Claude Fable 5.2登顶Intelligence Index：1000个Agent造出操作系统

1000 个 AI Agent，用 30 小时把费马大定理形式化证明做完，又连着干了 8 天，从零搭出一套能在笔记本上跑的操作系统。

Anthropic 刚刚正式推出 Claude Fable 5.2 和 Mythos 5.2 两款新模型。上面这些成果之外，新模型还攻下了两个黑洞物理难题，生成速度最多提升 30%，API 价格下调 20%。

有点意思的是，Anthropic CEO Dario Amodei 公开喊话放缓 AI 开发速度，才过了两个月，Anthropic 又拿出了一款更强的前沿模型。同一时间，公司还在筹备估值 1 万亿至 1.5 万亿美元的 IPO。

嘴上说慢一点，手上冲刺万亿美元 IPO，Anthropic 这回到底掏出了什么新东西？

1000 个 Agent 连干 8 天，从零造出一套操作系统

按 Anthropic 的定位，Claude Fable 5.2 和 Mythos 5.2 是冲着复杂技术挑战去的旗舰模型，编程、推理、视觉理解和科学研究这几项能力是提升重点。

两款模型共用同一个底层模型，差别主要落在安全限制上。Fable 5.2 加了网络安全和生物研究方面的防滥用机制，普通用户都能用；Mythos 5.2 保留了更完整的专业能力，主要提供给通过审核的机构。

官方公布的基准测试里，新模型的表现很扎眼。

衡量 AI Agent 编程能力的 FrontierCode 2.0 测试中，Fable 5.2 拿到 49.1%，高于 Claude Opus 5.5 的 45.5%、GPT-6 Astra 的 42.8% 和 Gemini 4 Carbon 的 41.1%。

FrontierSWE v2 软件工程测试中，Fable 5.2 得分 69.9%，比上一代多了 13.6 个百分点。FrontierCode 2.0 测试里，它用较低的推理强度就拿到了接近 Opus 5.5 最高推理强度的成绩，单任务成本大约只有后者的一半。

第三方评测机构 Artificial Analysis 的最新榜单也印证了这一点。

Claude Fable 5.2 以 65 分登上 Intelligence Index v5 榜首，比 Gemini 4 Carbon 高 5 分，比 Claude Opus 5.5 高 6 分，9 项测试中有 5 项排第一。优势主要在科学推理、知识理解和编程能力上。不过最强推理模式下，平均单任务成本为 26.5 美元，大约是 Opus 5.5 的 2.6 倍。

比跑分更值得看的，其实是 Anthropic 拿出的实际工程案例。

有位工程师给 Fable 5.2 下了道题：从零设计一套操作系统。模型从一个空文件夹起步，自己协调 1000 多个子 Agent，连续工作 8 天，把代码编写、测试和审查都做完了。

最后，Claude 真的做出了一套能在笔记本电脑上启动运行的操作系统。

官方展示中，这套系统有自己的内核，支持磁盘、键盘和网络驱动，还带文件存储、窗口界面、登录屏幕、安装程序以及内置 Claude 功能。

它目前还是实验性质的原型系统。但 AI 已经能自主协调上千个 Agent，把这么复杂的软件工程项目做完，能力上的变化已经摆在那里。

另一个实际案例里，早期版本的 Fable 5.2 把 Anthropic 一项关键生产服务从 Python 迁到了 Rust，启动速度提升到原来的约 26 倍。

发布之后，AI 创业者 Matt Shumer 说 Fable 5.2 是自己用过的最强模型，过去别的模型难以实现的复杂项目它也能做，但有时候又「过度负责」，连正常的工作任务都要横加阻拦。

网友 Kevin Ngo 也晒了一款 Fable 5.2 做的 3D 游戏，直接在浏览器里就能玩，玩家可以乘船穿越 8 个梦幻世界；

开发者 Flavio Adamo 同样展示了模型生成的 3D 作品，直呼其三维创作能力强得惊人。

还有网友 Synopsis 用经典的「鹈鹕骑自行车」测试去挑战 Fable 5.2，晒出生成的作品，直接称其为新一代 BOSS。

Anthropic 同时透露，公司核心代码库中超过 90% 被合并的代码变更，都是 Claude 在人类指导下写的。

从修简单 Bug，到自主规划并执行持续数天的大型工程任务，AI 编程正在一步步具备独立承担复杂项目的能力。

费马大定理的形式化证明，30 小时就做完了。黑洞物理的难题，也一并解决。

编程能力进步还在意料之中，Anthropic 晒出的科研成果则让人有些没想到。

费马大定理是数学史上最出名的问题之一。安德鲁·怀尔斯上世纪 90 年代就给出了证明，可要把它转成计算机能一步步核验的形式化证明，工作量依然极其庞大。

此前 Anthropic 用尚未发布的研究模型做这件事，在人类研究人员指导下花了 11 天。

这回换成 1000 个 Fable 5.2 Agent 组成的团队，30 小时就完成了费马大定理的形式化证明，人工干预几乎可以忽略。

实验里模型自己搭起了协作机制，产出的证明长度压到原来的七分之一，消耗的操作 Token 也降到三分之一。对照来看，同样配置的 Claude Opus 5.5 跑满 30 小时，只完成了约 27% 的证明工作。

数学之外，Fable 5.2 还啃下了两个黑洞相关的理论物理开放问题。

一个是黑洞形成时的相变机制。1983 年科学家就发现，特定理论模型中的黑洞会随温度变化突然形成，但这个结论能不能推广到更小的量子尺度，一直没有完整的计算结果。

此前长期悬而未决的计算，Claude 基本自主做完了，得出的突变结论与以往一致。另一项研究里，模型确定了某种量子引力理论分析方法的精确适用边界。

另一边，Mythos 5.2 把两种现有开源蛋白质结构预测模型结合起来，做出一种预测完整病毒衣壳结构的新方法。测试的 34 个衣壳中，有 28 个被准确建模。

这些科研成果当然还要进一步验证。不过从数学证明到黑洞物理，再到蛋白质结构预测，AI 已经介入越来越多的专业研究任务。

一段提示词，三款能跑的电子设备。机器人那边，也开始听得懂指令了。

Claude 的本事还伸到了现实世界的硬件设计上。

Anthropic 与电路板设计制造公司 Diode 合作做了一项实验：研究人员只给了一段提示词，Fable 5.2 就设计出三款能实际运行的电子设备——家庭语音助手中枢、USB 会议扬声器、掌上电子宠物。

这中间，Claude 自己写产品规格、挑电子元器件、设计四层 PCB 电路板、建 3D 打印外壳模型，连配套软件也一并开发。

按照 Anthropic 的说法，三款设备的电路板设计均用了不到一天就做到可制造的状态。制造环节由 Diode 完成后，工程师又在 Claude 的指导下完成了测试与装配，最终三款设备全部正常运行，电气设计一处也没有改动。

机器人控制上，Fable 5.2 的进步同样看得出来。

RoboDojo Sim 双臂机器人模拟测试中，Fable 5.2 成功率 64.9%，上一代 Fable 5.1 是 27.6%，GPT-6 Astra 为 29.8%。

官方演示里，Claude 控制的实体机器人还拧开了瓶盖、还原了魔方，并画出机器人图案。

巧的是，网友 Tekon Burns 也拿真实魔方考了 Fable 5.2 一回。只上传 6 张照片，模型就给出了一套步骤极少的解法，思路也没走人类常见的先拼白十字、再还原白面那条路。

从屏幕上的文字和代码，到现实中的电路板和机器人，Claude 正试着把推理能力变成实际的物理操作。

网络安全继续加码，AI 研发能力却被主动设限。

和 Fable 5.2 不同，Claude Mythos 5.2 的重心仍放在网络安全上。

Mythos 最早在今年 4 月由 Anthropic 推出。因其漏洞发现和利用能力太强，当时只对经过筛选的机构开放，之后才推出加了安全限制、面向公众的 Fable 系列。

Mythos 5.2 在此次升级里，于内部 CVE Rediscovery 测试中能重新找出 89.6% 的已知软件漏洞，上一代这一数字是 78.3%。

另有一家安全公司发现，Mythos 5.2 确认挖出的漏洞中，大约六分之一是其他前沿模型在测试里没找到的。

能力上去了，Anthropic 也把模型安全措施再度收紧。沙箱逃逸测试覆盖 1800 多个场景，Mythos 5.2 动用沙箱外凭据或文件的比例从上一代的 21% 降到 3.1%。

不过更该留意的是，Anthropic 给新模型主动套上的限制。

官方说得很明确：训练时特意压住了新模型在 AI 加速器 Kernel 优化、大语言模型架构改进这些方向上的能力增长。

所以 Fable 5.2 和 Mythos 5.2 综合能力虽明显变强，碰到这类可能直接给下一代 AI 研发提速的任务，表现大体还是停在 Claude Opus 5.5 的水平。

Anthropic 强调，这些调整没波及普通 Agent 编程、硬件开发以及传统机器学习研究等能力。

另外，Anthropic 加强了防止模型能力被非法蒸馏的手段，称相关技术能让恶意蒸馏者拿到的数据量减少 90% 至 99%。

价格降了 20%，Claude Pro 另有一份没明说的福利

Claude Fable 5.2 今天正式上线，Claude 平台以及 AWS、Google Cloud、Microsoft Azure 等云服务都能用，开发者通过 claude-fable-5-2 调用。

标准 API 价格比上一代低约 20%，每百万输入 Token 8 美元，每百万输出 Token 40 美元。

两款模型另提供可选的 Fast Mode，Token 生成速度最高为标准模式的 2.5 倍，价格随之涨到每百万输入 Token 16 美元、每百万输出 Token 80 美元。

Anthropic 称，Fable 系列主打复杂工程、数学和科研任务，日常编程和知识工作还是建议先用 Claude Opus 5.5。

图｜https://platform.claude.com/docs/en/models/overview

为推新模型，Anthropic 还办了一场限时体验活动。

当地时间 11 月 9 日至 16 日，符合资格的 Claude Pro 用户和 Team 标准席位用户，可在原有每周使用额度的 50% 以内用上 Fable 系列，不必额外买额度，还能拿到一次免费额度重置。

Max、Ultra 以及部分 Team、Enterprise 高级席位用户，则按付费订阅时长获得 1 至 3 次使用额度重置。

要提醒的是，重置只恢复已消耗的额度，不会永久抬高订阅计划的使用上限。Mythos 5.2 目前仍主要开放给通过验证的网络安全机构和生命科学研究组织。

一边喊放慢 AI，一边冲刺万亿美元 IPO

Anthropic 这次发新模型，时间点拿捏得相当微妙。

今年 9 月，Anthropic CEO Dario Amodei 曾公开呼吁放缓 AI 开发速度，希望全行业更谨慎地对待模型能力的快速提升及其潜在风险。

结果才过两个月，Anthropic 就端出了能力更强的新一代前沿模型。

Anthropic 研究产品管理负责人 Dianne Penn 接受 CNBC 采访时回应称，「我们呼吁的是控制发展节奏，而非暂停发展。」

Anthropic 表示，新模型发布前经过大量安全与对齐测试，英国 AI 安全研究所、METR 等外部机构也参与了评估。

不过，安全上的投入正撞上越来越现实的商业压力。

Anthropic 眼下正在为 IPO 做最后的准备，管理层很快就要启动上市路演，给出的目标估值是 1 万亿至 1.5 万亿美元。此前市场上传出的 2 万亿美元目标，已经被压低。

按 Anthropic 更新后的招股说明书，截至今年 9 月 30 日，公司营收达到 332.4 亿美元，同比增长约 1200%。一家公司要冲刺万亿美元级别的 IPO，技术领先带来的商业机会更大，但同时，减速的代价也越来越难以承受。

AI 竞赛里最微妙的那层悖论，或许正落在这里：谁都明白该踩刹车，可谁都不愿做第一个减速的人。