Anthropic发布Fable 5.2与Mythos 5.2：token降20%，长任务能力大涨

Anthropic赶在IPO前推出了Claude Fable 5.2和Mythos 5.2。

两款模型共用同一底座，区别落在安全权限上：Fable 5.2面向普通用户，在网络安全和生物两个领域设有防护限制；Mythos 5.2只开放给通过审核的机构，相关限制被解除，用来支撑合规的网络安全与生命科学研究。

长任务能力是这次升级的重头，机器人训练方向尤其明显。与此同时，Fable 5.2的token价格比Fable 5.1低了20%。

在审美和设计方面，Fable 5.2相较Fable 5.1也有不小的进步。

模型上线半小时，就有人拿它做出了一款画面相当精致的FPS游戏。

不过独立测评机构Artificial Analysis发了长文吐槽：Fable 5.2的智能水平确实上去了，token单价也确实降了，可摊到每个任务上的平均成本反而更高。最让这家机构受不了的是，Fable 5.2比以前“话痨”得多。

性能到底涨在哪？

先看评分。

机器人控制RoboDojo Sim从27.6%升到64.9%，涨了2.35倍；图表识别由44.8%到73.4%；远程职业任务从17.9%到41.3%；科研终端由52.6%到74.6%；FrontierCode 2.0从32.4%到49.1%；带工具的HLE由65.6%到74.2%。

电脑操作（Computer Use）OSWorld 2.1仅从83.5%走到89.3%，幅度有限；知识工作AA-Briefcase也只由61.5%（ELO 1669）升到66.1%（ELO 1785）。

也就是说，越耗时、调用工具越多的长任务，Fable 5.2的涨幅越大；一轮就能答完的题目，基本原地踏步。

那所谓的长任务，究竟有多长？

Anthropic做了一组对照试验：1000个Fable 5.2的agent跑了将近30个小时，把费马大定理的形式化证明做完了。此前有个未发布的版本，配上专用的定制化工具调度框架（purpose-built harness），再加上研究员全程引导，完成同样的工作仍要11天。

而且Fable 5.2消耗的action token，只有那个未发布版本的三分之一。

换成1000个Opus 5.5的agent，结果是18小时完成26%，30小时27%，之后任务就卡住不动了。

数学推理这类显而易见的长任务之外，在Anthropic性能表列出的全部长任务基准里，RoboDojo Sim是涨幅最大的一项。博主@himanshu专门发文提醒，Fable 5.2要重点看机器人和蛋白质设计这两项。

这个公开基准包含42个仿真任务和18个真机任务，双臂操作，模型只能从摄像头画面读取环境。评分分五个维度：泛化、记忆、精度、长程执行和开放词汇指令。

它考的是看画面、记前面、把一串动作连续走完；中途机器人“歪了”，得自己纠正回来。

Anthropic官方称，它超过了“大多数专为控制机器人而建的AI系统”，原因是这些任务机器人在现实世界里完全没见过。

以往的观点是，机器人得专门训练具身智能模型，才能解决空间理解、动作规划这些问题。Fable 5.2是通用模型，任何公司都能直接拿它训练机器人，具身智能公司的训练门槛因此被大幅拉低。

在Anthropic最擅长的编程领域，官方博客放了一张图，列出几个当下最强的大模型在FrontierCode 2.0基准上的跑分。

Anthropic还让Fable 5.2在不同effort档位下分别跑分，结果出人意料，甚至让人一度怀疑是填表时写错了。

Fable 5.2的Xhigh模式全球最强，得分49.1%，每个任务14.19美元。effort拉到最高的max档，得分反倒掉下来，为45.6%，平均每个任务44.70美元。

也就是说，思考时间更长、token花得更多，效果却不如Xhigh模式。

Anthropic官方给的解释是：高effort制造的是过度斟酌。

在Anthropic看来，effort调高之后，模型处理常规任务时容易“搜集超出任务所需的上下文并过度斟酌”，官方为此还准备了专门防“过度规划”的提示词。FrontierCode测的却是补丁能不能合格地合进真实仓库，上下文本来就摆在diff里，把两行就能修好的东西写成带主张的重构，放到这套基准里自然不合格，得分也就落在Xhigh之下。

还有一种可能，Anthropic提到，模型思考时间太长，交卷就会超时，而超时是要扣分的。

Fable最大特点是……便宜？

价格方面，Fable 5.2每百万token输入从10美元砍到8，输出从50美元砍到40，降幅20%；输出速度则比5.1最多快30%。

fast mode单独计价，输入16、输出80，相当于价格翻倍，换来token生成最多再快2.5倍。

缓存读只要0.20美元，Fable 5那边是1美元。

Anthropic称，Fable 5.2的effort开到High，成绩就大致追平Opus 5.5拉满（Max）的水平，而每个任务的成本只有后者的一半左右。

只是降价的原因，Anthropic官方从头到尾没有给出解释。

那这20%到底从哪来？

9月12日，阿莫迪发文“We Must Pace the Frontier”，文中说放慢“不意味着停止模型训练或技术进步，而是确保公司有足够时间对齐并给模型加防护”。

10天后的9月22日，Anthropic发布Opus 5.5，标价下调20%至4和20，并称运行成本比Opus 5低约40%。大约两小时后，OpenAI拿出GPT-6 Sol和Luna，价格比GPT-5.6促销价低约50%。

Ramp经济学家阿拉·哈拉齐安（Ara Kharazian）的说法是：“这不是什么技术革新，这其实是一种价格战，压低AI价格，也压低了自己的利润率。”

还有一处让人很在意：版本序号写的是5.2，可此前的Opus已经迭代到5.5了。The New Stack表示，“竟然没叫Fable 5.5，真让人有点意外”。对于版本序号，Anthropic没有作任何解释。

Fable 5.2发布不到一个小时，打脸的就来了。

独立评测机构Artificial Analysis发了一篇长帖。他们把Fable 5.2放进Intelligence Index v5，max档拿下65分登顶，比Opus 5.5的59分高6分，比上一代Fable 5.1的49分高约15分，九项评测中有五项拿了最高分。

别急，Fable系列一直是智力天花板，这点没什么疑问。Artificial Analysis接着写道，max档平均每个任务要花26.5美元，是Opus 5.5在max档10美元的约2.6倍，也是Fable 5.1的两倍左右。

单价是降了20%，总成本反倒翻了一番。Artificial Analysis还“补了一刀”：Fable 5.2在评测里生成了约2.75亿token，同类模型中位数只有7280万，“它话太多了”。

最后一点，性能跑分可以用数值衡量，而Anthropic表示Fable 5.2在设计方面也做了升级迭代。

结果Fable 5.2发布不到半个小时，社区就有人拿它试着开发FPS游戏。

演示里枪械、射击反馈和场景都齐了。评论区有网友看完，觉得这都能直接发布了。

如果你只知道自己想玩一款什么样的游戏，连第一行代码都还没写，这时候倒可以让Fable多想几步。