Anthropic发布Claude Fable 5.2：编程推理双提升，IPO路演首日亮相

11 月 9 日，Anthropic 推出了号称“迄今最强”的 Claude Fable 5.2，同时亮相的还有 Mythos 5.2——两者共享同一套底层能力，后者面向特定专业领域开放。

这一回，Anthropic 几乎把所有能拿来证明 AI 仍在进步、泡沫不会破裂的材料都摆上了台面。

编程、推理、科学研究、机器人等多个方向上，Fable 5.2 都拿出了新成绩。FrontierCode 2.0 上，它从前代的 32.4% 提升到 49.1%；自主科学研究测试 Terminal-Bench-Science 上，则从 52.6% 升到 74.6%。

能力往上走，价格反倒降了 20%，输出速度最高提升 30%。碰上特别复杂的任务，Anthropic 另有一个更贵也更快的 Fast 模式可选。

数字本身够漂亮，可这些成绩很大程度是 Anthropic 自家benchmark喂出来的，外界早已无感。于是它又拿出更“离谱”的demo继续秀肌肉。

它让 1000 多个 AI Agent 连轴转了八天，从一个空文件夹起步，写出一套能在笔记本电脑上启动的原型操作系统；又让 1000 个 Agent 在约 30 小时内，把费马大定理已有的证明做成计算机形式化。此外还帮研究人员解决了两个与

这些成果想说明的是一件事：AI 已经能参与到此前悬而未决的科学与工程工作里去。

选在这个节点发模型，显然是一步“to IPO”的棋。11 月 9 日正是 Anthropic 启动 IPO 路演的头一天。两周前的 10 月 26 日，它刚正式递交招股书。按既有上市安排，公司打算在 11 月中旬完成发行定价，最快下周就登陆纳斯达克。

Fabel 5.2 摆明了是给资本市场看的一场军火展示。

它到底有多强，我们也上手实测了一番。

为检验 Fable 5.2 的科研能力，我们做了一次盲法测试。

测试对象是一个物理系统，具体原理没有向模型透露。

我们给了 128 条模拟实验测量数据，里面有两个控制变量和一个测量结果。数据既带正常的随机误差，也掺了少量明显偏离的异常值。

要求是：Fable 5.2 在不知道系统名称、也不知道正确公式的前提下，自己分析变量之间的关系，提出不同假设，靠计算和交叉验证找出合理规律，再对另外 48 组没给答案的实验条件做出预测。

实验背后的真实物理规律，是单摆在不同摆长、不同初始摆角下的周期变化。

单摆的简单公式大家多半学过，可它只在摆角较小时够准。摆角一大，周期就会出现越来越明显的非线性变化，得用更复杂的数学表达式才描述得准。

陷阱就埋在这里。

Fable 5.2 的表现，说实话相当惊人。

它先认出周期与长度之间接近平方根的关系，再借残差分析发现：简单模型在大角度条件下存在系统性偏差。

接着它比较了十余种竞争模型——多项式拟合、指数修正、黑箱机器学习方法都在其中——最后选定一种基于完全椭圆积分的物理模型。

这个模型既符合数据背后的真实物理规律，又只需拟合一个主要参数。

五折交叉验证里，简单基线模型的相对均方根误差约为 3.31%，最终模型把它压到了 0.36%。

那 6 条明显异常的实验记录，它都认了出来。处理方式也不是一删了之，而是拿鲁棒拟合去压低异常值对最终结论的干扰。

最让人意外的其实在收尾那一步。

另有 48 条实验条件没给答案，其中还有一些落在训练数据覆盖范围之外。Fable 5.2 对这 48 条给出的预测，平均相对误差仅约 0.26%。

更进一步，它自己又提出了 8 次后续实验。细看这些选择，指向的恰恰是最可能检验它、甚至推翻它自己模型的那批实验条件。

话说回来，这套数据是模拟出来的，底下跑的也是人类早就掌握的物理规律。所以它证明不了 Fable 5.2 已具备发现全新科学定律的本事。模型也可能借着自身已有的物理知识认出单摆问题，未必是从零开始推导物理学。

但这次实验还是露出了一种能力，此前我们测试时没在其他通用模型身上稳定见过：数据带噪声、有错误、又不直接给答案，它照样能把观察、假设、计算、验证和外推串成一个完整的研究过程。

这么看，它比单纯做对一道科学题，更贴近科学家实际干活的路子。

不过，Fable 5.2 也不是什么复杂任务都能给出同样亮眼的结果。

我给它派了个当下最火、几乎家家都在做的活：生成视频。要求是不直接露出任何游戏元素，做一支《塞尔达：时之笛》的宣传片，结尾用一句话收住。

很多测试里大家惊叹的是“审美”，这次全片最让我感慨的却是它最后给出的那句：“时间，是可以被吹响的。”

其余画面元素都相当简陋。我又给了它一次机会，明确要求提高审美，出来的效果依然谈不上好看。

照目前的情况看，它展现出来的能力，或者说它刻意加强训练的那部分能力，更偏向于在有计算、有分析、有软件工具支撑的前提下，持续啃下一个复杂问题。

除了那些惊人的科研案例，Fable 5.2 的发布材料里还埋了一处“泄露”，痕迹明显，像是故意留的。

Anthropic 自己说，训练时有意压住了模型在部分 AI 研究能力上的进步，并且直接点了两项：AI 加速器的 Kernel 优化，以及大语言模型架构改进。

前一项管的是怎么更高效地跑模型、训模型，后一项则直接决定下一代模型能设计得多强。

换句话说，Anthropic 挑着限制的，正是那些可能直接帮 AI 公司造出更强 AI 的能力。

按官方说法，Fable 5.2 和 Mythos 5.2 在这些方向上的表现，被控制在与 Opus 5.5 大致相当的水平。

Anthropic 还特意说明，这种限制是在训练过程中做进去的，不是等用户提问时再简单拒答。它同时表示，一般的 Agent 编程、硬件开发、传统机器学习研究等相关能力并未受影响。

这个动作看着又能加深 Anthropic 积极讨论 AI 失控和递归自我改进风险的形象。可放在这个时间节点上看，IPO 味儿简直不要太冲。

通常一款新模型在某些能力上进步不明显，意味着它可能撞上了技术瓶颈，或者对手做得更好。Anthropic 的说法是：这不是我们最想推的方向，我们甚至有意让它慢一点。可它也没公布，若不设限制，模型在这两项能力上到底能到什么水平。外界因此也没法证明，它真已经握住了某种被藏起来的更强能力。

所以你很容易想到：这番话几乎就差告诉资本市场，往后股价需要新刺激时，我们手里还有能力可以接着放。

Anthropic 每次发模型，挑什么 demo 最值得看，本身就是个信号。从 Fable 5.2 的发布看，前沿模型竞争的下一站越来越清楚了：Coding 之后，Science 彻底成了头部模型公司争夺的新能力高地。

模型能力之外，今年 6 月它还发布了 Claude Science，把科研数据库、代码工具、计算资源和专业分析流程捏成科学家用的工作台。10 月底，Anthropic 又宣布与全球 20 家科学基金会、科研机构和组织扩大合作，给研究人员提供 Claude 使用资源。Fable 5.2 发布前几天，Anthropic 还公布了一项针对 20.7 万次 Claude 科研使用会话的研究，想弄清楚科学家到底已经怎么在用 AI。

可Science要命的地方在于：Coding那套商业成功能不能复制，眼下还远没有答案。

Coding几乎是大模型天生就合适的市场。程序员本来就在计算机里干活，软件跑起来、测一遍、部署上线都很快，模型带来的价值也比较好直接算清楚。科研就完全是另一回事。模型能在几小时内给出一个新的药物分子，可这药到底管不管用，还得走漫长的实验和临床验证。它也能给出一份材料配方，但材料造不造得出来、性能靠不靠得住、成本压不压得下去，都不是在电脑上跑一次程序就能回答的。

基础科学这一头同样如此。模型算出一个正确的理论结果，并不等于它马上就有商业价值。

Anthropic 自己那项针对科研使用行为的研究也能看出来：Claude 眼下的使用明显集中在计算机科学、数学、统计学这些形式科学领域，医疗健康以及要靠实体实验的自然科学，用得还是偏少。

这大概就是 AI for Science 现在的真实处境。它跑得最快的地方，是最接近 Coding 的科研任务；可要说到对整个科研体系产生普遍而深刻的影响，路还长得很。

资本市场要看的是眼前的收入，Science 在这方面恐怕很难帮上忙。但眼下泡沫要崩的担忧这么高，AI 公司动辄万亿美元的估值，或许更依赖投资者去信一个远得多的未来，依赖他们的 AGI 信仰。

最新消息是，据路透社报道，部分潜在投资者觉得，此前讨论的 1.5 万亿美元估值还是太贵，想要更大的折让。Anthropic 最近还向承销银行发过一份材料，里面写着发行数量和价格区间，随后又把定价信息撤了回来，说其中的数据不准确。甚至已经有人开始怀疑，Anthropic 还能不能按原定时间把 IPO 做完。

Fable 5.2 就是 Anthropic 拿来刺激市场的模型，也是 IPO 味儿最冲的那个，更是它成为人类最大 IPO 之前最重要的一款模型。

接下来的一切，就看市场是否买单了。