Anthropic闯具身智能：Fable5.2真机62步纠偏，挖角Optimus骨干
作者 | 飞野、青和编辑 | 四月Anthropic 正踩在一个非常微妙的时间节点上。一边是充满变数的IPO考卷。哪怕估值已收敛至约 1.5 万亿美元，潜在投资者对Anthropic巨额投入回报率的质疑依然未散。就在刚刚，路透社披露了一段耐人寻味的插曲：Anthropic 曾向承销银行发送了一份关键文件，列出约 8.6
Anthropic 眼下所处的时间点颇为微妙。
另一头，在资本市场的密切审视下，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。Fable 5.2 经过网络安全和生物学领域的安全限制后向普通用户开放，Mythos 5.2 则主要提供给经过审核的网络安全和生命科学研究机构。
自主编程工程能力本是A社传统强项，这次还多出一个新变量——向物理世界与具身领域的渗透在提速。
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 64.9%，把上一代 Fable 5.1（27.6%）和 Opus 5.5（39.4%）都甩在身后，还直接达到 GPT-6 Astra（29.8%）的两倍以上。
能力也在快速落进现实——第三方开发者随后做的真机盲测里，它接管真实机械臂，完整下完一局 62 步的跳棋，频繁出现物理接触失误与硬件形变时，表现出罕见的纠偏能力。
同一时间，她以MTS（Member of Technical Staff）身份加入 Anthropic。在特斯拉期间，她长期做人形机器人基于学习的灵巧操作，工作覆盖数据采集、策略训练、模型评估以及真实机器人部署；更早则专注接触丰富（Contact-rich）环境下的操作与仿真到真实迁移（Sim-to-Real）。
其实，这次人才流动并非偶发。回看过去一年，Anthropic 在物理世界的测试链条相当清晰：
2025 年启动 Project Fetch，先让 Claude 帮非机器人专家编程操控机器狗，之后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，测试范围扩至机械臂、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 把实验对象延伸到无人机，测试自主导航与目标追踪能力。
8 月发布的 Model Hardware Standard（MHS），试图为 AI 操作显微镜、机械臂等物理设备建立统一接口。
看得出来，Anthropic 已不满足于让 Claude 只在软件环境里执行任务。向物理世界的这番试探，说到底是一场被商业现实倒逼的边界突围。
算力开支巨大，毛利因此承压；单靠屏幕里的 API 调用与企业软件订阅，增速的天花板已经近在眼前。资本市场正盯着 Anthropic 那高达 1.5 万亿美元的估值反复打量，毕竟公司眼下正处在筹备上市的要紧关头。营收整体还在猛涨，可第三季度的环比增速已从上一季度的 144% 降到 47%，放缓得相当明显。
Physical AI 的战略权重正是由此被迅速抬升。
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；再到如今 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 正试图向投资者证明：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。
具身业务短期内还难成业绩支柱，但行业竞争重心的偏移也是不争事实：大模型不再满足于“回答问题”，而是要“接管工作”。
这种按“最终交付结果”算账的逻辑，同样延伸到了软件开发端。Fable 5.2 身上随即出现一个最具戏剧性的反差：Token 标价是 Opus 5.5 的整整两倍，可它在高难度工程任务中交出的实际成本账单反而便宜了一半。
还记得今年 9 月，GPT-6 Astra 在机器人仿真领域引发的那场讨论吗？
当时，论文《An Unexpected Robot Policy》展示了一个颇具冲击力的方向：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。
如今，Anthropic 又把这项成绩大幅向前推进。
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 的成绩是 GPT-6 Astra 的 2.18 倍，是 Fable 5.1 的 2.35 倍。
各模型在 RoboDojo Sim 上的成绩。图源：Anthropic。这组结果由 Anthropic 内部运行得出，用的是各模型可用的最高推理强度。
RoboDojo 考的不是概念理解，而是端到端把任务做完：模型只能看摄像头传回的连续画面，自行判断机械臂每个关节该走什么空间轨迹、抓取时使多大劲。平均得分 64.9%，说明它已经跳出“碰巧试对”的范围，跨场景规划连续动作开始稳得住。
官方放出的真机演示里，Fable 5.2 没做过特定任务的针对性微调，照样完成了摆弄益智方块、拧开瓶盖、拿笔在纸板上画简笔画这些精细动作。
△ Fable 5.2 控制真实机器人完成精细操作。图源：Anthropic
另外，第三方开发者的无滤镜实测，进一步探到了 Fable 5.2 泛化能力的上限。
测试中，开发者 Karolina Dubiel（@karolina_dubiel）把 Fable 5.2 直接接到一台真实的物理机械臂上，让它在真实桌面环境里跟人下完一整局跳棋。
这场对抗看着简单，实际考验的却是真实物理世界里的粗糙和不可控：
- 容错能力：整局棋共 62 步动作，桌面反光、棋子轻微挪位、抓夹摩擦力不够，让机械臂前后出现 14 次抓取脱落或偏移。测试者没有人工重写代码，只输入了一句自然语言“再试一次”，Fable 5.2 就能结合视觉回传主动复盘上一步为什么失败，重新算抓取角度，把动作重试一遍。
- 物理反馈感知与动态补偿：机械臂伸出去带负载时，末端受重力和机械间隙影响下垂了约 7 毫米。面对这种事先没预设的物理形变，Fable 5.2 没有死板执行原来的理论空间坐标，而是读关节传感器回传的扭矩与位移遥测数据，在后续动作里自主叠加补偿偏量，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亮了出来。
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，实际操作远没有视频里看着那么顺。
到了商业端，Fable 5.2 弄出了一个表面上的定价悖论。
它的 API 输入为每百万 Token 8 美元、输出 40 美元，比上一代降了 20%，可依然是主力模型 Opus 5.5 的整整两倍。按常规逻辑，单价翻倍，研发成本自然跟着水涨船高。
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 推理档位就能跑出 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 大规模信息收集与 Chartography 图表基准中，Fable 5.2 的单任务成本分别约为 Opus 5.5 的 40% 和不到 10%，准确率却做到相同甚至更高。
这种成本倒挂，说到底来自“一次通过率”（First-pass Yield）对算力消耗的降维打击。
社区开发者的实测把关键差距摆了出来：做 3D 潜艇场景时，Opus 5.5 花了 6 小时 40 分钟，还得人类频繁介入纠错、补细节；Fable 5.2 只花了 1 小时 26 分钟，几乎一次性成型。
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数次上下文返工、调试回溯，以及人类工程师搭进去的人工介入时长。
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 中，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，它就是个能帮你省掉几十轮无效调试的熟练工。
代码和机器人测试展现的若是局部生产力，那么在极限工程实验里，Fable 5.2 第一次让大规模智能体集群持续运转有了工业可用性。
Anthropic 拿费马大定理的形式化转写来验证这套东西。约 1,000 个 Fable 5.2 智能体被调度起来，人工介入很少，约 30 小时就用 Lean 语言把定理的形式化全流程走完了；同一套系统以前要花 11 天。
任务中后程还有一组对照，更能说明问题：
连续运行 18 小时后，Fable 5.2 的完成进度到了 86%，Opus 5.5 只有 26%；
再推到 30 小时，Fable 5.2 平稳收敛到 100%，Opus 5.5 则只勉强挪到 27%，卡在逻辑死锁里出不来。
在极深推理网络中顶住上下文漂移、绕开逻辑死循环，这种能力也直接搬进了真实工程开发：
纯白纸构建系统：给一个空文件夹当起点，1,000 多个子智能体被调度着连轴转了 8 天，最后完整交付一套笔记本操作系统原型——内核、驱动、文件系统、窗口交互都齐了，还内嵌了 Claude，可以实际使用。
底层架构迁移：另一组智能体把某关键生产服务从 Python 全量改写成 Rust，上线之后服务启动速度提升 26 倍。
软硬件端到端穿透：只给需求描述，Anthropic 与 Diode 合作设计出三款物理电子产品，器件选型、画电路板、外壳 3D 建模、固件烧录一次贯通，硬件打样后电路不用改就能通电运转。
多 Agent 协作这件事，行业里谈了很久。可工具链调用到几十次之后，累积误差常把整个系统拖进幻觉雪崩。Fable 5.2 拿出的技术增量，就是把长程任务的容错阈值往外推了一大截。
屏幕之内，底层系统推理连跑 8 天；物理世界里，机械臂末端能自适应校正。冲击二级市场的 Anthropic，显然已经不满足于只做一个高溢价的软件 Copilot。
在资本市场的聚光灯下，它正在重构的故事，是一个走向实体生产力的自主执行单元。
