Anthropic发布Fable 5.2与Mythos 5.2：难活交给新模型，日常仍用Opus

就在刚刚，Anthropic亮出了两款新模型——Claude Fable 5.2和Claude Mythos 5.2，瞄准的是高难度技术任务。

以往的模型升级，大多围着编程、推理和知识问答转。这回Anthropic晒出的成绩单不一样，落点主要在操作系统开发、数学证明、理论物理、电子硬件设计和机器人控制这些方向。

举个例子：工程师只丢下一句“开发操作系统”，Fable 5.2就调动了1000多个子Agent，连轴转了8天，从一个空文件夹起步，最后做出一套能在笔记本电脑上启动并运行的操作系统。

另一支由1000个Agent组成的队伍，花30小时就搞定了费马大定理证明的形式化。同样的活，Anthropic之前用未发布的研究模型做，用了11天。

理论物理这边，Fable 5.2还算了两个和黑洞有关的开放问题。其中一道，是2003年提出后一直没人算出来的。

对用户而言，这两个新模型真正值得盯的变化，不是它能答多难的题，而是在人类干预相对有限的情况下，把大量Agent组织起来，去完成过去要靠专业团队长期协作的技术项目。

把最复杂、最吃专业判断的部分交给Fable，日常事务留给成本更低的模型——Anthropic这次给Fable、Mythos和Opus划产品定位，核心思路就在这儿。

比如，

上一代Fable 5.1是32.4%，这一代提高了16.7个百分点。

这项测试看的是：模型改完开源项目代码后，能不能达到项目维护者愿意合并的质量线。

成本上，以High推理强度为例，Fable 5.2拿到45.3%，基本追平Opus 5.5最高的45.5%，可单任务成本只有后者的一半左右。

Anthropic透露，眼下其核心代码库里超过90%的已合并代码变更，是Claude在人类指导下写出来的。

还有一支用Fable 5.2早期版本的Agent团队，把一项关键生产服务从Python迁到了Rust，迁完后服务启动速度提升约26倍。

Vercel技术人员Joe Haddad试用后说：

“我每个提示背后的意图，它都能读懂。‘不，我的意思是……’这种话，我一次都没说过。有些项目用别的模型推进了好几周，换成Fable 5.2后几天就做完了，还拿到了团队批准，代码审查那边提的意见也少了。”

网络安全场景里，Mythos 5.2又亮出了另一手本事。

Anthropic的测试办法是拿1829个已公开的CVE漏洞当考题，把模型放回漏洞修好之前的代码版本里，看它能不能把这些老问题重新揪出来。成绩单是这样的：Mythos 5.2发现率89.6%，上一代Mythos 5.1是78.3%，Opus 5.5为81.3%。

另有一家安全公司注意到，Mythos 5.2确认的漏洞当中，大约每六个就有一个是它测试的其他前沿模型没找出来的。

Mozilla杰出工程师Brian Grinstead说，过去一年团队一直在和Anthropic合作，靠多代Claude模型给Firefox加固安全。每轮扫描过后剩下的漏洞是越来越少了，可Mythos 5.2在各次扫描活动中的漏洞发现指标，仍差不多是Mythos 5.1的两倍。

但Mythos 5.2并不是谁都能用上的。

普通用户手里的是Fable 5.2，它在网络安全和生物学上的限制更严；Mythos的访问权限只向经过认证的安全机构、生命科学研究机构开放申请。

软件开发看的是模型执行复杂工程任务的能耐，科学研究里的案例则把模型解决开放性问题的潜力摆得更清楚。

按Anthropic披露的说法，Fable 5.2完成的两个理论物理问题，都和全息对偶理论有关。

头一个问题牵扯黑洞形成过程中的相变。早在1983年，物理学家就发现，在某些足够大的理论宇宙里，温度一升，黑洞会像水烧开那样骤然形成。可这个结论能不能推到只能用量子理论描述的微小宇宙，始终没有完整算过。

2003年其实就有相关的计算方案，只是工作量太大，一直没人做完。Fable 5.2在较高自主程度下把这套计算跑完了，得出的结果是相变同样带有突变性质。

第二个问题关于一种量子引力理论的筛选方法，这套方法已经用了超过15年。Fable 5.2给出了它在简化宇宙模型中的精确适用边界。

两项研究都有对应的预印本。

费马大定理是数学方面的案例。Fable 5.2这次并没有重新发现证明，它做的是把证明转写成Lean语言，让计算机能够一步步验证。

在1000个Agent协同工作的实验里，全部形式化工作由Fable 5.2用30小时完成。它消耗的操作Token仅为此前研究版本的三分之一，生成的证明长度也压缩到约七分之一。

同样的配置下，Opus 5.5跑了18小时，只完成26%；一直跑到30小时，进度也就在27%左右。生物技术这边，Mythos 5.2还试着解决基因治疗载体的蛋白质结构预测问题。

腺相关病毒的蛋白质外壳由数十条蛋白质链构成，结构相当复杂。Mythos 5.2借助两种开源蛋白质折叠模型，编写程序分别预测彼此重叠的蛋白质链组合，再依靠外壳的对称性把完整结构重建出来。

34个测试对象中，有28个达到了Anthropic设定的精度标准。

Dyno Therapeutics联合创始人Sam Sinai称，这种加速有望给病毒衣壳结构预测流程省下可观的时间和成本，计算资源的利用效率也能随之提高。

硬件开发上，Anthropic与电路板设计制造公司Diode合作，仅用一段提示词，就让Fable 5.2开发三款电子设备：家庭语音助手中枢、USB会议扬声器和掌上虚拟宠物。

产品规格由模型自己编写，元器件从美国供应商能够采购的范围内挑选，四层电路板由它设计，3D打印外壳建模和配套软件编写也一并完成。

每块电路板都在不到一天内达到可制造状态。Diode完成实际制造后，Claude继续指导工程师测试和组装，三款设备均在没有改动电路的情况下正常工作。

机器人控制方面，还原魔方、拧开瓶盖和绘画这些任务，Fable 5.2也都完成了。

在Anthropic自己的RoboDojo双臂机器人仿真测试里，Fable 5.2拿到64.9%的成功率。作为对比，Opus 5.5是39.4%，GPT-6 Astra为29.8%，Fable 5.1只有27.6%。

这类任务考验的是模型看着摄像头画面去指挥机器人动手，光能认出画面里的东西不够，还得会做空间推理、把一连串动作接起来。

金融研究、商业分析这类专业活也在测试范围内。量化交易公司Jump Trading把模型接进了类似内部研究系统的测试环境，结果发现它能同时干代码编写、任务规划、协调和作业提交这几件事。

Jump Trading大模型研发负责人Lucas Baker说，在一项内部研究自动化测试中，Fable 5.2的错误率比表现第二好的模型低10%。

性能之外，价格和速度同样是这次的重要变化。

两款新模型生成Token的速度比上一代最多快30%，价格也有下调。

如果选Fast模式，Token生成速度最高能提到2.5倍，代价是价格翻倍：每百万输入Token 16美元、输出Token 80美元。

不过Anthropic并不主张把所有任务都丢给Fable。

一般编程和知识工作，官方还是建议先用Opus 5.5；碰上特别复杂、开放性强的问题，再升到Fable或Mythos。

另一种用法是让Fable当Advisor或Orchestrator：常规任务交给较小的模型去做，卡住了再问Fable；或者反过来，由Fable统一调度多个小模型协同干活。

安全方面，Anthropic披露了一组数据：在约1900种场景组成的自动化行为审计中，Mythos 5.2的总体不良行为得分为2.67，低于Opus 5.5的2.79和Mythos 5.1的3.28。

专门设计的沙箱逃逸测试里，Mythos 5.2利用沙箱外部凭据或文件的比例为3.1%，Mythos 5.1则是21%。Anthropic也承认，现有评估仍无法保证发现模型部署后可能出现的全部问题。

目前Fable 5.2已通过Claude以及AWS、Google Cloud、Microsoft Azure等平台对外提供服务，开发者可通过claude-fable-5-2调用。Mythos 5.2则继续实行资格审核。

从早期使用者的反馈看，沃顿教授 Ethan Mollick 用过一阵子后表示：“我认为它已经跨越了界限，进入了一种锯齿状 AGI 的范畴”。