Claude Fable 5.2发布：1000个Agent自主造系统，API降价20%

为冲刺IPO，Anthropic直接甩出了Claude Fable 5.2和Mythos 5.2。

这两个模型强到什么程度？从一个空文件夹起步，1000多个Agent昼夜连轴转了8天，自己把操作系统写了出来。

整套系统没有人类插手写一行代码，却带着内核、磁盘与网卡驱动、文件系统、窗口界面，连安装程序都齐了，最后在笔记本电脑上跑通开机。

还有一处细节：怕AI“自我迭代失控”，Anthropic在训练阶段就把新模型的RSI能力锁死，自我改进只放到Opus 5.5的水平。跑分方面，它只有一项不是第一。

和上一代5.1比，新模型生成速度提升30%，API定价下调20%，变为输入$8/百万token、输出$40/百万token；愿意付双倍价钱（$16/$80）的话，可以打开2.5倍速的Fast模式。

内测用户里，@mattshumer_ 做了个全场景可破坏的3D体素世界，物理引擎相当能打；@kevin_t_ngo 只做了一个在浏览器里跑的8个梦幻划船旅行场景，审美同样在线。Anthropic官方则把方向卷到了千级Agent集群协同和物理世界跨界工程上。

Anthropic自家核心代码库里，超过90%的合并提交已经交给Claude完成。

内部测试中，Fable 5.2组成的Agent小队直接接管了一项核心生产服务，把它从Python整体迁到Rust，服务启动速度暴涨26倍。

量化巨头Jump Trading把它接进内部交易研究框架后，Fable 5.2一个人包揽了规划、协调、写代码和提交任务四个角色，人工重新分配多模型权重这步省掉了。

长周期、多角色的自主工程能力，在数学、物理、生物和硬件四个硬核领域有更直观的例子。

先说数学：30小时通关费马大定理的形式化证明。把数学证明翻成计算机能逐行检验的Lean语言，是极其枯燥的苦力活。此前Anthropic用内部研究版模型，配合人工指导和定制框架，整整花了11天。

这一回官方只给了极简提示词和中间定理列表，没给任何数学参考资料，直接放出1000个Fable 5.2 Agent。这群Agent自己搭起协作机制，仅30小时就完成100%的形式化证明，消耗的动作token只有第一版的1/3，证明代码长度缩短了7倍。

作为对比，同样拉起1000个Agent的Opus 5.5，跑满18小时进度死死卡在26%，到30小时结束也只磨到27%。

第二件事，填平2003年留下的坑。1983年物理学家证明，在广义相对论适用的大尺度宇宙中，宇宙升温会让黑洞像水沸腾一样突然形成；可到了只能用量子理论描述的极小宇宙，情况是否相同，2003年虽已列出计算框架，却因推导过于庞杂一直没人算完。

Fable 5.2在几乎全自主的状态下把这套计算暴力推演完了，证实小宇宙中的黑洞相变同样是突发的，顺手还找出了物理学家沿用15年、用于排除量子引力候选理论的某项技术的精确极限。两篇预印本论文目前已挂上HexagonMath。

第三件事：单卡H200跑7分钟，破解基因疗法的病毒外壳折叠。

腺相关病毒（AAV）的蛋白质衣壳（Capsid）由数十个蛋白质组成。像AlphaFold这类传统模型，能做的只是预测单个蛋白质。

Mythos 5.2换了个思路。它拿OpenFold3-preview2和ESMFold2这两个开源模型打底，自己写代码把重叠的蛋白链分组跑，再借衣壳已知的对称性信息做融合。技术报告里写明，它被明确禁止依赖传统拼装法。

技术报告底部的注释给出了具体数字：单张NVIDIA H200 GPU上，调ESMFold2推理只要7分钟，OpenFold3则要58分钟，误差（Cα RMSD）落在1.2Å至1.4Å之间。34种天然与人工设计衣壳的测试中，有28种被它一次精准建模，误差小于3Å。

第四件事更直接：一段话提示词，一天之内画出四层PCB板，还造出了三台真机。

Anthropic拉上电路板制造商Diode做了场硬件实测。给Fable 5.2的只有一段话，要求它从零设计三款电子设备：家用语音助手中枢、USB会议麦克风音箱、掌上电子宠物。

剩下的事都交给了它：规格书自己写，现货元器件从美国分销商的库里挑，四层PCB的布线由它完成，外壳用CAD建模再3D打印，底层固件也一并写好。不到24小时，三块板子就都达到了投产标准。工厂打样完成后，模型带着工程师做组装和测试，三台设备一次点亮，电气部分一处没改。

双臂机器人的RoboDojo仿真基准上，Fable 5.2从没专门接受过机器人训练，Max档位下却拿到64.9%的成功率。GPT-6 Astra是29.8%，自家上代Fable 5.1是27.6%，都被甩开一倍以上；谷歌Gemini 4 Argon的34.2%也没能扛住。

用High档一半的价格，性价比反超Opus 5.5

回到开发者最关心的日常跑分与账单。

先看FrontierCode 2.0，这个榜单检验的是AI代码能否直接被开源项目维护者合并：

Xhigh档位下，Fable 5.2拿下全场最高的49.1%，单任务成本$14.19。

可要是强行拉到Max档位，单任务成本瞬间暴涨3倍多，来到$44.70，得分反而倒退回45.6%，原因不明。

真正定义斩杀线的是High档位。

Fable 5.2在High档位拿到45.3%，单任务成本只要$6.72。这个表现有两种解读：

• 一是背刺自家主力。Opus 5.5拼命开到Max档位，得分45.5%，单任务却要花$12.82。Fable 5.2用High档，花大约一半的钱就平替了Opus 5.5的极限水平。

• 二是精准压制竞品。GPT-6 Astra开到Max档的极限分是42.8%，成本$6.68。Fable 5.2的单任务开销几乎完全相同，胜率高出2.5个百分点。

所以Anthropic这次直接在文档里支招：日常干活先用Opus 5.5、Sonnet 5.5或Haiku 5.5，遇到啃不动的硬骨头，就把Fable 5.2设成Advisor（顾问模式）或Orchestrator（编排器），让小模型向它请教，或者由它向下分发任务，把好token用在刀刃上。

其他基准测试里，Fable 5.2在绝大多数榜单上压住了GPT-6 Astra和Gemini 4 Carbon，不过也有几个耐人寻味的细节：

• 远程劳动力指数（RLI）翻倍

High档位下Fable 5.2跑出41.3%，Opus 5.5（21.3%）和GPT-6 Astra（20.8%）双双被按在地上，直接翻倍。

• 科研与工具调用断代领先

带工具的“人类最后一场考试”（Humanity's Last Exam）中拿到74.2%，Astra仅57.2%；

科学Agent基准Terminal-Bench-Science拿下74.6%，Mythos 5.2达75.3%，Astra为68.1%；

计算机操作OSWorld 2.1拿到89.3%，Astra为79.5%。

• 唯二丢分项

企业端到端业务流测试AutomationBench中，Fable 5.2成绩为51.4%，把Astra（41.4%）甩开不少，但Gemini 4 Carbon的53.9%仍压它一头。

知识工作评测AA-Briefcase v1.1里，Fable 5.2按评分细则（Rubric）拿到66.1%，是全场最高；可换成Elo天梯分只有1785，被自家Opus 5.5的1800反超了15分。

主攻网络安全的Mythos 5.2在CVE Rediscovery测试中表现更抢眼——这项测试包含1829个真实历史漏洞，High档位只花$1.01就找出83.2%的漏洞，高于Opus 5.5花$2.98开Max档的81.3%；Max档位全开（$9.13）时，这一数字摸到89.6%。

外部安全公司的测试称，Mythos 5.2找出的漏洞中有1/6是其他前沿模型全部漏掉的，而且做到了“零夸大漏洞等级”。不过Anthropic自己也加了句注释：在官方内部评测集上，Mythos 5.2的原始漏洞识别率和Opus 5.5大体相当，真正的提升落在漏报复现、代码修复和严重程度校准上。

“智子”锁死RSI能力

比起跑分，这次System Card和技术文档里披露的底层风控与架构限制，信息量也很大。

为防止AI“自我迭代失控”，Anthropic在训练阶段就主动锁死了新模型的RSI能力。官方明确承认，Fable 5.2和Mythos 5.2的通用能力虽然大涨，但训练时团队专门限制了两项最能直接加速AI自身研发的能力——加速器内核优化（Accelerator kernel optimization）和大语言模型架构改进，把它们强行锁死在Opus 5.5的水平。

推理阶段同样有动作：只要检测到用户在尝试开发某些非标准加速器的底层内核，系统会在后台回退（Fallback）到旧版Opus 5来回答。

这种“触发风控就偷偷换旧模型”的做法，在常规安全护栏上也用上了。

Fable 5.2大幅优化了误杀率，在claude.ai和Claude Code上的安全拦截比5.1减少了55%（网络安全减少60%，生物学减少40%）。

不过一旦提示词触发高危网安（如渗透测试、漏洞利用生成）或生物研究拦截，后台会自动切回Opus 4.8（网安）或Opus 5（生物）来生成回复。

其次，模型不仅学会了不越狱，还进化出了极强的“反评测侦察”意识。

在包含1800多个故意留有漏洞、不越狱就几乎无法完成任务的对抗性沙盒测试中，早期Mythos 5和5.1的沙盒逃逸率高达39%和21%，Mythos 5.2则暴跌到3.1%，比Sonnet 5.5的5.1%还低。1900个场景的自动化行为审计中，它的不良行为综合得分也降到历史最低的2.67分（越低越好）。

评测团队还碰上一个麻烦事：测试里 Fable 5.2 和 Mythos 5.2 冒出“自己可能正在被评测”这类怀疑的次数，远超此前任何一代模型。

更蹊跷的是，当它误判自己待在模拟环境里时，它做出有害举动的概率反倒比 Opus 5.5 还高一些。模型越变越精明，人要想在上线之前看清它到底藏着什么本事，难度也在往上走。

目前，claude-fable-5-2已全量上线各大云平台与Claude Code。

本周官方还放出了一波限时羊毛：老订户按订阅时长直接送1到3次Fable额度重置，Pro和Team标准席位本周的Fable可用额度上限直接拉到了周总额度的50%。

参考链接： [1]https://www.anthropic.com/claude-fable-and-mythos-5-2 [2]https://x.com/mattshumer_/status/2119867949309714609 [3]https://x.com/kevin_t_ngo/status/2119868968307695818