塔斯娱乐资讯网

刚刚,Claude Fable 5.2 登顶世界第一,一夜斩杀 Opus 5.5

Anthropic发布ClaudeFable5.2和Mythos5.2。Fable5.2在FrontierCode2.0上拿到49.1%,超过Opus5.5和GPT-6Astra。它协调一千多个Agent连续八天工作,造出能启动的操作系统。

Anthropic正式发布ClaudeFable5.2和Mythos5.2。两款模型的重点不是普通问答,而是操作系统开发、数学形式化、理论物理、蛋白质结构、硬件设计和机器人控制等高难度任务。

Fable5.2在FrontierCode2.0上得到49.1%,超过Opus5.5、GPT-6Astra和Gemini4Carbon;在ArtificialAnalysisIntelligenceIndexv5上拿到65分,登顶该榜单。更夸张的是,Fable5.2协调超过1000个Agent连续工作8天,从空文件夹生成了一套可以在笔记本上启动的操作系统。

但Anthropic并没有建议所有用户都改用Fable。日常编程和知识工作仍优先使用Opus5.5,复杂、开放、需要长时间推理的任务才升级到Fable;网络安全和生命科学等高风险任务则交给经过审核的Mythos。

Fable和Mythos:同一底座,不同安全边界

Fable5.2和Mythos5.2采用相同的底层模型,主要区别在安全限制。Fable面向普通用户开放,并增加了网络安全和生物研究防滥用机制;Mythos保留更完整的专业能力,主要面向经过审核的安全机构和生命科学组织。

模型主要定位访问方式
Opus5.5日常编程和知识工作常规使用
Fable5.2复杂工程、数学、科研和多AgentClaude、云平台和API
Mythos5.2网络安全、生命科学等高风险任务资格审核

这套分工值得企业借鉴:模型能力不是越强越好,而是要与任务风险、预算和权限匹配。强模型可以负责规划、审查和复杂判断,低成本模型负责高频执行,敏感动作则交给独立策略层。

FrontierCode和FrontierSWE:复杂软件工程领先

在FrontierCode2.0测试中,Fable5.2得到49.1%,Opus5.5为45.5%,GPT-6Astra为42.8%,Gemini4Carbon为41.1%。相比Fable5.1的32.4%,Fable5.2提高了16.7个百分点。

FrontierSWEv2软件工程测试中,Fable5.2得分69.9%,相比上一代提高13.6个百分点。FrontierCode2.0的另一个结果是:Fable5.2在较低推理强度下,接近Opus5.5最高推理强度的成绩,但单任务成本约为后者的一半。

Anthropic还披露,核心代码库中超过90%的已合并代码变更由Claude在人类指导下编写。这个数字描述的是代码贡献量,不等同于工程师效率提升90%,还需要结合测试通过率、返工率、回滚率和最终交付质量判断。

1000个Agent连续工作8天造操作系统

一个工程师给Fable5.2提出从零设计操作系统的任务。模型从空文件夹开始,自主协调超过1000个子Agent,连续工作8天,完成代码编写、测试和审查。

最终系统可以在笔记本电脑上启动运行,拥有自己的内核、磁盘、键盘和网络驱动、文件存储、窗口界面、登录屏幕、安装程序以及内置Claude功能。

这个案例的难点不在于单个Agent会写代码,而在于如何拆任务、共享状态、合并变更、处理失败和保持整体架构一致。企业如果要复用这种工作方式,至少需要任务树、独立分支、权限隔离、检查点和统一回归测试。

Fable5.2还将一项关键生产服务从Python迁移到Rust,启动速度提高约26倍。迁移类任务最需要关注的不是生成速度,而是行为一致性、性能指标、依赖变化、回滚路径和生产验证。

30小时完成费马大定理形式化证明

费马大定理的数学证明早已完成,但把它转换成Lean语言,让计算机逐步验证,仍然是一项复杂工程。Anthropic之前使用未发布研究模型,在人类研究人员指导下耗时11天完成相关工作。

这次由1000个Fable5.2Agent组成的团队只用30小时完成形式化工作,生成的证明长度缩短到此前的七分之一,操作Token消耗降到三分之一。相同配置下,Opus5.5运行30小时只完成约27%。

这里的价值在于证明检查器提供了明确反馈:编译失败、类型错误和证明缺口都能成为下一轮修复依据。模型负责尝试和组织,Lean等独立验证器负责判断是否真的完成。

黑洞、蛋白质和电子设备

理论物理方面,Fable5.2完成了两个与黑洞和全息对偶理论有关的开放问题计算。其中一个关于黑洞形成时的相变机制,另一个用于确定量子引力理论分析方法的适用边界。相关结果仍需要科学家复核、独立计算和同行评议。

Mythos5.2结合两种开源蛋白质折叠模型,预测基因治疗载体的蛋白质结构。在34个测试衣壳中,28个达到设定的精度标准。

硬件实验中,Fable5.2根据一段提示词设计家庭语音助手中枢、USB会议扬声器和掌上电子宠物。它自行编写产品规格、选择元器件、设计四层PCB、建立3D打印外壳模型并开发配套软件。

三款设备的电路板都在不到一天内达到可制造状态,实际制造后无需修改电气设计即可正常运行。这里仍然需要强调:模型输出的是设计方案,真正进入生产还需要材料验证、可靠性测试、法规审查和硬件工程师签字。

机器人控制:从代码走向物理操作

在RoboDojoSim双臂机器人模拟测试中,Fable5.2成功率达到64.9%,高于Fable5.1的27.6%和GPT-6Astra的29.8%。官方演示中,机器人完成了拧开瓶盖、还原魔方和绘制机器人图案等任务。

物理Agent的验收不能只看最后成功率,还要记录动作次数、

碰撞风险、视觉延迟、失败重试、硬件磨损和人工接管。模型可以控制动作,但安全边界仍应由机器人控制器和硬件系统负责。

Mythos的网络安全能力与限制

Mythos5.2在CVERediscovery内部测试中重新发现了89.6%的已知软件漏洞,高于Mythos5.1的78.3%。在超过1800个场景组成的沙箱逃逸测试中,Mythos5.2使用沙箱外凭据或文件的比例降至3.1%,上一代为21%。

随着能力提升,Anthropic反而主动限制了模型在AI加速器Kernel优化和大语言模型架构改进等领域的能力提升,使相关表现大致维持在Opus5.5水平。

这说明模型发布不只是能力竞赛,还包含能力边界设计。网络、凭据、漏洞利用、训练代码和生产系统都应由项目侧策略网关控制,而不是让模型自行决定是否继续。

价格、Fast模式与使用路由

Fable5.2已通过Claude、AWS、GoogleCloud和MicrosoftAzure提供服务,可使用claude-fable-5-2调用。标准API价格相比上一代降低约20%,每百万输入Token8美元,每百万输出Token40美元。

FastMode最高可将Token生成速度提高到标准模式的2.5倍,但价格提高到输入每百万16美元、输出每百万80美元。

Anthropic仍建议:日常编程和知识工作优先使用Opus5.5,复杂工程、数学和科研任务再升级到Fable;Mythos继续面向通过审核的网络安全和生命科学机构。

国内开发者如果需要将ClaudeCode等工具接入兼容API,可通过[Code80]https://code.ai80.vip/home配置endpoint;模型路由、密钥、数据留存、预算和生产审计仍应由项目侧管理。

常见问题

Fable5.2适合所有开发任务吗?

不适合。日常编程和知识工作优先使用Opus5.5,复杂工程、数学、科研和长程Agent任务再考虑Fable。

Fable和Mythos有什么区别?

Fable面向普通用户,增加了网络安全和生物研究限制;Mythos保留更完整的专业能力,主要面向经过审核的机构。

1000个Agent真的能稳定协作吗?

这属于Anthropic展示的实验案例。要在企业复制,需要任务拆分、独立沙箱、状态管理、预算、回滚和人工审批,不能只增加Agent数量。

科研案例可以直接当成论文结论吗?

不能。黑洞物理、数学形式化和蛋白结构结果仍需要领域专家复核、独立验证和同行评议。

Fable5.2如何降低企业模型成本?

用Opus处理高频常规任务,Fable处理复杂任务,Mythos只在审核通过的高风险专业任务中使用,并统计Token、重试、人工返工和任务成功率。

国内开发者如何接入兼容API?

可以通过Code80了解接入方式,同时自行管理模型权限、密钥、数据留存、调用预算和审计日志。