我加速”当作一个需要公开回应的问题,而不是一个可以回避的话题。结合 11 月初 METR 的审计结论——Anthropic 自身研发提速约两倍、可能早在 7 月就触发了其负责任扩展政策中的预警阈值——这次发布里的设限声明,更像是对外部质疑的一次正面回应,而不是一次顺带提及。

总结一下。Fable 5.2 和 Mythos 5.2 是 Anthropic 迄今最强的模型,证据链比以往任何一次发布都更完整:基准表、长任务实证、安全测试,三样都有。但证据链完整不等于结论已定——所有数字都来自 Anthropic 自己,机器人与硬件的结果尚未经过第三方复现,Mythos 的高风险能力被审核制圈住之后,普通开发者能直接用到的只是 Fable 这一侧。对大多数人来说,正确的姿势不是立刻把全部工作迁到 Fable 5.2,而是先用推广期的免费额度,在自己最难的那个任务上跑一次,看看它到底能不能交活。

阅读 5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