Anthropic Fable 5.2机器人跑分64.9%，特斯拉Optimus工程师加盟

Anthropic眼下正卡在一个相当微妙的节骨眼上。

一头是变数重重的IPO考题。估值虽已收窄到约 1.5 万亿美元，可潜在投资者仍对Anthropic大笔投入的回报率存疑。路透社刚刚披露了一段颇耐人寻味的插曲：Anthropic曾给承销银行发去一份关键文件，其中列出约 8.67 亿股的发行规模、每股 70 至 80 美元的定价区间，按上限算发行总额约 693.6 亿美元。

可文件发出之后，公司又火速撤回了这些定价信息，说法是“并不准确，将另行更新”。

另一头，在资本市场的紧盯之下，Anthropic亮出了筹备已久的技术底牌：新一代旗舰档位模型 Claude Fable 5.2 和 Mythos 5.2。两款模型的分发方式不同——Fable 5.2 带着网络安全和生物学领域的安全限制向普通用户开放，Mythos 5.2 则主要供经过审核的网络安全和生命科学研究机构使用。

自主编程工程能力本是A社传统强项，这次在此基础上又多了一个新变量：向物理世界与具身领域加速渗透。

行业公认的权威基准——机械臂操作仿真 RoboDojo 上，Fable 5.2 的平均成功率跑到了 64.9%。上一代 Fable 5.1 是 27.6%，Opus 5.5 是 39.4%，都被它甩在身后；GPT-6 Astra 的 29.8%，更是被它直接做到两倍以上。

这种能力还在快速往现实中渗透。第三方开发者随后做的真机盲测里，它接管真实机械臂，把一局 62 步的跳棋完整下完；物理接触失误和硬件形变频繁出现时，它表现出的纠偏能力相当罕见。

同一时间，前特斯拉 Optimus 团队灵巧操作工程师 Bingjie Tang 确认以 MTS（Member of Technical Staff）身份加入 Anthropic。她在特斯拉期间长期做人形机器人基于学习的灵巧操作，数据采集、策略训练、模型评估以及真实机器人部署都在她的工作范畴内；更早之前在英伟达机器人实验室，她研究的重点是接触丰富（Contact-rich）环境下的操作与仿真到真实迁移（Sim-to-Real）。

其实，这次人才流动不是偶发动作。回头看过去一年，Anthropic在物理世界的那条测试链条相当清晰：

2025 年启动 Project Fetch，最早是让 Claude 帮非机器人专家编程操控机器狗，之后再进一步测试模型自主连接设备、读取传感器和执行任务的能力；

2026 年 7 月发布 《Claude Plays Robotics》 研究，测试范围扩到机械臂、四足机器人和人形机器人，摸索通用大模型如何靠视觉感知、任务规划和调用运动策略来控制机器人。同月推出的 Project Pilot 把实验对象换成无人机，测试自主导航与目标追踪能力。

8 月发布的 Model Hardware Standard（MHS），想给 AI 操作显微镜、机械臂等物理设备建立一套统一接口。

看得出来，让 Claude 只在软件环境里执行任务，Anthropic已经不再满足。往物理世界试探，说到底是被商业现实倒逼出来的一场边界突围。

眼下正值筹备上市的关键节点，资本市场对 Anthropic 高达 1.5 万亿美元估值的审视越来越严。整体营收还在狂奔，可第三季度环比增速已从上一季度的 144% 明显放缓到 47%。巨额算力投入压着毛利，只靠屏幕内的 API 调用和企业软件订阅，正肉眼可见地撞上增速天花板。

Physical AI 的战略权重，就是这样被迅速抬了上去。

联手工程服务商 UST，把 Claude 嵌进芯片制造与汽车产线的实际研发；推出 MHS 规范，直接调度科研仪器与工业设备；再到眼下 Fable 5.2 机器人仿真跑分翻倍、前特斯拉 Optimus 灵巧操作工程师 Bingjie Tan 火速入职——Anthropic想向投资者证明的是：Claude 不会止步于聊天框里的智囊，它有可能成为物理生产力的执行核心。

具身业务短期里还难撑起业绩，但行业竞争重心的偏移是明摆着的事：大模型不再满足于“回答问题”，而是要“接管工作”。

按“最终交付结果”算账的逻辑，也延伸到了软件开发端。Fable 5.2 身上随即出现一个颇具戏剧性的反差：Token 标价是 Opus 5.5 的整整两倍，可在高难度工程任务中，它交出的实际成本账单反而便宜了一半。

跑分倍超 GPT-6 实测学会纠偏

今年 9 月 GPT-6 Astra 在机器人仿真领域引发的那场讨论，还有人记得吗？

论文《An Unexpected Robot Policy》当时展示了一个冲击力不小的方向：不必为每项机器人任务专门训练策略模型，通用大模型也能通过视觉观察、推理和动作接口，直接参与机器人控制。不少人由此开始重新审视通用大模型与专用具身模型之间的关系。

现在，Anthropic把这项成绩又大幅往前推了一步。

官方公布的 RoboDojo Sim 测试中，Fable 5.2 达到 64.9%，GPT-6 Astra 为 29.8%，自家上一代 Fable 5.1 为 27.6%，Opus 5.5 为 39.4%。

换算下来，Fable 5.2 是 GPT-6 Astra 的 2.18 倍，是 Fable 5.1 的 2.35 倍。

RoboDojo Sim 上各模型的成绩见 △ 配图，数据由 Anthropic 内部跑出，每个模型都用了它当前能拿到的最高推理强度。

RoboDojo 考的不是模型懂不懂概念，而是端到端把活干完：只给摄像头拍到的连续画面，模型得自己判断机械臂每个关节往哪走、抓取时使多大劲。64.9% 的平均分说明它已经越过了“碰运气”的阶段，跨场景连续动作的规划开始稳得住。

官方放出的真机演示里，Fable 5.2 没有针对具体任务做微调，照样把益智方块摆弄明白、把瓶盖拧开，还拿笔在纸板上画出了简笔画。

第三方开发者的无滤镜实测，则进一步摸到了 Fable 5.2 泛化能力的上限。

开发者 Karolina Dubiel（@karolina_dubiel）把 Fable 5.2 直接接到一台真实物理机械臂上，让它在真实桌面上跟人下完一整局跳棋。

这局对抗看着简单，实际考的是真实物理世界有多粗糙、多不听话：

- 容错：整局 62 步动作里，桌面反光、棋子轻微移位、抓夹摩擦力不够，让机械臂先后 14 次抓脱或抓偏。没人重写代码，测试者只用自然语言说一句“再试一次”，Fable 5.2 就能结合视觉回传自己复盘上一步为什么失败，重新算抓取角度再试一遍。

- 物理反馈感知与动态补偿：机械臂带负载伸展时，末端受重力和机械间隙影响往下垂了约 7 毫米。碰上这种没预设过的形变，Fable 5.2 没有死按原来的理论空间坐标走，而是读取关节传感器回传的扭矩与位移遥测数据，在后面动作里自己叠加补偿偏量，把棋子准确落下。

不过，Dubiel 的测试同时也把当前方案的明显短板摆了出来。

她在评论区补充说，整局对弈实际花了约 46.5 分钟，平均每步约 45 秒。公开视频经过数倍乃至上百倍加速，真操作起来并没有视频里那么顺。

名义 Token 贵一倍 为何交付成本反砍半？

到了商业端，Fable 5.2 造出一个表面上的定价悖论。

它的 API 输入每百万 Token 8 美元、输出 40 美元，比上一代降了 20%，可仍是主力模型 Opus 5.5 的整整两倍。按常规逻辑，单价翻倍，研发成本自然跟着涨。

但在多项涉及真实工程的测试里，账本却朝反方向走：

代码合并基准 FrontierCode 2.0：Fable 5.2 只开 High 推理档位就跑出 45.3%，与 Opus 5.5 最高档位的 45.5% 打平，单任务总成本直接少了约 50%；堆到 Xhigh 档位，成绩更冲到 49.1%，把 GPT-6 Astra（42.8%）甩在后面。

知识与图表任务：在 Perplexity WANDR 大规模信息收集和 Chartography 图表基准中，Fable 5.2 分别以 Opus 5.5 约 40% 和不到 10% 的单任务成本，拿到了相同甚至更高的准确率。

成本倒挂的根子，在于“一次通过率”（First-pass Yield）把算力消耗压了下去。

社区开发者的实测点出了关键差距：做 3D 潜艇场景时，Opus 5.5 花了 6 小时 40 分钟，还得人频繁介入纠错、补细节；Fable 5.2 只花 1 小时 26 分钟，几乎一次成型。

在多轮嵌套的复杂工程里，传统大模型最烧钱的地方从来不是单次输出的 Token 标价，而是逻辑断点带来的无限次上下文返工、调试回溯，以及工程师人工介入的时间。

当然，这套优势不是所有场景都吃：系统操作测试 OSWorld 2.1 中，Fable 5.2（89.3%）只比 Opus 5.5 领先 2.1 个百分点；业务流 AutomationBench 里，它甚至以 51.4% 落后于 Gemini 4 Carbon 的 53.9%。

也就是说，处理基础表格和浅层系统点击，Fable 5.2 可能是个性能过剩的高价工具；可到了需要高容错、深度逻辑自洽的深水区，它就是个能替你省掉几十轮无效调试的熟练工。

智能体临界点：超长推理周期

代码和机器人测试展现的是局部生产力，而到了极限工程实验里，Fable 5.2 头一回让大规模智能体集群的持续运转有了工业可用性。

最典型的验证是费马大定理的形式化转写。Anthropic 调度约 1,000 个 Fable 5.2 智能体，在少有人工干预的环境下，仅用约 30 小时就用 Lean 语言走完定理形式化全流程，此前这套系统要耗 11 天。

任务推进到中后程，有一组对照更值得看。

跑满18小时，Fable 5.2的完成度已到86%，Opus 5.5才26%。再往后到30小时，Fable 5.2顺利收敛、跑完100%；Opus 5.5勉强挪到27%，卡在逻辑死锁里出不来。

这种在极深推理网络中扛住上下文漂移、绕开逻辑死循环的本事，也被直接搬到了真实工程开发里。

从零搭系统：工程师只给一个空文件夹，让它调度1,000多个子智能体连轴转8天，最后交付出一套能用的笔记本操作系统原型，内核、驱动、文件系统、窗口交互齐备，还内嵌了Claude。

底层架构搬家：一组智能体把某关键生产服务从Python整体改写成Rust，上线后启动速度提升26倍。

软硬件打通到底：只给需求描述，它们就与Diode联手设计出三款实体电子产品，器件选型、画电路板、外壳3D建模、固件烧录一趟走完，硬件打样回来后电路不用改就能通电运转。

多Agent协作这几年被行业反复提及，可工具链调用几十次之后，累积误差常常把整个系统拖进幻觉雪崩。Fable 5.2拿出的技术增量，是把长程任务的容错阈值往外推了一大截。

结语 

从屏幕里连续8天的底层系统推理，到物理世界中机械臂末端的自适应校正，冲击二级市场的Anthropic，显然已经不满足于只做高溢价的软件Copilot。

资本市场的聚光灯下，它正在重写的故事，指向一个走向实体生产力的自主执行单元。