Claude Fable 5.2与Mythos 5.2同源：智能不再是难题后拼什么？
Anthropic在11月9日推出Claude Fable 5.2，共用底层模型的Claude Mythos 5.2仅限验证机构使用。Fable 5.2展现出多Agent协作潜力：1000个子智能体用不到30小时完成费马大定理形式化验证，比9月的11天大幅缩短；还能独立开发操作系统、设计硬件。不过其定价为每百万Toke
摘要：
解数学难题、写操作系统、做硬件，
Claude Fable 5.2把这些事都摆上了台面。有人觉得Anthropic是在变着法子讲高估值的想象空间——等智能本身不再是难题，接下来拼的又该是什么？
凤凰网科技 出品
当地时间 11 月 9 日，
Anthropic 一口气推出 Claude Fable 5.2 和 Claude Mythos 5.2 两款模型。
两个名字底下跑的是同一个底层模型。区别在门槛：Fable 对所有用户开放，自带网络安全和生物安全方面的防护；Mythos 把这些限制去掉，只发给通过了 Cyber 或 Life Sciences 验证计划的机构。
发布之后，外界的说法出奇一致：更强、更快。可也有开发者一算价格就觉得不对味——拿来做coding，Fable 5.2并不划算。Anthropic 自己在发布文档里也写了，大多数编码和知识工作，建议还是“从 Claude Opus 5.5 开始”。
最强模型的名号一轮接一轮地刷新，真正能用上的机会反倒不多了。离AGI还有距离，AI公司先撞上的是商业化的天花板。
最强继续更强，数字劳动力雏形已现？
先看强在哪。FrontierCode 2.0 考的是“开源项目维护者愿不愿意合并模型写的代码”，最高算力档下 Fable 5.2 拿到 49.1%，上一代 Fable 5.1 只有 32.4%。
Remote Labor Index 看的是模型能独立干完多少真实的远程工作任务，这一项从 17.9% 升到 41.3%，翻了一倍还多。
Anthropic 内部还跑了一个机器人仿真测试 RoboDojo Sim，成绩由 27.6% 提到 64.9%。问题是这组数字出自公司内部运行，外面的人没法复现。
再说它不强的地方。官方公布的对比表里，AutomationBench 一项 Fable 5.2 是 51.4%，输给了谷歌 
Gemini 4 Carbon 的 53.9%。
外部平台Artificial Analysis的智能榜单上，Fable 5.2以65分排第一，把第二名60分的Gemini 4 Carbon甩开一段，跟第四名GPT-6 astra的差距更是有9分。
它到底有多强？一天多时间，人类数学史上的一件大事被它做完了。
30 小时内，费马大定理的形式化验证完成；物理学里两个跟黑洞、量子引力有关的未解难题也被它解决。除此之外，它还能完全独立地做操作系统、自己设计和制造电子设备、预测复杂腺相关病毒衣壳结构……
有一种看法是，Fable 5.2意味着AI正从生产力工具走向具备工程执行能力的数字劳动力。
但不少开发者认为，这或许说明Anthropic在coding这条路上已经“卷到头了”，不开拓新赛道、新玩法，很难再让投资人眼前一亮。偏偏眼下正是Anthropic冲刺IPO、忙着定价的关键节点。
价格遥遥领先，所以Anthropic建议大家别用
可当开发者兴致勃勃准备试试Fable 5.2的本事时，一看定价，发现事情不太对。
Fable 5.2 的标准价是每百万 Token 输入 8 美元、输出 40 美元，比上一代的 10 美元和 50 美元看着降了 20%，输出速度比 5.1 快至多 30%。嫌慢可以开快速模式，速度提到 2.5 倍，价格也跟着翻倍，输入 16 美元、输出 80 美元。
直观一点看，Artificial Analysis上每项任务的成本同样是遥遥领先。
不过Anthropic自己在发布材料里放了一张“代码准确率 vs 每任务成本”的曲线，结论是：中等算力档下Fable 5.2的45.3%已经贴近Opus 5.5最高档的45.5%，而每完成一个任务的花费只要一半左右。
衡量智能消耗的尺子，Anthropic官方已经换了一把。过去两年行业比价看的是每百万 Token 多少钱，这回改成每完成一个任务多少钱。两把尺子量出来的结果可能完全相反——一个Token单价便宜两成的模型，要是多试三轮才做对，任务成本没准贵一倍。
另外，Anthropic官方的建议原话是，“对于大多数编码和知识工作，我们建议用户从 Claude Opus 5.5 开始。”
放进现在的价格梯队里比一比：DeepSeek V4.1-Flash 输入每百万0.3美元、输出1.2美元，Kimi K3.1 Pro 是输入 2 美元、输出 10 美元，GPT-5.5 标准版是 5 美元和 30 美元。Fable 5.2 站在最上面，8 美元和 40 美元。
换句话说，这个模型每次调用都不便宜。它的价值体现在关键时刻用上一次，天天挂着跑并不划算。
Anthropic 因此给它设了两个新角色。其一是 Advisor，也就是顾问——Haiku、Sonnet、Opus 这类便宜模型遇到难题时来找它请教；其二是 Orchestrator，即调度者，它不自己动手，而是把任务拆解后分派给下层更小的模型。
更强之上还在刷新。不过，这件事已经没那么要紧了。
按 Anthropic 的说法，有位工程师只给了 Fable 5.2 一个空文件夹，它便调度起 1000 多个子智能体，连跑 8 天，最后交出一套能在笔记本上启动的原型操作系统——自带内核、磁盘、键盘与网络驱动，文件存储、窗口、登录界面和安装程序也都有。
还有一组 Agent 干的活，是把 Anthropic 自家一项生产服务从 Python 迁到 Rust，迁完之后启动速度提升约 26 倍。
连硬件它也插了一手。Anthropic 称其与电路板厂商 Diode 联手设计了三款产品：家用语音助手、USB 会议音箱、掌上电子宠物，涵盖电路板、外壳和软件，板子造好之后不做任何电气改动就能直接工作。
数学方面的样本是这样：约 1000 个 Agent 用不到 30 小时，就把费马大定理的已有证明转写成 Lean 可逐步校验的形式。同样的事今年 9 月做，得花 11 天，还要专用脚手架，外加研究员全程盯着；这回输出 Token 只花了三分之一，证明长度约为原先的七分之一。
这些案例听着像在秀肌肉。可把“1000 个子智能体”换成“1000 个下属”，就会发现它讲的是一套组织架构，而非一个模型。
有位行业人士的看法是，顶级模型的竞争已经趋同——价格趋同、数据趋同，下一步毫无疑问是“应用”阶段；模型能力上限和价格下限同步推进，意味着 AI 能用于不同的差异化探索。到那时候，模型厂商比拼的是 harness、记忆和用户习惯这些维度。
大模型厂商在这方面的布局已经看得出来，DeepSeek 和 OpenAI 都在补齐同一套能力。
今年8月，DeepSeek 以 MIT 协议开源了 WorkBuddy。10月17日发布 V4.1-Flash-1017 时，DeepSeek 又明确称新模型针对 WorkBuddy、腾讯CodeBuddy、WorkBuddy 等智能体产品做了优化。harness 团队的崔添翼则一直在大量招人。凤凰网科技此前从行业人士处了解到，梁文锋本人更擅长的“也是这块”。
11月5日，Kimi 发布 Kimi Hosted Agents（托管智能体），正式提出 Harness as a Service。
同一天，曾在 Anthropic 负责 Claude Code 产品的 Cat Wu 加入 OpenAI，接管核心产品团队的产品管理。她曾参与推动 Claude Code 从内部原型走向大规模商用的商业产品，此后还短暂去了 Cursor。
Claude Code 是 Anthropic 在 AI 编程市场最具代表性的产品之一，Cat Wu 亲历了它从产品构想到商业化落地的全过程。OpenAI 把她招至麾下，补强 Codex 及更广泛 Agent 产品能力的意图很明显。
其实 Fable 5.2 发布之前，据称的 Gemini 新模型就“泄露”了。用户 @chetaslua 的评价是“耗时翻倍、代码量也翻倍”——那是谷歌内部代号“krypton”的 Gemini 4 新检查点，据说在代码生成、视觉和 3D 场景上的表现明显超过刚发布不久的 carbon。顶级模型的刷新速度在加快，有人把这归功于 RSI，否则解释不通。
问题也就跟着来了：智能不再是问题之后，什么才算竞争力？接下来的模型竞争会往哪走？答案很快会揭晓。
