Anthropic双模型Fable 5.2与Mythos 5.2：基准测试胜在哪？

智东西

地表最强模型的称号，这回被Anthropic拿出来了。

智东西11月10日消息，Anthropic今日正式推出Claude Fable 5.2和Claude Mythos 5.2这对全新双模型，在基准测试中几乎全面压过Fable 5.1、Opus 5.5和GPT-6 Astra。

Anthropic的说法是，这两个模型在预发布测试阶段就干出了不少出人意料的事：帮工程师做成了原本做不到的软件迁移，从零设计出三台能用的电子设备，解开了两个黑洞物理领域的公开难题，费马大定理的形式化证明也只花了30小时。

发布当天，它们就登上Artificial Analysis Intelligence Index v5榜首，得分65分，比上一代Fable 5.1多出16分。

今日起就能用。Claude Fable 5.2已经上线亚马逊云服务、谷歌云和微软Azure，开发者在Claude平台通过claude-fable-5-2即可调用。

本周内，符合条件的付费订阅用户还能拿到额外的Fable额度：凡是包含Fable模型的套餐，Anthropic按订阅时长赠送1～3次Fable额度重置；Pro套餐和团队版标准席位的Fable调用额度，最高可占每周限额的50%。

和上代Fable 5.1、Mythos 5.1相比，新模型输出速度最高提升30%，价格降了20%——每百万输入token 8美元（约合人民币53.39元），每百万输出token 40美元（约合人民币266.93元）；上代则是输入10美元（约合人民币67.21元）、输出50美元（约合人民币336.04元）。

快速模式下，token生成速度最高能到2.5倍，收费为每百万输入token 16美元（约合人民币106.77元）、每百万输出token 80美元（约合人民币533.86元）。

选型上，Anthropic也给了明确建议：Fable和Mythos最适合高难度、开放式的技术研发。绝大多数编程与知识类任务，用户应优先用综合能力最强的日常主力Claude Opus 5.5，再按工作范围和复杂度切换——难度更高时上Fable或Mythos，需求轻量化则换Claude Sonnet 5.5或Claude Haiku 5.5。

此外，Fable 5.2能当顾问模型，协助Haiku、Sonnet或Opus一起啃高难度问题；也能做编排调度，把简单任务分给轻量模型去跑。

上一版Fable和Mythos发布至今已过去61天。两个模型底层其实是同一个模型，区别只在安全策略：Fable带有面向网络安全与生物领域的强化防护，向全体用户开放；研究机构则可通过生命科学与网络安全核验项目申请访问Mythos。

Anthropic的IPO也在推进中，最快明天正式启动IPO路演，向投资者推介上市计划。

一、早期用户实测：模型水平超过二年级博士生和人类专家

YouTuber Riley Brown在直播里用Fable 5.2一次性做出了一整只短片。只给了一条提示词，模型自己写出在Blender中搭建整个房间的代码——桌子、MacBook、灯光等，动画也全部自主完成。为了把视频渲染成4K，它还在RunPod上租了10块GPU，52分钟渲染完毕，总成本5.75美元（约合人民币38.37元）。

宾夕法尼亚大学沃顿商学院教授Ethan Mollick此前拿到体验资格，发长文拆解了Fable 5.2的长处和短板。他的判断是，Fable 5.2已接近AGI（通用人工智能），或者说锯齿形AGI（Jagged AGI）。

他先让模型做一只短片，提示词大意是：“我写OneUsefulThing（一个网站），我需要你创建一个最令人印象深刻的东西，以便在你发布时与大家分享。它需要能够嵌入到文章中，而且我可以随意添加你的前言。它需要对人们产生强烈的冲击，展现你的能力和范围。它应该能够迅速抓住人们的眼球。在这方面，你要展现出惊人的创造力。”

没有任何反馈修改，模型一口气完成了全部内容。教授的评价是，短片有创造力、判断力、趣味性和巧妙构思，已经“达到了人类专家仅凭代码就能制作电影的水平”。

他还用Fable 5.2把Codex Micro迷你USB键盘改成了小型游戏机。按他的介绍，模型读了控制键盘的两个应用程序代码，搞清每个按键的颜色怎么设置、旋钮和摇杆的指令怎么读取，然后写了六款游戏。

学术研究上，教授让Fable在创业研究领域找一个尚未解决的实证问题，收集数据、预先注册假设和方法、撰写论文，再请其他研究人员评析。Ethan Mollick说，模型给出的最终成果“初读之下，远超我预期中二年级博士生的水平。”

连续创业者、YouTuber、Forward Future创始人兼CEO Matthew Berman测试Fable 5.2时消耗了超过1000亿token。模型表现出高度自主性：指令很少时，它能自行做出约99%符合评测者预期的假设，还会检查全部代码库，找出其他模型没发现的bug。

Fable还能操控Unreal Engine和Blender，生成《战争机器》克隆和Unreal中的东京模拟城市；以高速直达的解决路径完成大规模代码库审查；在克隆Excel、克隆游戏、复刻城市等任务中高完整度交付，很少需要追加提示。

二、碾压Opus 5.5、GPT-6 Astra，能从零造出可启动操作系统

Anthropic公布的基准测试结果表明，Claude Fable 5.2与Mythos 5.2在几乎全部基准测试中，成绩都超过了Fable 5.1、Opus 5.5和GPT-6 Astra。

例外出现在两处：办公业务自动化流程上，它小负Gemini 4 Carbon；在衡量复杂知识工作的两两对战基准AA-Briefcase v1.1 Elo中，它略低于Opus 5.5。

效率层面，中等投入度下，Fable 5.2完成高难度任务所消耗的token比Fable 5.1更少。

FrontierCode 2.0的早期测试里，高投入度模式的Fable 5.2跑分与最高投入度的Opus 5.5基本打平，而单任务成本只有后者的一半左右；换成超高投入度（Xhigh effort）模式，它在所有参测的已发布模型中得分居首。

Fable 5.2在FrontierCode基准中各模式的得分情况

编程上，Anthropic透露，其核心代码库中合并上线的变更，已有超过90%是在人工引导下由Claude编写完成的。

研究人员用Fable 5.2，几分钟内就能处理掉顽固的疑难Bug、优化全线服务性能，还落地了一批高价值软件项目。有一支基于早期版本Fable 5.2的智能体团队，把一项核心线上业务服务从Python迁到了Rust；改造之后，服务效率更高、稳定性更强，启动速度提升约26倍。

其中一项实验由Anthropic的一名工程师发起，他让Fable 5.2设计一套原型操作系统。模型从空白文件夹起步，调度了超过1000个子智能体，连续不间断运行8天，把代码编写、测试与评审全部做完，最终产出一套能在笔记本电脑上启动运行的操作系统原型。

这套原型自带负责调度硬件的内核，配有磁盘、键盘、网络驱动，支持持久化文件存储、窗口界面、登录界面和安装程序，还内置了Claude能力。

找漏洞这件事上，Claude Mythos 5.2也表现出“天赋”。Anthropic在博客中称，它是自家在网络安全工程领域能力最强的模型，相比前代能发现更多漏洞，复现和修复漏洞也更拿手。

一家安全厂商的测试显示，Claude Mythos 5.2找出的已确认漏洞中，有1/6是其他所有前沿模型都没发现的。在该厂商内部的CVE漏洞复现基准评测里，Claude Mythos 5.2检出的漏洞数量比Claude Opus 5.5高10.2%，比Claude Mythos 5.1提升14.4%。另有测试人员统计，前代模型给出的结果大约每20条就有一条夸大了漏洞危害等级，而Claude Mythos 5.2没有出现任何夸大风险的情况。

CVE漏洞复现基准评测的结果

三、AI算出黑洞相变、完成费马大定理形式化，Fable 5.2包揽多学科硬核难题

科研、工程与数学领域的重要任务，如今越来越多要靠代码落地，数据分析、分子建模、零部件设计、仪器控制都得由软件完成。Claude Fable 5.2与Claude Mythos 5.2已经帮研究人员解决了这些领域里的各类难题。

1、理论物理学

理论物理学中的两个公开问题被Claude Fable 5.2解决。两个问题都跟黑洞有关，也牵涉现代物理学的两大核心理论——相对论与量子力学。

Claude的两项成果都建立在全息对偶之上。这套理论说的是：某些包含引力的时空，可以由一套不含引力的量子理论完整、精确地描述。

第一个问题：物理学家1983年就证明，这类时空升温会突然生成黑洞，现象类似水沸腾，但当时的方法只适用于满足广义相对论适用条件的大尺度时空。2003年，学界提出一套计算方案，用来验证极小尺度时空是否也有同样现象——这类极小时空只能用量子体系描述，可计算量极大，一直没人算完。

Fable 5.2在高度自主状态下把这套计算做完了，并证实在这类小时空里，黑洞相变同样是突变式的。

第二个问题涉及一种被物理学家沿用超过15年的技术，用来在简化时空模型中排除不合适的量子引力候选理论。Fable 5.2求出了该技术的精确适用边界。

论文成果：

https://hexagonmath.org/2611.00175v1

https://hexagonmath.org/2611.00174v1

2、蛋白质折叠

基因治疗药物的递送，可以借助腺相关病毒（AAV）这类小型、无致病性的病毒来完成，靠的是它的蛋白外壳衣壳（capsid）。衣壳的蛋白结构直接关系到疗法会不会被患者免疫系统拦截，重要性不言而喻，可这种结构本身又极其复杂。拿AlphaFold等现有蛋白折叠模型来说，它们只能预测单个蛋白的结构；衣壳却是由数十个蛋白组装起来的。

Claude Mythos 5.2基于两款开源蛋白折叠模型，找到了一种能精准预测完整衣壳结构的全新方案：它编写代码，对存在重叠的蛋白链分组运行上述模型，再借助衣壳已知的对称性信息，把各组预测结果融合拼接起来。

这套由Claude提出的方法在多款天然衣壳与人工改造衣壳上都有效。Anthropic称，测试中它尝试建模的34个衣壳里，有28个得到了精准还原。

3、数学

把数学证明翻译成计算机能逐行核验的形式语言，这就是形式化。数学家借此确认结论可靠，不必再人工逐条核对；碰上AI生成、人类难以验证的结果时，这一步尤其关键。

Anthropic最早做费马大定理的形式化，用的是尚未对外发布的Claude研究版本，前后跑了11天。整个过程要靠一套专门搭的调度框架，还得有一名研究员在旁边引导。

对照之下，1000个Fable 5.2智能体组成的团队只花了30小时，就把该定理完整形式化，人工介入几乎可以忽略。

给Fable 5.2的提示词很简单，它自己就搭出协同方案，全程没翻数学参考文献，只拿一组中间定理陈述来盯进度。跟第一次形式化相比，它消耗的动作token只有原先的1/3，产出的证明代码长度缩到原来的1/7。

同样配1000个智能体，Opus 5.5在18小时内只做完26%的形式化工作，过了30小时基本就推不动了。

4、硬件与机器人技术

在设计硬件设备、控制实体机器人这两块，Fable 5.2同样有不小的进展。

研究人员给出的提示词很短：让模型自己设计并交付3套能正常运行的电子设备，电路板、3D打印外壳和控制软件都得配齐。这3套设备分别是家用语音助手中枢、USB会议免提音箱和手持电子宠物。

产品规格书是Claude自己写的，电子器件从美国元器件供应商那里选型，每台设备的四层电路板布线、外壳的CAD建模、设备控制软件，也都由它完成。

整套电路板一天之内就能到可投产状态，人工只参与一小部分。Diode把电路板生产出来后，Claude还指导该公司工程师做设备测试与组装。据Anthropic说法，三台设备全部一次通电可用，电路没做任何改动。

机器人方面，Fable 5.2控制的机器人能完成还原魔方、拧开瓶盖、绘制机器人简笔画等多项任务。

公开基准测试集RoboDojo检验的是AI能否依据相机图像操控仿真双臂机器人。Anthropic公布的结果显示，跑在同一套调度框架上的Fable 5.2性能强于其他前沿模型，也超过大多数专为机器人控制打造的AI系统。

结语：Fable 5.2重新定义通用AI的工程边界

从PCB硬件设计、3D结构建模到机器人视觉操控，Fable 5.2把AI的边界从纯数字世界往外推。过去硬件、机器人领域多靠专用模型，通用大模型在物理规则、电路约束上很容易翻车。

Anthropic这次的新模型露出的潜力说明，通用模型正在学着理解现实世界的物理约束。往后无论是小批量硬件原型的快速迭代，还是工业机器人的柔性任务，都可能借这类通用工程智能体把试错周期大幅压短。