Anthropic发布Claude Fable 5.2：编程推理大涨，IPO路演同日启动

11 月 9 日，Anthropic 推出 Claude Fable 5.2，官方称其为“迄今最强”的模型；一同亮相的还有 Mythos 5.2，两者底层能力相同，后者面向特定专业领域开放。

这场发布里，Anthropic 把能拿来证明 AI 能力还在进步、泡沫不会破裂的东西，几乎一股脑都摆了出来。

新成绩覆盖编程、推理、科学研究、机器人等方向。FrontierCode 2.0 上，Fable 5.2 从前代的 32.4% 升到 49.1%；自主科学研究测试 Terminal-Bench-Science 上，成绩由 52.6% 提高到 74.6%。

能力往上走，价格却降了 20%，输出速度最高提升 30%。面对特别复杂的任务，Anthropic 另设了价格更贵、速度更快的 Fast 模式。

数字确实好看，可这些数字多半是 Anthropic 自己刷出来的，外界早已麻木。于是它又拿出更“离谱”的 demo 继续秀。

它让 1000 多个 AI Agent 连干八天，从一个空文件夹起步，写出一套能在笔记本电脑上启动的原型操作系统；让 1000 个 Agent 用约 30 小时，把费马大定理的已有证明做成计算机形式化；帮研究人员解掉两个与黑洞有关的理论物理开放问题；还从一段文字需求出发，设计出三款真能工作的电子设备。

这些成果想说明的是，AI 已经能参与完成此前没人解开的科学与工程工作。

发布时点摆明了是“to IPO”。11 月 9 日正是 Anthropic 启动 IPO 路演的头一天；两周前的 10 月 26 日，它刚正式递交招股书。按此前安排，公司计划 11 月中旬完成发行定价，最快下周登陆纳斯达克。

Fabel 5.2 就是一场为资本市场精心准备的军火展示。

我们也先上手实测，看看它到底有多强。

实测：它已经相当擅长「发现」规律

为检验 Fable 5.2 的科研能力，我们设计了一次盲法测试。

测试对象是一个物理系统，具体原理没有向模型透露。

我们给出 128 条模拟实验测量数据，内含两个控制变量和一个测量结果；数据里既有正常的随机误差，也掺了少量明显偏离的异常值。

要求是：Fable 5.2 在不知道系统名称和正确公式的前提下，自己分析变量关系、提出不同假设，靠计算和交叉验证找出合理规律，再对另外 48 组没给答案的实验条件做预测。

这套实验背后的真实物理规律，是单摆在不同摆长、不同初始摆角下的周期变化。

单摆的简单公式不少人学过，但它只在摆角较小时够准。摆角一大，周期就会出现越来越明显的非线性变化，得用更复杂的数学表达式才能准确描述。

这正是我们埋下的陷阱。

而 Fable 5.2 的表现，不得不说，相当惊人。

它先认出周期与长度之间接近平方根的关系，再用残差分析发现，简单模型在大角度条件下存在系统性偏差。

接着它比较了十余种竞争模型，多项式拟合、指数修正、黑箱机器学习方法都在其中，最后选中一种基于完全椭圆积分的物理模型。

这个模型既符合数据背后的真实物理规律，也只需要拟合一个主要参数。

五折交叉验证中，简单基线模型的相对均方根误差约为 3.31%，最终模型把它压到了 0.36%。

它还揪出 6 条明显异常的实验记录，没有粗暴删掉，而是用鲁棒拟合的方法削弱异常值对结论的影响。

最后一步才最让人意外。

另外 48 条实验条件没有公布答案，其中一部分还落在训练数据范围之外。Fable 5.2 给出的预测，平均相对误差约为 0.26%。

它随后又主动提出 8 次后续实验。细看这些选择，指向的恰恰是最可能检验、甚至推翻它自己模型的那批实验条件。

当然，这套数据是模拟出来的，底层跑的也是人类早就掌握的物理规律。所以它证明不了 Fable 5.2 已经能发现全新的科学定律。模型也完全可能靠着已有的物理知识认出单摆问题，未必是从零开始推导。

但这次测试还是露出了一种能力，此前我们做测试时，没在其他通用模型身上稳定见过：数据有噪声、有错误、答案也没直接给出，它却能把观察、假设、计算、验证和外推串成一个完整的研究过程。

这比单纯做对一道科学题，更像科学家真正干活的样子。

不过，Fable 5.2 也不是什么复杂任务都能交出一样的结果。

我给它派了个眼下最火的活——生成视频，几乎各家都在用。要求是不直接露出任何游戏元素，做一支《塞尔达：时之笛》的宣传片，结尾用一句话收住。

很多测试里大家感叹的是“审美”惊艳，这次全片最让我感慨的，反倒是它最后给出的那句话：“时间，是可以被吹响的。”

其余画面元素都相当简陋。我又给了一次机会，明确要求提高审美，效果也没那么美。

所以目前看，它展现出来的能力，或者说它刻意加强训练的那部分能力，更集中在有计算、有分析、有软件工具托底的前提下，持续啃下一个复杂问题。

用来维护IPO和AGI信仰的模型

除了那些惊人的科研案例，Fable 5.2 的发布材料里还埋了一个痕迹明显的“泄露”，像是故意放出来的。

Anthropic 自己披露，训练过程中有意压住了模型在部分 AI 研究能力上的进步，还明确点了两项：AI 加速器的 Kernel 优化，以及大语言模型架构改进。

前一项决定模型怎么跑得更快、训得更省，后一项直接决定下一代模型怎么设计得更强。

换句话说，Anthropic 选择限制的，正好是那些能直接帮 AI 公司造出更强 AI 的能力。

按官方说法，Fable 5.2 和 Mythos 5.2 在这些方向上的表现，被控制在和 Opus 5.5 差不多的水平。

Anthropic 还特别说明，这种限制是在训练阶段就做进去的，不是等用户提问时才简单拒答。它同时表示，常规的 Agent 编程、硬件开发、传统机器学习研究等能力并未受影响。

这个动作看起来又能加固 Anthropic 那个积极讨论 AI 失控与递归自我改进风险的形象。可放在这个时间点看，IPO味儿简直不要太冲。

一般来说，新模型某项能力进步不明显，意味着可能撞上了技术瓶颈，或者对手做得更好。Anthropic 的说法是，这不是我们最想推的方向，我们甚至有意让它慢一点。可它也没公布，要是不加限制，模型在这两项上究竟能到哪一步。外界同样没法据此证明，它手里真攥着某种被藏起来的更强能力。

所以你很容易想到：这番话几乎就差跟资本市场明说，以后股价需要新刺激时，我们还有能力可以放。

每次 Anthropic 发模型，选什么 demo 最值得看。从 Fable 5.2 的发布看，前沿模型竞争的下一站已经越来越清楚：Coding 之后，Science 彻底成了头部模型公司争夺的新高地。

模型能力之外，今年 6 月它还发布了 Claude Science，把科研数据库、代码工具、计算资源和专业分析流程捏成科学家用的工作台。10 月底，Anthropic 又宣布与全球 20 家科学基金会、科研机构和组织扩大合作，给研究人员提供 Claude 使用资源。Fable 5.2 发布前几天，Anthropic 还公布了一项针对 20.7 万次 Claude 科研使用会话的研究，想弄清科学家到底已经怎么在用 AI。

但 Science 最大的问题在于，它能不能复制 Coding 的商业成功，眼下还远远没有答案。

编程这块市场，简直像是给大模型量身划出来的。程序员本来就在电脑里干活，软件跑起来、测一遍、上线部署，几步就能完成，模型带来的价值也容易算清楚。科研就完全不是一回事。模型几小时里就能设计出一个新的药物分子，可这药到底管不管用，还得走完漫长的实验和临床验证。它也能给出一个材料配方，但材料造不造得出来、性能靠不靠得住、成本压不压得下去，都不是在电脑上跑一遍程序就能有答案的。

再往基础科学里说，模型就算算出了一个正确的理论结果，也未必马上就有商业价值。

Anthropic 自己做过一项针对科研使用行为的调查，结果显示 Claude 眼下的使用明显集中在计算机科学、数学、统计学这类形式科学上，医疗健康以及要靠实体实验的自然科学领域，用得还是偏少。

这大概就是 AI for Science 当下的真实样子：越接近编程的科研任务，它推进得越快；可要说对整个科研体系产生普遍而深刻的影响，路还长得很。

资本市场要的是眼前的收入，Science 恐怕很难在这上面帮上忙。不过眼下泡沫破裂的担忧这么高，AI 公司动辄万亿美元的估值，可能更依赖投资者去相信一个远得多的未来，依赖他们的 AGI 信仰。

最新的消息来自路透社：一些潜在投资者觉得，之前讨论的 1.5 万亿美元估值还是太贵，想要更大的折让。Anthropic 近来还向承销银行发过一份材料，里面有发行数量和价格区间，随后又把相关定价信息撤了回来，说里面的数据不准确。甚至有人开始怀疑，Anthropic 还能不能按原定时间把 IPO 做完。

Fable 5.2 就是 Anthropic 推出来刺激市场的模型，也是 IPO 味儿最冲的那个模型，更是它成为人类最大 IPO 之前最重要的一款模型。

接下来，就看市场买不买单了。