跳到正文
gihyo.jp·· 10 天前精選AI 評分83

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

AI 導讀

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。

推薦理由

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。

正文 · 繁體中文

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