Anthropic 今天凌晨推出 Claude Fable 5.2 和 Mythos 5.2 两款顶级模型。

新模型在科研上拿出了不少成果，其中一项是约 1000 个 AI 智能体协同工作，只花 30 小时就把费马大定理的证明做了形式化。

这次更新里，机器人控制能力同样受关注。官方发布文章的科学与工程部分，单列了「硬件与机器人」一节。

官方演示视频显示，Claude Fable 5.2 操控机器人完成了摆弄益智方块、旋开瓶盖、画出机器人图案等操作。

Anthropic 公布的数据显示，Claude Fable 5.2 在 RoboDojo Sim 上拿到 64.9%，比上一代 Fable 5.1 的 27.6% 高出 37.3 个百分点；Claude Opus 5.5 的 39.4% 和 GPT-6 Astra 的 29.8% 也被它甩在后面。

Anthropic 还称，本次评测中 Fable 5.2 的成绩压过了大多数专为机器人控制打造的 AI 系统。

Anthropic 产品经理 Alex Albert 直接表示，机器人的「苦涩的教训」已经来了。

另外，曾参与

Anthropic正把Claude的能力往机器人控制方向延伸。

其实，这家公司今年已不止一次公开与机器人有关的研究。

7月，Anthropic推出《Claude plays robotics》，让Claude在仿真机器人、机械臂和真实四足机器人上接受测试。

测试中，研究人员试过好几种控制路径：直接生成底层控制指令、编写控制程序，或者调用预训练的机器人策略。

结果显示，Claude对机器人环境已有一定理解力，也能做出操作规划，但具体能到什么程度，要看控制接口、动作精度和推理延迟这些因素。

10月，Robocurve等机构发表论文《The Bitter Lesson Comes to Robotics》，把评估对象换成前沿通用多模态模型，看它们控制真实机械臂的水平。

论文发现，通用模型已经能搞定多种实体机器人操作任务，而且能力在几个月里一直在往上走。不过，操作精度、执行速度和推理成本仍是落地时绕不开的限制。

论文作者之一Jay Chooi在Fable 5.2发布后，也在社交平台上谈起了机器人领域的「苦涩的教训」。

「苦涩的教训」来自机器学习领域的一个经典判断：算力和模型规模越涨，通用学习方法就越能在更多任务上拿出有竞争力的表现。

现在，这场讨论正被搬到机器人领域。

通用模型在视觉理解、空间推理和任务规划上不断进步，研究人员也在摸索：它们在机器人控制系统里究竟能接手多少活。

前特斯拉 Optimus 研究员加入 Anthropic

这边 Anthropic 刚秀出机器人本领，那边人才流动的消息就传了出来。

曾深度参与特斯拉 Optimus 人形机器人研发的 Bingjie Tang，近日确认加盟 Anthropic，出任 Member of Technical Staff。她此前在特斯拉 Optimus AI 团队做的是学习式灵巧操作方向，从数据采集到机器人策略训练、评估，再到真机部署，都在她的工作范围之内。

个人主页：https://bingjietang718.github.io/

在进入特斯拉之前，Bingjie Tang 于南加州大学取得计算机科学博士学位。读博期间，她与 NVIDIA Seattle Robotics Lab 的研究人员往来紧密，合作方向包括接触丰富的机器人操作、机器人学习，以及 Sim-to-Real。

Sim-to-Real 眼下是机器人学习里的重要一脉，核心问题是怎样把仿真环境中训好的操作策略搬到真实机器人身上。现实世界里有摩擦力、接触状态、物体形态和硬件误差这些变量，都会干扰机器人的动作表现。所以说，从仿真训练走到真实部署，摆着不少技术难题。

Bingjie Tang 之前参与过的 Refinery、FORGE 等研究，同样指向机器人策略学习、真实交互和操作适应。

翻一眼她的履历：数据、算法训练、真实机器人部署，这几环她都摸过。这跟 Anthropic 最近亮出的机器人能力，在技术上有不少交集。

2026 年，具身智能的热度还在往上走。世界模型、空间智能、机器人基础模型，押注物理世界的 AI 公司越来越多；另一边，通用模型在机器人控制上的本事也追得很快。

通用大模型的本事还在往上走，往后它们在机器人智能系统里到底会扮演什么角色？Anthropic 下一步又会拿出什么新东西？这些眼下都还没有答案。