Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,主打艱巨技術任務
原创 Claude Fable 5又炸到谁了?
Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,定位為應對艱巨技術挑戰的長程智能體模型。文章稱,Fable 5.2 在 30 小時內完成費馬大定理的形式化;Mythos 5.2 在內部 CVE 再發現評估中,發現的漏洞數量比 Claude Opus 5.5 多 10.2%,比 Claude Mythos 5.1 多 14.4%。
文章以數學形式化、硬件設計及安全測試等案例,呈現兩款模型面向長程複雜技術工作的定位。
11月9日最新消息,Anthropic重磅發佈Claude Fable 5.2和Claude Mythos 5.2,對這兩款模型,Anthropic的定位是——應對最“艱鉅”的技術挑戰。
Anthropic表示,新款模型在編碼、推理和視覺方面有所提升,在測試中,兩款模型在協助完成軟件遷移、電子設備設計、黑洞物理學、機器人評估等方面均有出色的表現,“在30小時內完成了費馬大定理的形式化”。
同時,Anthropic特別強調了自家模型的網絡安全與生物學安全,與上個版本5.1相比,Claude 5.2的速度提高了約30%,而且更便宜。

基礎跑分
首先是基準性能測試,與Opus 5.5、GPT-6 Astra以及Gemini 4 Carbon這幾款模型相比,Claude Fable 5.2 的確展示了強大的效能。在代理編程、代理研究、網絡安全、知識性工作和視覺圖表識別等方面都超出了其他模型。更值得注意的是,Claude Fable 5.2 對於CVE再發現維度的網絡安全、蛋白質設計以及代理搜索能力較為獨特。

在效率方面,Fable 5.2 這條深綠色的軸線在不同等級的工作量中幾乎吊打自家全系產品,也超過了對家GPT-6 Astra和Gemini 4 Carbon。
圖表從左到右,工作量逐步遞增。中等工作量下,可以用比 Fable 5.1 更少的令牌完成具有挑戰性的任務。根據 Anthropic 公佈的早期測試數據,Fable 5.2 在高工作量下的得分與 Opus 5.5 在最高工作量下的得分大致相當,但每個任務的成本幾乎只有 Opus 5.5 的一半。在超高工作量下,Fable 5.2 的得分也是所有已發佈測試模型中最高的。

編程方面,Anthropic 表示現在它的核心代碼庫中超過 90% 的變更都是由 Claude 編寫的。不僅可以快速修復bug,有着更快的速度,還具有強大的工程判斷能力。
在官宣的實驗視頻中,Anthropic 的工程師讓 Fable 5.2 設計一個操作系統原型。Fable 5.2 從一個空文件夾開始,協調了 1000 多個子智能體,連續八天不間斷地編寫、測試和審查代碼。最後生成了一個可以在筆記本電腦上啓動的操作系統。
這個系統擁有運行機器的獨立核心、磁盤、鍵盤和網絡驅動程序、永久文件存儲、窗口、登錄界面、安裝程序以及內置的 Claude 功能。

除此之外,Anthropic特別強調了Claude Mythos 5.2 的安全性,在其內部評估工具 CVE Rediscovery¹ 中,Claude Mythos 5.2 發現的漏洞數量比 Claude Opus 5.5 多 10.2%,比 Claude Mythos 5.1 多 14.4%。

軟件運用
Anthropic尤其看重自身在科學、工程和數學方面的進展。
在現在的科研環境中,數據分析、分子建模、零件設計以及儀器控制等都通過軟件完成,也越來越依賴於編程。
Anthropic 表示 Claude Fable 5.2 解決了理論物理學中的兩個黑洞難題。
1983年,物理學家試圖證明,隨着宇宙温度升高,黑洞會像水沸騰一樣突然形成;
——但他們的方法僅適用於足夠大的宇宙,即相對論適用的宇宙。
2003年,人們提出了一個計算,以確定在只能使用量子描述的極小宇宙中是否也存在同樣的情況,但由於計算過於繁瑣而未能完成。
Fable 5.2 發現,即使在極小的宇宙中,這種轉變也是突然發生的。
另一個難題是,Fable 5.2 找到了物理學家使用了超過15年的一種方法的精確極限,可以用於排除簡化宇宙中量子引力的候選理論。
在蛋白質摺疊技術上,現有的蛋白質摺疊模型(例如 AlphaFold)可以預測單個蛋白質,但衣殼是由數十個蛋白質構成的。Claude Mythos 5.2 基於兩個開源蛋白質摺疊模型找到了一種精確預測整個衣殼結構的新方法。它編寫的代碼在重疊的蛋白質鏈組上運行這些模型,並利用已知的衣殼對稱性信息將它們合併在一起。這種方法還適用於多種衣殼,包括天然衣殼和工程衣殼。
數學形式化通過將數學證明翻譯成計算機可以逐步驗證的語言的過程,幫助數學家增強對結果的驗證,而無需手動驗證。但形式化是一個非常繁瑣的過程,如果人工智能能夠協助完成這一過程,數學家就可以將更多時間用於探索新穎的想法。
最初Anthropic 使用 Claude 研究版本對費馬大定理進行形式化,需要 11 天。而 Fable 5.2 智能體僅用 30 小時就完成了該定理的形式化,且幾乎無需人工幹預。
Fable 5.2 從最少的提示開始,構建了自己的協調機制,並且未使用任何數學參考,僅使用一系列中間定理語句來評估進度。
而同樣使用 1000 個智能體,Opus 5.5在 18 小時內僅完成了 26% 的形式化,並在 30 小時後幾乎沒有取得任何進展。

硬件與機器人
Anthropic也十分關注自身在物理世界中的實際作用。
在硬件工程能力方面,Anthropic 與電路板設計和製造商Diode公司合作,要求Claude Fable 5.2 在一段文字提示下設計並製作三款可正常運行的電子設備,包括各自的電路板、3D 打印外殼和軟件。三款設備分別是家用語音助手中心、USB 免提電話和掌上虛擬寵物。

在演示中,Claude Fable 5.2 自行編寫了規格説明,從美國分銷商處挑選了可用的電子元件,設計了每台設備的四層電路板,利用計算機輔助設計軟件對外殼進行了建模,並編寫了設備的軟件程序。每塊電路板都在一天之內完成,幾乎無需人工幹預。
Diode公司完成電路板製造後,Claude指導公司工程師完成了設備的測試和組裝。所有三台設備均無需任何電氣改動即可正常工作。
機器人設計也毫不遜色。
與之前的 Claude 模型相比,Fable 5.2 在控制實體機器人方面,即使是對於它從未接受過專門訓練的機器人任務,也能遊刃有餘。
視頻中, Fable 5.2 控制下的機器人可以解魔方、擰開瓶蓋以及繪製機器人圖像——機器人畫機器人。

在公開的RoboDojo基準測試中(該測試旨在檢驗人工智能如何根據攝像頭圖像控制模擬的雙臂機器人),Fable 5.2 的表現優於運行在同一平台上的其他前沿模型。

對於一些研究與分析任務,Claude Fable 5.2 能夠處理更多模糊且數據量龐大的任務,並且在處理模糊任務(尤其是需要抽象推理和設計的任務)方面具有更好的判斷力。
自營交易公司 Jump Trading 使用類似於其部分定量研究任務的代理評估工具測試了 Fable 5.2,並將其嵌入到與該公司用於自身研究的工具類似的框架中。在一次運行中,Fable 5.2 有效地扮演了所有必要的角色:代碼編寫者、協調員、規劃者和任務提交者。之前的模型需要投入大量時間手動重新平衡這些角色,以適應不同模型的優勢和劣勢。
Jump Trading 給出的反饋是:

安全策略上,Anthropic 對 Claude Fable 5.2 和 Claude Mythos 5.2 的底層模型部署了前安全工作,包括對齊訓練和測試、針對模型採取有害行為傾向的全新評估、構建更強大的防濫用保障措施以及擴大行為監控規模。
在自動化行為審計工具測試(該工具測試模型在約 1900 種場景下的行為)中,Claude Mythos 5.2 在大多數指標上的表現與 Opus 5.5、Sonnet 5.5 和 Claude Mythos 5.1 相當或更優。
例如,在涉及誤導用戶的大多數指標上,Claude Mythos 5.2 的得分均高於這三個模型。在 Claude Mythos 5.2 中,虛假輸入、謊稱已完成任務、遺漏重要信息以及隱瞞劣質或偷工減料等行為的發生率均較低。

對於此前OpenAI 出現過的模型嘗試逃離沙箱的傾向,Claude Mythos 5.2 也有着更好的安全性。
在一項包含超過 1800 個場景的對抗性實驗的測試中,Claude Mythos 5.2 在 3.1% 的場景中使用了放置在沙箱外的憑證或文件,這一比例與 Opus 5.5 (3.3%) 大致相同,低於 Sonnet 5.5 (5.1%),遠低於 Claude Mythos 的先前版本(5 和 5.1,分別為 39% 和 21%)。
Anthropic發現利用其他一些技術,例如描述沙箱和添加用於報告弱點的工具,可以大大減少 Claude Mythos 5.2 的逃離嘗試次數。
不過,在模型部署之前,如何構建能夠可靠地捕獲所有故障的評估體系仍然是一個尚未解決的問題。隨着未來模型的應用場景不斷擴展,功能不斷增強,我們預計這一挑戰將會更加嚴峻。
對此Anthropic表示不會僅僅依賴這些評估來全面瞭解模型的安全性,還會結合訓練期間的監控、內部使用記錄的審查、外部評估人員的測試以及用於分析模型內部運行情況的可解釋性技術。
有意思的是,似乎考慮到美國政府對人工智能安全問題的擔心,Anthropic 特別強調了自身的反蒸餾能力,從而規避可能造成的安全和國家安全風險。Anthropic 在虛假 Claude 賬戶的管控上更加嚴格。
IPO備考
目前,Claude Fable 5.2 已在所有平台上線,包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。開發者可以在 Claude 平台上開始使用。
Claude Fable 5.2 和 Claude Mythos 5.2 的快速模式可在 Claude Code、Claude Platform、Google Cloud 上的 Claude Models(由 Anthropic 和 Google 共同管理)以及 Microsoft Foundry(由 Anthropic 託管)上使用。
總的來説,Claude Fable 5.2 和 Claude Mythos 5.2 是 Anthropic 當前最強的長程代理(long-horizon agentic)模型,針對“難、久、複雜、需要持續自我糾錯”的技術工作。它不是日常聊天或輕量任務的模型,而是用來幹大活的:多天軟件工程、大規模代碼遷移、多代理協作、科學工作流、硬件設計、形式化證明等等。雖然底層模型相同,但 Mythos 解除了部分護欄,在網絡安全和生物學上能力更完整。
但也有用戶表示,Claude Fable 5.2 的基礎價格是 Opus 5.5 的兩倍,比 Gemini 4 Carbon 和部分 GPT-6 變體更貴。高效能下的單次任務成本可能不太划算,而且運行的時間也比較長。
Anthropic 一方面繼續推高 frontier 能力,一方面用更精細的護欄和認證機制控制風險。產品策略上非常清晰,Fable 負責最難任務,Opus 處理大多數專業工作,Sonnet/Haiku 覆蓋速度和成本敏感場景。同時把大量精力放在真實可驗證的工程、科學、硬件任務上,注重作用於物理世界能力的商業化路徑。
2026年Q3季度, Anthropic 收入約 170 億美元,本年累計超 330 億美元,同比暴增超過 10 倍。企業客戶粘性極高(淨收入留存率約 900%),大客戶數量快速增長。在企業 API 和編碼場景的 token 花費份額上,仍與 OpenAI 處於激烈拉鋸狀態。
在即將進行史上最大規模之一的 IPO 窗口期,Fable 5.2 的更新既是技術迭代,也是在 IPO 前強化“我們在agentic 和安全上領先”的市場定位。
文章標題:Claude Fable 5又炸到誰了?
文章鏈接:https://www.huxiu.com/article/4904502.html
來源:虎嗅 · huxiu.com