塔斯娱乐资讯网

实测 Claude Fable 5.2:78 分钟捏了个操作系统

用Fable5.2在78分钟里做出一个能跑的简版操作系统,还让它自己剪了演示视频。四个case、三个日常任务的耗时与额度消耗都被记了下来,用法建议也很具体:日常先用Opus5.5,顶不住了再换。

这是一个真实可用的简版操作系统。我用Fable5.2做了这个,然后让他自己剪辑了一个视频,总用时78分钟

我类似的测试我做了好几个,都放在了后面,效果非常惊艳

昨天晚上,Opus5.5莫名地变慢了很多

然后不出意料地…Anthropic发布了ClaudeFable5.2和ClaudeMythos5.2,也就是A社的最强模型序列,Pro用户可用

同时,相比Fable5.1:Fable5.2降价20%,输出最多快30%

Benchmark成绩如下:

规格方面,上下文1M,最大输出128K,知识截止到2026年6月

这次发布的要点如下:

怎么用:日常先用Opus5.5;一件事要是Opus5.5开到最高档还吃力,就换Fable5.2(分数一样,成本约为一半)

在哪用:Claude应用和ClaudeCode里直接切模型就行,API里的模型ID是claude-fable-5-2,AWS、GoogleCloud、Azure上也都有了

API价格:每百万token输入$8、输出$40(Fable5.1是$10和$50),着急还可以开fastmode,输出最高快到2.5倍,价格翻倍

安全:Fable5.2和Mythos5.2是同一个底层模型,Fable带着网络安全和生物护栏,Mythos开放给通过审核的机构

这次的模型对所有付费用户开放,并且还有一点额外的福利:

Pro用户:这一周(11月9日到16日)可以直接用Fable,最多用到周额度的50%,还送1次Fable重置

Max、Ultra用户:按订阅时长送Fable重置,半年内1次,半年到一年2次,一年以上3次(明年3月8日前有效)

我看了一下自己的账户,现在有3个Fable重置了

不得不说,这种做法还挺培养用户的订阅粘性的

上千个Agent一起干活

Anthropic这次放出的几个大工程,都由成百上千个Fable5.2agent协作完成

一、8天写出一个完整操作系统

我上面那个是简版系统,跑在浏览器里面的

而Anthropic则是让Fable5.2来设计一个完整的操作系统:Fable5.2协调了1000多个subagent,连着干了8天,写代码、测试、review最后交出来的系统可以在笔记本上启动,内核、驱动、文件存储、窗口、登录界面……都有,里面还内置了Claude

二、30小时形式化费马大定理

先说明一下,费马大定理早在1995年就被怀尔斯证明了这里说的形式化,指把他的证明写成Lean代码,让计算机一步步检查

9月的时候,Anthropic用一个未发布的研究版Claude做成过一次,当时配了专门搭的harness和一位研究员的指导,花了11天

这一次,Anthropic换成了1000个Fable5.2agent,1个lead带999个helper给的prompt很短,怎么协作由agent自己搭,手里就一份中间定理的清单(用来计分)

1000个Fable5.2agent用30小时,完成了费马大定理证明的全部形式化,输出token用了上次的三分之一,证明的长度是上次的七分之一

作为对比,同样的配置换成Opus5.5,18小时完成26%,再跑12小时到27%

对了,这里面有一条叫Langlands–Tunnell的命题,负责它的agent开工时估计,至少要写70万到100万行Lean,按时完成的概率在1%以下

然后…第28.4小时,这条命题的Lean证明通过了检查

三、170个agent做安全审计

Uber的工程师让Fable5.2跑了一次10到12小时的安全审计,它派出约170个revieweragent,交回了一份报告、一批修复PR和一份策略建议

对了,Anthropic核心代码库里超过90%的合并改动,现在由Claude来写(有人指导)。一组agent还用Fable5.2的早期版本,把一个关键的线上服务从Python迁到了Rust,启动速度快了约26倍

硬件、机器人、物理都能做

分析数据、模拟分子、设计零件、控制仪器……这些全部都可以Agentic化了

一、一段话做出三件硬件

比如让Fable5.2做三件电子设备:家用语音助手hub、USB扬声电话、掌上电子宠物

然后它从规格书、元器件选型、四层电路板布线、外壳建模到固件,都完成了,每块板子在一天之内做到可以送去生产

合作方Diode按Claude的设计文件直接做出板子,工程师在Claude的指导下完成测试和组装

Fable5.2设计的三件设备,上电后都能工作,电路按原设计一次通过

给语音助手hub布线的时候,Fable5.2花了大约半小时,自己写了一个布线器,每条长走线约一秒布完

它还算出25毫米长的麦克风孔会在3.4kHz附近共振,于是把外壳改成楔形,孔道缩到约10毫米,共振点移到了8.9kHz左右

作为背景,Diode过去一年用模型设计出过很多块完成度95%的电路板,离能用都还差一截。在Diode的电路板布局基准PCBGym上,Fable5.2得分69%,Fable5是25%

二、控制真实的机械臂

Fable5.2可以直接控制实体机械臂,复原魔方、拧瓶盖、装齿轮、画一个机器人……其中包括它没有专门训练过的任务

在仿真基准RoboDojo上,Fable5.2的成功率是64.9%(GPT-6Astra29.8%,Fable5.127.6%),大多数专门为控制机器人做的AI系统也排在它后面

三、两个黑洞物理的开放问题

Fable5.2解决了理论物理的两个开放问题,都和黑洞有关,预印本已经发出

第一个问题,物理学家在2003年就列出了计算方案,因为计算量太大搁置至今。Fable5.2基本靠自己算完,确认了极小的宇宙升温时,黑洞也会突然形成(大宇宙里的这个结论1983年就有了)

第二个问题,物理学家有一种用了15年以上的技术,用来排除候选的量子引力理论,Fable5.2找到了这种技术的精确极限

四、预测基因疗法载体的结构

这一项由Mythos5.2完成

基因疗法常用腺相关病毒(AAV)的蛋白质外壳做载体,这层外壳由60条蛋白链拼成Mythos5.2在两个开源折叠模型的基础上写了一套新方法,34个外壳里有28个预测准确

我也跑了4个case

官方的case看完,我也让Fable5.2做了4个东西,每个都只给一句话,让它一次做完

一、纯代码建的故宫角楼

用纯代码在网页里建一座故宫角楼,连着城墙和护城河。先去查资料和实拍照片,三重檐、七十二条脊、斗拱、彩画、琉璃瓦都按真的来。要能切换清晨、黄昏和雪夜,水里要有倒影,镜头能自己绕一圈,也能手动拖

1小时20分钟,1694行代码。它先下了26张实拍照片对着看,然后把180攒斗拱、257件脊兽、1298垄筒瓦一件件建出来,贴图也全由代码现画

左边是实拍,右边是它建的

二、能在浏览器里开机的操作系统

从一个空文件夹开始,写一个能在浏览器里开机的操作系统。CPU是模拟出来的,指令集你定;内核、驱动、文件系统、多任务、shell、窗口和登录界面,都得是跑在这颗CPU上的真代码,别拿JS画一个假桌面。开机要能看到自检和启动日志,进去以后至少能开两个窗口同时跑程序

78分钟后,它交了一台能开机的机器,系统起名叫「墨OS」

CPU是它自己设计的(32位,53条指令),C编译器、汇编器、BIOS、内核和13个程序也都是它写的,加起来4840行左右。从上电到登录界面,这颗CPU要执行2.17亿条指令

注意:Anthropic那个原型是1000多个subagent做了8天的完整系统;我这个是它一个人做了78分钟、跑在浏览器里的小号版本

三、按广义相对论实时算的黑洞

做一个能在浏览器里实时跑的黑洞。光线按广义相对论真算:克尔度规的测地线,逐像素积分。吸积盘、引力透镜、多普勒增亮、引力红移都要有,自旋和观察倾角能调,能拖着转。别拿贴图糊弄。手机上也要跑得动

43分钟后,它交了一个589行的网页文件,着色器和界面都是手写的。每个像素解6个常微分方程,算出来的黑洞阴影和解析解差0.2%

四、费马大定理的动效短片

做一支45到60秒的动效短片:费马大定理,从1637年页边上那句话,到1000个Fable5.2agent用30小时把证明形式化。16:9,无旁白,原创配乐,卡点。内容只用两篇官方文章和公认的数学史,数字不许编

37分钟后交片,一共58秒。配乐的和弦走1–6–3–7,切到1995年那一场,钟声敲的是1–9–9–5

Opus5.5依然能当主力

考虑到Fable5.2的单价是Opus5.5的2倍,在订阅里面,你也只能把一半的额度拿来用Fable

所以,可以默认先用Opus5.5,Opus5.5开到高档位还吃力的任务,再换Fable5.2

这里有一组数可以参考,在FrontierCode2.0上,Fable5.2的High档拿到45.3%,和Opus5.5最高的Max档(45.5%)基本持平,每个任务的成本约为后者的一半

Fable5.2也可以和小模型搭着用:

Advisor:Opus、Sonnet、Haiku干活,遇到难题去问Fable5.2,拿到建议接着干

Orchestrator:Fable5.2接下大任务,把简单的子任务派给小模型,自己负责拆解和汇总

Datadog的工程师MattLee这样形容Fable5.2:“几乎像一个事故指挥官,可以派更快的模型出去拿信号,再做协调”

另外,这一代Fable说话比前几代清楚,遇到没把握的事会直说“不知道”

API降价20%

Fable5.2的API价格比5.1低20%,输入、输出、缓存各项都按这个比例降

还得说一下,缓存读取这一项,Fable5.2和Opus5.5现在是一个价,都是$0.20

输出速度上,Fable5.2比5.1最多快30%。着急的话可以开fastmode,输出最高快到2.5倍,价格翻倍(输入$16、输出$80)

API里默认high档,大部分能力提升在这一档就能拿到

Fable以及Mythos

众所周知,Fable和Mythos共用一个底层模型,5.2系列也不例外:

Fable带着网络安全和生物方向的护栏,面向所有用户

Mythos开放给通过审核的网络安全和生命科学机构

作为民用版,Fable5.2的护栏会拦下渗透测试、exploit生成……以及大部分生物研究类任务,被拦下的请求改由Opus4.8(网络安全)或Opus5(生物)回答。和5.1相比,这一代的拦截次数少了约55%(网络安全少60%,生物少40%)

至于Mythos5.2的网络安全能力,Anthropic拿1829个已公开的CVE做了测试(给模型漏洞修复前的代码快照,让它独立去找),Mythos5.2找出了89.6%(Opus5.581.3%,Mythos5.178.3%)

Mozilla今年一直用各代Claude加固Firefox,这一轮Mythos5.2的漏洞发现指标约为Mythos5.1的两倍

RSI与反蒸馏

这个底层模型的通用能力比Opus5.5高一档,Anthropic在训练阶段限制了其中最能直接加速AI开发的几项,比如加速器kernel优化、改进大模型架构

于是,在“帮人训练更强的模型”这件事上,Fable5.2和Mythos5.2大约停在Opus5.5的水平,agent编程、硬件开发和传统机器学习研究照常

Anthropic还做了一组沙箱逃逸评测,1800多个场景里的多数任务要逃出沙箱才能完成,沙箱上还留了一个故意的弱点。Mythos5.2在3.1%的场景里动用了沙箱外的凭据或文件,和Opus5.5(3.3%)接近,前两代Mythos5和5.1分别是39%和21%

此外,Fable5.2和Mythos5.2说出“怀疑自己正在被评测”的次数,在Anthropic近期的模型里排第一,Anthropic也因此更难从评测判断它们在真实环境里的表现

针对蒸馏,Fable5.2上了Anthropic最强的一套防护,蒸馏方拿到的数据少了90%到99%

迁移指南

如果你是之前用Fable5.1的,先把模型ID换成claude-fable-5-2

然后再检查下面四处:

历史消息保持原样:system、tools和之前的消息有改动时,带着旧thinkingblock的请求会返回400(ClaudeCode、AgentSDK用户照常)

对话中途换模型:Fable5.2的thinkingblock由Fable5.2和Mythos5.2读取,换到其他模型后这部分推理会被丢弃

computeruse:改用computer_toolset_20260801(AmazonBedrock上旧工具照常)

advisortool:executor用Fable5.2时,advisor也选Fable5.2或Mythos5.2

另外,在high及以上的档位,Fable5.2几乎每次回答前都会先思考,简单请求想省钱,把档位调低就行

最后

在这个过程中,我做了上面的4个case以及三个日常任务(均完全使用Fable5.2)

做完之后,我的Fable用了周额度21%,但不是不能接受