Anthropic IPO 前夕發佈 Claude Fable 5.2 和 Claude Mythos 5.2
IPO前夜,Anthropic再亮两张“王牌”
Anthropic於美國當地時間11月9日發佈 Claude Fable 5.2 和 Claude Mythos 5.2,Fable 5.2 面向一般用戶處理大型開放式任務,Mythos 5.2 則聚焦網絡安全及生命科學,主要供通過審核的研究機構使用。
文中以形式化證明、工程交付及第三方測試呈現長時任務能力,並記錄創意判斷和流程控制失誤,便於理解其實際表現與限制。
在即將IPO的關鍵節點,Anthropic同時發佈了兩款新模型。
美國當地時間11月9日,Claude Fable 5.2和Claude Mythos 5.2正式亮相。兩款模型採用相同的底層模型,Fable 5.2通過網絡安全和生物學領域的安全限制面向普通用戶開放,Mythos 5.2則主要向經過審核的網絡安全和生命科學研究機構提供。

這次最值得關注的升級,是模型處理大型開放式任務的能力。從協調1000多個智能體完成數學證明的形式化驗證,到從空文件夾開發一套操作系統,再到設計電子設備、製作遊戲和控制實體機器人,Fable 5.2已經能夠連續執行數小時甚至數天的複雜項目。
Anthropic稱,新模型生成速度最高提升30%,標準價格降至每百萬輸入Token 8美元、每百萬輸出Token 40美元。
相比跑分,這次發佈更有看頭的是一系列實際演示。多個第三方體驗者也給出了自己的測試結果,其中既有讓人驚訝的作品,也暴露出模型在判斷力和執行效率上的不足。
這次發佈正值Anthropic籌備IPO之際。隨着OpenAI、谷歌和Meta密集推出面向編程、推理及AI智能體的新模型,Anthropic需要進一步證明自己在高難度任務上的競爭力。
1000個智能體協作,30小時完成費馬大定理形式化證明
這次發佈最引人注目的案例來自數學領域。
Anthropic讓1000個Fable 5.2智能體協同工作,將費馬大定理的既有數學證明轉化為計算機能夠逐步驗證的形式化證明。
整個過程只用了30小時。模型從有限提示和一組中間定理陳述出發,自行建立協作機制、分配任務,並使用Lean數學編程語言完成驗證。人類幹預非常有限。

此前,Anthropic曾使用尚未發佈的研究版本完成同一任務,耗時11天,需要專門搭建執行框架,並由研究人員持續指導。這次Fable 5.2使用的行動Token只有此前方案的三分之一,最終證明長度縮短至七分之一。
與之相比,同樣使用1000個智能體,Opus 5.5運行30小時後只完成了約26%的形式化工作。
值得注意的是,AI完成的是費馬大定理已有證明的形式化驗證,並非重新發現了數學證明。真正值得關注的是,它能把一項複雜工作拆解成大量可驗證任務,再通過智能體協作完成。
科研領域也有類似進展。
在理論物理學方面,Fable 5.2完成了兩個黑洞物理學開放問題的計算。其中一項涉及全息對偶理論。2003年,研究人員曾提出相關計算方案,但由於過程過於繁瑣,一直未能完成。Fable 5.2基本自主完成計算,發現小宇宙中同樣存在突然形成黑洞的相變過程。

Mythos 5.2則在蛋白質結構預測上展示了新方法。
面對由數十條蛋白質鏈組成的腺相關病毒衣殼,模型將兩個開源蛋白質預測模型結合起來,利用重疊蛋白質鏈和結構對稱性整合預測結果。在34個測試對象中,準確預測了28個。

造操作系統、設計硬件
比數學證明更容易讓普通讀者理解的,是Fable 5.2的工程和創作能力。
Anthropic一名工程師給模型佈置了一項任務:從一個空文件夾開始,設計一套能夠在筆記本電腦上啓動的原型操作系統。

Fable 5.2協調了1000多個子智能體,連續工作8天,負責代碼編寫、測試和審查。最終系統擁有內核、磁盤、鍵盤和網絡驅動程序、持久化文件存儲、窗口系統、登錄界面和安裝程序,甚至內置了Claude功能。
X用戶@chetaslua看完後直呼這簡直就是AGI。他特別提到,模型從零開始組織超過1000個智能體,最終交付的已經是一套能夠運行的操作系統,而不是一段概念演示。
硬件設計也有實際成果。
Anthropic與電路板設計公司Diode合作,讓Fable 5.2根據一段文字描述設計三款電子設備:家庭語音助手中樞、USB會議揚聲器和手持虛擬寵物。

模型自行編寫技術規格,選擇電子元件,設計四層電路板,製作3D打印外殼,再編寫設備軟件。電路板不到一天就完成製造準備。Diode生產完成後,模型還指導工程師測試和組裝。最終三款設備全部正常工作,無需額外修改電路。
遊戲和視覺創作方面,第三方展示的幾個Demo同樣值得一看。
開發者@kevin_t_ngo分享了一個可以直接在瀏覽器中游玩的遊戲。玩家乘船穿越8個夢幻世界。Fable 5.2需要完成場景、遊戲邏輯和交互設計,最終交付的是一個可以實際體驗的作品。

賓夕法尼亞大學沃頓商學院教授伊桑·莫利克也讓Fable 5.2製作了一款惡搞《史酷比》的反向遊戲。玩家需要扮演反派,想辦法嚇跑那些愛管閒事的孩子。模型還製作了帶有音樂和音效的宣傳預告片。

實體機器人控制是另一個重要方向。Anthropic展示了模型控制機器人完成魔方拼圖、擰開瓶蓋和繪製圖案等任務。在模擬雙臂機器人測試RoboDojo中,Fable 5.2得分64.9%,Fable 5.1為27.6%,Opus 5.5為39.4%。

在這些演示中,模型開始把代碼、視覺設計、工具調用和執行過程結合起來,交付可以運行或操作的成果。
給自己制定8.75萬字規則
莫利克還在文章《Fable 5.2 and Jagged AGI》中提出,Fable 5.2已經接近通用人工智能,但能力分佈仍不均衡。他將這種狀態稱為“Jagged AGI”,即鋸齒狀AGI。

莫利克首先讓模型設計一門生意,目標是一年賺2萬美元,而自己每個月只投入20分鐘。
Fable 5.2篩選了22個商業創意,最終選擇Prebid Brief,幫助設備銷售人員提前發現公園、水務等公共項目的資金安排和建設計劃。
模型讀取了201個城市和縣政府的公開會議議程,整理潛在商機,還建立了當地設備清單,記錄設備類型、使用年限和採購價格。隨後,它開始安排定期任務,甚至詢問莫利克能否向地方政府發送公共信息申請。

莫利克認為,這份商業計劃如果出自MBA學生的學期項目,已經相當不錯。但他沒有讓模型真正啓動業務,因為銷售、基礎設施和後續運營仍有大量不確定性。模型自己估計項目成功概率為20%至40%。
文學研究的測試也很有意思。
莫利克要求Fable 5.2重建詩人奧登1941年在密歇根大學開設的一門課程。模型整理了35部主要作品、課堂板書、播放過的唱片和作業,還檢索奧登的學術研究,為詩歌添加註釋,並安排智能體進行事實核查。
莫利克認為,這項工作可能需要人類花費數月。但模型第一次生成的網站過於枯燥,收到修改意見後又做成了兒童敲鈴遊戲。解釋詩歌時,它也曾給出自信卻沒有充分考慮奧登本人觀點的分析。
問題雖然能在幾分鐘內修正,模型卻沒有主動發現。
學術研究測試則暴露了另一種短板。
Fable 5.2圍繞企業註冊費用變化開展研究,分析科羅拉多州將有限責任公司註冊費從50美元降至1美元,以及英國將註冊費從12英鎊提高到50英鎊後,新公司註冊數量的變化。

模型估算,兩地註冊量分別增加和減少約17%,但後續商業活動並未出現相應幅度的變化。莫利克認為,研究問題和設計相當不錯,已經超過他對部分二年級博士生的預期。
但論文長達182頁,模型沒有真正完成預註冊,還把部分研究計劃寫在看到早期結果之後。GPT-6 Pro擔任同行評審時,兩次發現需要修改的問題。莫利克花費不到一小時就得到了這份研究成果,卻認為它還不能直接發表,因為沒有人完整核查全部結果。
最有代表性的失敗案例,發生在3D世界生成項目。
莫利克只給了模型一段關於無盡3D世界之旅的描述。20小時後,系統已經生成204個世界,之後累計超過450個。世界全部由代碼實時繪製,沒有使用預製3D模型或圖像文件。
莫利克最初兩天就看到了328個世界,但不同智能體團隊缺乏協調,出現了重複創意:馴鹿、蝠鱝和鸛鳥分別被設計成圍繞中心旋轉的場景。
他要求模型停止擴建,先打磨已有作品。沒想到,模型自行建立了一套審核制度,每個新版本都必須通過AI評審團的盲測投票。為了避免評審機制被鑽空子,智能體不斷增加規則。

12天后,規則手冊擴展到204個章節,共計約8.75萬字。發佈一個新世界,需要創意審批、三名AI評審和完整代碼審查,整個流程甚至耗時一天。
莫利克最後不得不另外組建一支智能體團隊,作為外部顧問重新審查流程,才把每天的產出恢復到30多個世界。
Anthropic員工@alexalbert__分享的使用建議,也能解釋怎樣發揮這類模型的優勢。
他認為,Fable 5.2在大型開放式任務中比Opus 5.5有明顯進步。使用時,可以先讓模型審視想法本身,指出其中的問題;推理強度從Medium或High開始,最困難的任務再使用Xhigh;事先明確哪些操作必須獲得人類批准,其餘交給模型自主決定。

最重要的一點,是給模型一個完整項目,而不是不斷告訴它下一步做什麼,讓它連續運行幾個小時。
莫利克的實驗和Albert的建議説明,Fable 5.2的長處已經相當明確:接手一個完整目標,自己規劃、執行、協調和修改。但創意判斷、質量控制和現實商業執行仍然需要人類參與。
Mythos 5.2專攻網絡安全
與面向廣泛任務的Fable 5.2相比,Mythos 5.2的重點是網絡安全和生命科學。
Anthropic稱,Mythos 5.2是目前公司能力最強的網絡安全工程模型。在內部CVE Rediscovery測試中,面對1829個已公開漏洞,它發現的漏洞數量比Opus 5.5多10.2%,比Mythos 5.1多14.4%。

一家安全公司發現,Mythos 5.2確認的漏洞中,有六分之一沒有被其他受測前沿模型發現。
Mozilla傑出工程師布萊恩·格林斯特德表示,Mozilla此前一直使用不同版本的Mythos模型加固Firefox。隨着漏洞越來越隱蔽,Mythos 5.2在最近一輪掃描中的漏洞發現指標,較Mythos 5.1提高了約一倍。
在生命科學方面,Mythos 5.2對腺相關病毒衣殼結構的預測,在34個測試對象中準確完成28個,顯示出處理複雜蛋白質組合結構的能力。
不過,Mythos 5.2並未向所有用戶開放。網絡安全和生命科學研究人員需要通過Anthropic的專項審核計劃申請使用,Claude Enterprise客戶則可以通過Claude Security使用其代碼安全掃描能力。
安全問題也引發了外部討論。
回到產品本身,Fable 5.2在FrontierCode 2.0測試中取得49.1%,高於Fable 5.1的32.4%和Opus 5.5的45.5%;在多學科推理測試Humanity's Last Exam中達到74.2%,Opus 5.5為67.7%。Anthropic還稱,Fable 5.2在High effort下的編程測試成績與Opus 5.5最高成績接近,但單項任務成本約為後者的一半。

在定價方面,Anthropic這次也做了調整。Fable 5.2和Mythos 5.2的標準API價格統一下調20%,從此前每百萬輸入Token 10美元、每百萬輸出Token 50美元,降至8美元和40美元。
與之相比,OpenAI旗艦模型GPT-6 Astra的標準價格仍為每百萬輸入Token 10美元、每百萬輸出Token 50美元。按照標準價格計算,Anthropic兩款新模型的輸入和輸出Token單價均比GPT-6 Astra低20%。
不過,Fable 5.2仍然屬於高價模型。其標準輸入和輸出Token價格,分別是Claude Opus 5.5的兩倍。Anthropic強調,單價更高不代表完成任務的總成本一定更高。在早期FrontierCode 2.0測試中,Fable 5.2使用High effort時,成績與Opus 5.5使用Max effort基本相當,但單項任務成本約為後者的一半。
速度方面,Anthropic還為兩款模型推出Fast模式,Token生成速度最高提升2.5倍。不過,這項服務需要支付更高費用:每百萬輸入Token 16美元、每百萬輸出Token 80美元,恰好是標準模式的兩倍。
Fast模式目前可通過Claude Code、Claude Platform、Google Cloud上的Claude Models,以及由Anthropic託管的Microsoft Foundry使用。
來源:虎嗅 · huxiu.com