Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,提升推理、圖像理解及長時間智能體工作能力
Anthropic、Claude Fable 5.2とMythos 5.2を発表 ——推論や画像理解を改善、長時間のエージェント作業も強化
Anthropic 於 2026年11月9日發佈 Claude Fable 5.2 和 Claude Mythos 5.2,改進編碼、圖像理解與複雜推理,並提升長時間智能體工作的表現。
文章並列兩款模型的基準測試、價格及開放條件,並説明共用基礎模型下 Mythos 的安全措施與使用門檻差異。
Anthropic於2026年11月9日公佈AI模型Claude Fable 5.2和Claude Mythos 5.2。據稱,新模型改善了程式編寫和圖像理解能力,並提升複雜推理及長時間執行 Agent 工作的表現。與Fable 5.1和Mythos 5.1相比,兩者生成輸出的速度最高提升30%,標準API輸入及輸出 Token 的單價則同時下調20%。
Fable 5.2可供所有Claude付費方案使用,但各方案的使用額度及是否需要額外收費各有不同。除了Claude API,亦會在AWS、Google Cloud和Microsoft Foundry提供。Mythos 5.2則會提供予從事網絡安全或生物醫學研究,並通過該公司審核計劃的組織和個人用戶。
為應對最艱鉅的技術挑戰而設計的 Claude Fable 5.2 和 Claude Mythos 5.2,現已推出。 它們能成為多個領域中雄心勃勃項目的得力協作者,並在程式編寫、推理和視覺理解等方面有所提升。https://t.co/jP0AutLxXb
— Claude (@claudeai) November 9, 2026
公佈程式編寫及推理等評估結果
Anthropic公佈了FrontierCode 2.0的初步評估結果。這項評估衡量開源軟件維護者是否會接受模型生成的程式碼變更。將用於推理的 effort 設為 High 時,Fable 5.2的得分為45.3%。據稱,以每項任務約一半的費用,便取得接近Opus 5.5將 effort 設為Max時的45.5%的成績。將Fable 5.2的 effort 設為Xhigh,得分則達49.1%。所有評估均在啟用安全措施的情況下進行。
該公司亦公佈了科學研究、電腦操作和推理等方面的評估結果。以下列出包括外部評估機構Vals AI進行的Terminal-Bench 4.0評估在內的結果,並與上一代Fable 5.1、Opus 5.5及OpenAI的GPT-6 Astra比較。
| 基準測試[1] | Fable 5.2 | Fable 5.1 | Opus 5.5 | GPT-6 Astra |
|---|---|---|---|---|
| FrontierCode 2.0 | 49.1% | 32.4% | 45.5% | 42.8% |
| FrontierSWE v2 | 69.9% | 56.3% | 62.3% | 65.5% |
| Terminal-Bench 4.0[2] | 65.15% | 58.08% | 65.15% | 59.60% |
| Terminal-Bench-Science 0.1 | 74.6% | 52.6% | 58.7% | 68.1% |
| AutomationBench | 51.4% | 31.4% | 42.5% | 41.4% |
| OSWorld 2.1 | 89.3% | 83.5% | 87.2% | 79.5% |
| Humanity’s Last Exam | 74.2% | 65.6% | 67.7% | 57.2% |
| Chartography | 73.4% | 44.8% | 64.4% | 71.0% |
公佈 Mythos 5.2 評估結果,並加入 Claude Security
Fable和Mythos使用相同的基礎模型,但在網絡安全和生物學領域採用不同的安全措施。因此,在受這些措施影響的任務中,兩者的評估結果也會有所不同。下表列出Mythos 5.2公佈的數據,以及Fable 5.2的相應結果。CyScenarioBench亦列出OpenAI公佈的GPT-6 Cyber結果。
| 基準測試[3] | Fable 5.2 | Mythos 5.2 | GPT-6 Cyber |
|---|---|---|---|
| Terminal-Bench 4.0(Claude Code) | 67.6% | 70.5% | — |
| Terminal-Bench-Science 0.1 | 74.6% | 75.3% | — |
| CyScenarioBench | — | 76.3% | 61% |
| CVE Rediscovery | — | 89.6% | — |
| De novo binder design(24小時) | — | 85.1% | — |
Anthropic亦報告,Mythos 5.2在發現、重現和修補漏洞方面有所提升。表中的CVE Rediscovery是2026年10月以1,829個CVE進行的評估。據稱,Mythos 5.2發現的漏洞數量比Opus 5.5多10.2%,比Mythos 5.1多14.4%。
用於檢查程式碼漏洞的Claude Security也加入了Mythos 5.2。Claude Enterprise用戶可在公開測試版中使用,無須參加Cyber Verification Program。此前,該公司於10月21日公佈了Claude Security的功能更新,包括持續掃描等功能。
這次更新加入了持續檢查程式碼儲存庫,並在程式碼變更後重新檢查漏洞的功能。修正套用至程式碼後,系統會將已發現漏洞的狀態更新為已解決;如漏洞再次出現,則會改回未解決。評估亦會納入團隊登記的運作環境和安全政策,並可透過API或MCP與日常使用的開發工具整合。
應用於電子設備設計及科學研究
Anthropic的開發團隊表示,他們使用Fable 5.2早期版本的Agent團隊,將實際運作中的服務由Python遷移至Rust,令服務啟動速度提升約26倍。
在正式推出前的測試中,Claude Fable 5.2 和 Claude Mythos 5.2 曾在多個不同領域處理具挑戰性的項目。以下是其中幾個例子。 只需一段文字提示詞,Fable 5.2便設計出三款可運作的電子裝置,包括這款家用語音助理中樞。https://t.co/efOYdhRr7K
— Claude (@claudeai) November 9, 2026
除了軟件開發,Anthropic亦介紹了一項實驗:向Fable 5.2提供簡短提示詞,讓它設計家用語音助理中樞、USB免提揚聲器和便攜式虛擬寵物。模型從編寫規格、選擇零件、設計4層電路板佈線,到設計以3D打印製作的外殼及實作軟件,都能逐步完成。
據稱,合作公司Diode根據這些設計進行製造和組裝後,三款裝置均無須修改電路便能運作。
在生物醫學領域,Mythos 5.2設計了一種方法,用來預測基因治療所用腺相關病毒(AAV)的外殼「衣殼」整體結構。它編寫程式碼,讓現有開源模型預測各部分結構,再將結果組合起來,模擬整個外殼。Anthropic以兩種預測模型測試後表示,在研究的34個樣本中,有28個能準確建模[4]。
在化學領域,Claude提出有機分子合成路徑的實驗亦於官方X帳號介紹。外部合作研究人員認為,Claude提出的方案達到相當於剛入讀研究院學生的水平。
形式化數學證明,並在理論物理未解問題上取得成果
據稱,使用Fable 5.2早期版本的1,000個Agent,約30小時便將費馬最後定理的證明形式化。這項工作將數學家已提出的證明改寫成電腦能逐步驗證邏輯的形式,並使用用於撰寫和驗證證明的語言Lean。Agent根據人類準備的命題和證明方向分工合作。文章末尾的專欄會介紹詳細的分工機制。
在理論物理方面,Anthropic表示Fable 5.2解決了兩個關於黑洞和量子重力的未解問題。
其中一項是有關「霍金-佩奇相變」的計算:温度上升時會形成黑洞。當時的問題是,在特定理論模型中,即使考慮量子效應,這種轉變是否仍會急劇發生。據稱,Claude 推進了一項自2003年起尚未完成的計算,得出即使在相互作用較弱的條件下,也會發生代表急劇轉變的「一級相變」。計算內容已整理在公開論文中。
另一項研究是求出一種計算方法的極限,用以篩選可能成立的量子重力理論候選者。這種方法所得限制的強度以數值表示,以往只能得知其範圍。據稱,Claude 精確求出該數值,並揭示即使改良這種方法也無法超越的極限。相關論文亦已公開[5]。
日常工作使用 Opus,大型遷移或研究則使用 Fable
Anthropic 建議,大多數程式編寫及知識型工作可先使用 Opus 5.5,再按工作難度、成本和回應速度選擇模型。Fable 5.2 的主要用途包括大型重構與遷移、架構設計、多個子代理的協調,以及科學研究和定量分析。
選擇指南建議,對於變更範圍明確的修正及重複性工作,可考慮使用 Sonnet 5.5;大量分類和擷取工作則可考慮 Haiku 5.5。指南亦介紹了結合多個模型的做法:把搜尋檔案、讀取記錄等工作交由使用較低成本模型的子代理處理,再由 Fable 5.2 管理整體工作。指南建議,在切換模型前,先嘗試調整 effort 設定。
Anthropic 的 Felix Rieseberg 亦在X 貼文中舉例指出,Fable 擅長重寫整個程式碼庫、撰寫大型交付成果的初稿,以及處理要求尚未明確的課題。
API 單價下調20%,整體任務成本亦受用量影響
Fable 5.2 和 Mythos 5.2 的標準 API 收費為每 100 萬個 token 輸入 8 美元、輸出 40 美元。與 5.1 的輸入 10 美元、輸出 50 美元相比,兩者均下調20%。
不過,Anthropic 的 Addy Osmani 在X 貼文中補充,Fable 5.2 會使用大量 token;在他們的測試中,每項任務的成本往往與 5.1 大致相同。
另有 Fast mode,可將輸出 token 的生成速度提升至一般情況下最高 2.5 倍。收費為每 100 萬個 token 輸入 16 美元、輸出 80 美元,可在 Claude Code、Claude Platform、Google Cloud 的支援服務,以及由 Anthropic 託管的 Microsoft Foundry 使用。不過,只有參與該公司的確認計劃的機構,才可使用 Mythos 的 Fast mode。
兩款模型的基本規格相同:上下文窗口為 100 萬個 token,最多可輸出 128K 個 token。根據兩款模型的系統卡第1.1.1節,知識截止時間為2026年6月。
API 一直啟用 Adaptive thinking,讓模型按課題進行推理。effort 的預設值在 API 中為 High,在 Claude 應用程式和 Claude Code 中則為 Medium。
自行組裝 API 請求的現有系統開發者,遷移時需要確認對話記錄的傳送方式。若修改系統提示詞或過往訊息,修改位置之後的推理資料便會失效。如果重新傳送時仍把這些資料包含在請求中,API 預設會報錯。此外,Fable 5.2 和 Mythos 5.2 可以讀取彼此的推理資料;但切換至其他模型時,5.2 生成的推理資料不會沿用。具體變更可參閲遷移指南。
公開 5.2 提示詞指南
該公司亦公開了配合 Fable 5.2 和 Mythos 5.2 特點的提示詞指南,説明如何調整指示或執行環境,以處理長時間工作中途結束、模型要求過多不必要的核準、沒有顯示進度,以及過度使用子代理等問題。
指南建議使用 API 的開發者在遷移時,先把 effort 設為 High 試用,再測試 Medium 或 Xhigh 的品質和成本。另一方面,指南指出,effort 設為 Medium 或以上時,要求模型「不經思考,直接回答」等指示並不能有效抑制推理。指南建議透過調低 effort 來減少推理。
沿用舊模型的系統提示詞、技能和備忘錄時,指南建議刪除已不再需要的注意事項,並清楚列明禁止的操作,以及需要取得核准的操作。指南亦提醒,在對話進行期間修改先前的指示,可能會令 API 報錯,因此建議在新對話中測試。
指南亦提供指示範例,鼓勵模型持續完成長時間工作。據稱,該公司加入這項指示,並把 effort 設為 Medium,重新執行已記錄的程式編寫代理工作階段後,在仍有工作可做時便提前結束的工作階段約減半,但輸出 token 增加了約30%。為瞭解這類指示的效果及用量變化,指南建議每次只更改一項指示進行測試。指南同時提醒,對於危險或無法撤銷的操作,仍應保留向用戶確認的機制。
安全措施及使用條件,部分 AI 研究能力受限
Fable 在網絡安全和生物學領域的安全措施,會封鎖大部分高風險網絡安全工作要求(例如滲透測試),以及生物學研究相關要求。若要在這些領域使用 Mythos,須透過Cyber Verification Program或 Life Sciences Verification Program 申請。其中,網絡安全領域的 Defense Access 亦接受個人申請,例如獨立研究人員和開源軟件(OSS)維護者。
Fable 封鎖的要求,在網絡安全領域可改用 Opus 4.8,在生物學領域則可改用 Opus 5。若要在 API 中使用替代回應,須設定或自行實作重試並改用其他模型。
另一方面,該公司亦改善了模型,以減少不必要的封鎖。據稱,在 claude.ai、Claude Code 和 Cowork 的初步測試中,與 Fable 5.1 相比,封鎖次數減少了約55%。
此外,訓練兩款模型時,該公司刻意限制了部分可能直接加快 AI 開發的研究能力提升。因此,在加速器處理最佳化或改良大型語言模型架構等方面,兩款模型的效能與 Opus 5.5 相若。該公司表示,這不會影響一般程式編寫或硬件開發等能力。
在安全評估中,據稱 Mythos 5.2 比 Opus 5.5、Sonnet 5.5 和 Mythos 5.1 更少出現以下行為:工作尚未完成便聲稱已完成,以及省略重要資訊。
使用這兩個模型亦須遵守為安全監察而設的數據保留條件。Anthropic 原則上會保留提示詞和輸出 30 天;如要以不保留數據的 Zero Data Retention(ZDR)模式使用,則須先取得 Anthropic 明確批准。另一方面,企業用戶可透過以非公開測試版提供的 Enterprise Frontier Safeguards(EFS),將提示詞和輸出儲存在客戶自己的基礎設施內進行安全監察,因此可在 Anthropic 不保留數據的情況下運作。今次公佈指出,合資格客戶在導入 EFS 前仍可繼續使用 ZDR。
推出優惠包括 Fable 試用額度及使用額度重設
作為推出優惠,Pro 和 Team 的 Standard 席位可在日本時間 2026 年 11 月 17 日 16 時 59 分前,免費使用所有 Fable 模型,使用量上限為每週使用額度的 50%。達到上限或優惠期結束後,如用戶已啟用按用量收費的 usage credits,便可使用該等 credits 繼續使用 Fable。預設模型維持不變,用戶須在模型選擇選單中選取 Fable。
另一方面,Max、Ultra、Team 的 Premium 席位,以及按席位收費的舊版 Enterprise 方案中的 Premium 席位,通常已包含 Fable 使用額度。每週使用額度與其他模型共用,而可用於 Fable 的額度上限為 50%。Fable 的額度消耗速度比其他模型快。
此外,合資格的現有訂戶可使用 Fable limit reset,取回每週使用額度中已用於 Fable 的部分。使用額度上限本身不會增加。對於設有 5 小時使用額度的帳戶,該額度亦會一併恢復,包括已用於其他模型的額度。
Pro 和 Team 的 Standard 席位可使用一次,期限為日本時間 11 月 17 日 16 時 59 分。Max、Ultra、Team 的 Premium 席位,以及按席位收費的舊版 Enterprise 方案中的 Premium 席位,則可按合約期使用 1 至 3 次,期限為日本時間 2027 年 3 月 9 日 16 時 59 分[6]。
用戶可在 Claude 設定畫面的「Usage」查看可使用的重設次數及期限。
來源:gihyo.jp · gihyo.jp