八天搓出操作系统，还能设计智能硬件！Anthropic新旗舰模型亮相

财联社11月10日消息（编辑 史正丞），冲刺美股IPO的最后关头，Anthropic拿出了最新一代“地球最强大模型”。

本周一，Anthropic发布新一代旗舰模型Claude Fable 5.2和Claude Mythos 5.2。公司公布的测试结果显示，这次升级集中在复杂编程、科研推理、图表理解与机器人控制几方面；输出速度较上一代最高快30%，标准输入、输出价格都降了20%。两个版本用的是同一个底层模型，差别在于安全限制和访问权限：Fable面向更广泛的用户开放，Mythos则通过审核项目向相关机构提供，支持特定的网络安全和生命科学用途。

这也是达里奥·阿莫代伊9月呼吁放缓人工智能发展速度之后，Anthropic首次推出所谓“前沿”模型。眼下外界对AI投资心存疑虑，公司得证明自己撑得起1万亿美元、甚至1.2-1.5万亿美元的IPO估值。

先看跑分：编程更强，读图更准，机器人控制提升明显

按照Anthropic公布的数据，在复杂编程、科研任务、电脑操作、机器人控制、跨学科推理和图表识别等多项测试里，Fable 5.2几乎都压过了主要对手OpenAI的GPT-6 Astra和谷歌的Gemini 4 Carbon。

衡量复杂编程能力的FrontierCode 2.0测试中，Fable 5.2的得分从上一代的32.4%升到49.1%，高于Opus 5.5的45.5%、GPT-6 Astra的42.8%和Gemini 4 Carbon的41.1%。这项测试看的是模型对开源项目所做的代码修改，能不能达到项目维护者愿意接纳的水平——说白了，就是考AI写出的代码能不能真用、能不能融进现有项目。新模型比上一代高出16.7个百分点，说明它处理复杂软件工程问题的本事长了。

图表理解测试Chartography里，Fable 5.2从44.8%升到73.4%。这项能力决定模型能不能准确读懂图形、坐标和数据之间的关系，是分析财报图表、实验结果和业务报表的基础。

机器人方面，Fable 5.2在RoboDojo模拟双臂机器人测试中的成功率达到64.9%，是GPT-6 Astra的两倍多。这意味着模型靠摄像头画面判断环境、安排动作的能力明显变强了。

科研推理也有进步。在允许调用工具的“人类终极考试”（Humanity’s Last Exam）中，Fable 5.2的得分由65.6%升至74.2%。该测试主要考查跨学科的高难度知识与推理，反映的是模型处理专业难题的水平。

最直观的案例：调度上千个AI，八天做出操作系统原型

比起测试分数，新模型究竟能做出什么东西，更容易让人看明白。

Anthropic透露，一名工程师曾让Fable 5.2开发一个操作系统原型。模型从空文件夹起步，调遣超过1000个子智能体，连续八天编写、测试和审查代码，最后做出了一个能在笔记本电脑上启动的操作系统。

这个原型系统有窗口和登录界面，还带有负责管理硬件资源、调度程序运行的操作系统内核，并内置Claude功能。

另一个更贴近企业实际应用的案例，是Anthropic用运行早期版本Fable 5.2的智能体团队，把一项关键生产服务从Python迁移到了Rust。公司称，迁移后服务更高效、更可靠，启动速度达到原来的约26倍。

对企业来说，这类能力的意义在于：一些原本因为太耗时、太费钱而被搁置的系统改造项目，可能开始变得值得做了。

一天内完成电路板设计

这次发布还展示了AI参与硬件研发的进展。

Anthropic与电路板设计制造公司Diode合作，让Fable 5.2根据一段简短要求，设计家庭语音助手中枢、USB会议扬声器和掌上虚拟宠物三款设备。模型负责制定规格、挑选能买到的电子元件、设计四层电路板布线、绘制外壳并编写软件。公司称，在少量人工介入下，每块电路板都在一天以内达到可交付制造的状态。

之后的制造、测试和装配由Diode工程师完成，Claude提供指导。最终三款设备都成功运行，电路无须修改。

机器人方面，公司还展示了Fable 5.2控制机器人拧瓶盖、操作魔方和绘画的画面。公司表示，与早期模型相比，Fable 5.2控制实体机器人的能力提升显著，即便是在它从未接受过专门训练的机器人任务中也是如此。

此外还有理论物理、生物制药方面的案例。

理论物理和数学领域，Anthropic同样拿出了新模型的三项成果：两个和黑洞相关的理论物理问题被求解，费马大定理的证明也完成了形式化。

其中一项计算源自2003年的一项研究。用大白话说，研究人员想搞清楚一件事：在特定理论模型里，一种与黑洞有关、类似“水烧开”的突变，放到必须用量子理论描述的场景下还成不成立。公司方面称，模型算出了关键结果，答案是成立。

另一项成果是给一类数学方法划出了能力上限。这类方法用来筛选量子引力候选理论、把不合格的方案剔除掉。这次等于算清了这张数学“筛网”最细能细到什么程度，研究人员据此可以判断现有方法还有多少余地。两个物理研究都已发布预印本。

最后一项，约1000个Fable 5.2智能体协同工作，30小时就完成了费马大定理证明的形式化。这不是头一回证明费马大定理，而是要构建一份计算机能逐步核验的完整证明，推导步骤得补齐，各部分之间的逻辑关系也得理顺。同样的千智能体配置下，Opus 5.5跑满30小时，加权完成度约27%。不过这项对比对每款模型只测了一次。

生命科学这边，Mythos 5.2在已有开源蛋白质折叠模型的基础上，开发出一套预测完整病毒衣壳结构的方法。衣壳是病毒的蛋白质外壳，部分基因疗法也拿它当递送载体。公司称，在尝试的34种衣壳中，该方法准确建模了28种。

哥伦比亚大学系统生物学与计算机科学助理教授Mohammed AlQuraishi说，病毒衣壳这类大型蛋白质复合物一直是蛋白质建模的难点：数十个大分子的结构以及它们的相对位置都要预测准，计算成本又高得吓人。Claude的方法把对称复合物的建模难题处理得很巧妙，过去要专用计算集群才能干的活，研究人员今后有望在个人工作站上完成。

量化、财报场景，AI研究助手再进一步

研究与分析方面，Fable 5.2的进步既体现在处理数据、编写代码上，也体现在找出材料中的矛盾、判断证据能支撑什么结论上。

Jump Trading 让模型跑了一遍自家近似内部研究的流程。提问、写代码、排计划、协调任务，Fable 5.2 都能顶上不同角色，人工分派工作的压力小了不少。这家量化交易公司表示，在一次内部研究自动化的测试里，该模型的误差比第二名低 10%。

投资机构Balyasny Asset Management则让模型去调查一家机构如何测试核心技术系统里的新集成功能。按其反馈，Fable 5.2找到了相关来源，没有夸大证据能证明的内容，还指出问题本身的表述可能就有误导性。对投资研究来说，这种能力有助于把已证实的事实和待核实的判断分开。

交易公司IMC更在意模型能不能提出新的研究思路。该公司表示，Fable 5.2不光复现了此前让它印象深刻的研究洞见，还给出了一个全新角度；在已完成测试的四个量化研究问题里，有三个创下新的最佳成绩。

财务建模任务中，Fundamental Research Labs要求模型从公司10-K年报里提取数据，填进预测模型。碰到模板没说清某项指标该用披露值还是计算值的情况，Fable 5.2依据单元格格式判断要求，还发现分地区数据加总与披露总数对不上，最终把所有目标单元格都填对了。

价格下调20%，上市前先补商业竞争力

能力之外，Anthropic也在压旗舰模型的使用成本。

新模型标准定价为每百万输入词元8美元、每百万输出词元40美元，两项均比上一代低20%。公司还提供了可选快速模式，词元生成速度最高提升到2.5倍，输入、输出价格分别为16美元和80美元。

Anthropic强调，大多数日常编程和知识任务，用户从Opus 5.5起步就行，遇上复杂、开放式的难题再动用旗舰模型。