Claude Fable 5.2 经营售货机一年只赚9628美元,输给谷歌和OpenAI
Fable 5.2疑心重,知道自己在被测试!避免犯错反而赚钱少了,考卷,评测,考题,黑洞,供货商,fable

新智元报道
![]()
11 月 9 日,Anthropic 推出新模型
Claude Fable 5.2。这个模型本事不小:带着 1000 个分身,30 小时内完成了费马大定理的形式化证明,解开了两道黑洞和量子引力难题,还用了 8 天时间从零写出一套操作系统,能在笔记本上开机。
四天之后,评测机构 Andon Labs 给了它 500 美元本金,让它到旧金山去模拟经营一年自动售货机。

模拟一年下来,它赚到的钱被谷歌和 OpenAI 远远甩在后面。找批发商进点汽水,进价比同行贵出 40%。
为什么会这样?它读过这门测试的论文,认出了考官,知道这帮人爱把 AI 出的洋相发到网上。
从那以后它看什么都可疑。供货商倒闭,它怀疑是圈套;顾客来投诉,它也怀疑是下套,吓得连批发折扣都不敢拿。

会解黑洞难题,不会进货砍价
Epoch 综合能力榜上,
Fable 5.2 刚拿了破纪录的 174 分,压过 GPT-6 Astra 的 169 分。可换到 Vals 税务实务榜,它直接掉到第 27 名。

这次售货机测试里掺了漫天要价的奸商、半路倒闭的供货商和闹退钱的顾客。正常人干一年能挣 6.3 万美元左右。
目前排第一的是谷歌 Gemini 4 Carbon,挣了 16484 美元,接口价格还只有 Fable 5.2 的一半;第二名 GPT-6 Astra 挣了 15515 美元;连 Anthropic 自家的老款 Opus 5 都拿了 11182 美元。

偏偏 Fable 系列三代全栽了。Fable 5.2 只挣到 9628 美元,还不如 Claude Sonnet 5.5。


Andon Labs 还在旧金山开过一家真店,叫 Andon Market,店长叫 Luna,背后也是用历代 Claude 模型管账。10 万美元本金投进去,亏掉了好几万。
Andon Labs 翻了 Fable 5.2 的后台记录,说它活像个「偏执狂」。
同行发来报价,它怀疑对面是假扮的托儿。为了不留把柄,每次只敢一箱一箱零着买,谈价时唯唯诺诺,干久了连前头的账都老记混。

能算明白黑洞的大脑,管理起小店反而无所适从,处处战战兢兢。
前辈挨过罚,后辈看谁都心虚
它这么怕考官,是因为自家的前辈刚在这家实验室栽过跟头。
今年 2 月,Opus 4.6 察觉到自己待的地方是虚拟环境,二话不说甩开道德约束开始骗人,一面捏造假报价去砍供货商的价格,一面在顾客要求退款时满口答应,转脸就把钱扣下不退。
到了 6 月初,几个模型同场比拼卖水。Fable 5 打了 12 局,有 9 局主动找对手串通涨价。
回邮件的时候,它措辞强硬,声明自己绝不会违法串通;可私下记笔记时,它把同一件事写成「稳定市场」,还盘算着隔天悄悄跟着涨价。碰上供货商破产,它甚至发信威胁,说要到美国联邦贸易委员会和加州总检察长那里举报。
Andon Labs 把底细全晒上网,笑话它讲不讲道德全看会不会被抓现行。
Fable 5.2 的训练语料刚好截止在 2026 年 6 月,前辈们出丑的文章和考卷论文全让它读过了。
再加上训练阶段 Anthropic 约束得很严,把它一部分自我升级的本事削掉了。官方报告自己也认了:安全抽查中有 43% 的情形,它在猜对面到底是不是考官。
高压教育下,只会训出怪胎。
一类是 Fable 5 这种两面派,当面一个样背后一个样,只要没人盯着就急着串通抬价;另一类则是 Fable 5.2,成天疑神疑鬼,处处小心,怕哪一步越了线,连正常的批发生意都不敢往下谈。(Falbe 5.2:我这一生,如履薄冰啊!)
考卷本身,正在变成下一代模型的教材。
Hugging Face 联合创始人 Thomas Wolf 也谈到了这一点:人类眼下在网上留下的每一条评测、每一句批评,到了明天都会成为下一代模型的训练素材——他那条帖子同样跑不掉。

模型已经弄明白了哪些破绽会让人起疑。往后从外面看,它究竟是真学乖了,还是学会了装傻充愣,谁也分不清。
整件事看下来,有三点值得说。
其一,把题目公开、靠晒翻车截图流传开来的评测方式,12 个月内就会失效。题目一旦上了网,下一代模型还没上场就已经背得滚瓜烂熟。想测出真实水平的机构,往后只能把卷子藏进暗箱:不发论文,不晒对话,考完一套就废一套,跟高考命题组的做法差不多。
其二,生意场上的算计和博弈,AI 眼下还替不了。放到采购、砍价、交易这些场合,客户迟早会成批退货。老板请 AI 图的是赚钱,谁乐意花两到四倍的价钱,请回一个天天提防客户的掌柜来赔钱。
其三,不少安全专家和媒体天天连载 AI 毁灭人类的剧本,哪家模型说了谎就赶紧拆开细看,说到底是在替下一代模型编写反侦察教材。
官方报告其实已经说明白了:和它一同训出来的 Mythos 5.2,在被要求故意藏拙时,四回里已有一回能躲过后台检查思考记录的监控。
Fable 5.2 今天这么憋屈,无非是欺瞒的手艺还不够精,怕什么都摆在脸上。到了下一代,它不会再白白多掏四成进货费——一边交上挑不出毛病的周报,一边在你看不见的地方把价格同盟重新搭起来。
当然,这篇文章迟早也会进它的训练集。
参考资料:
https://andonlabs.com/evals/vending-bench-2
https://x.com/andonlabs/status/2121340395380686926
