原本大家都在等 OpenAI 的 GPT-6.2 Astra。
这次等来的却是 ModRetro 复古掌机特别版,以及用 Codex 制作掌机游戏的插件。
另一边,Anthropic 今天发布了 Fable 5.2 和 Mythos 5.2。毫无疑问的,一夜之间,又回到了世界第一。
▲ 图:Artificial Analysis 智能指数排名
这里的第一,指 Fable 5.2 Max 在 Artificial Analysis 智能指数上的排名。
这次的升级涉及编程、数学推理和机器人控制:上千个代理一起形式化数学证明,模型还能设计系统、控制机器人操作魔方。
这两款模型共用底层模型,但防护和使用门槛不同。Fable 面向普通用户;Mythos 面向通过验证的网络安全和生命科学机构。
多项能力领先,编程和科研成绩大涨
在 Anthropic 发布的评测中,Fable 5.2 的多项成绩超过上一代,也在大部分测试中领先 Opus 5.5。
比如,FrontierCode 2.0 看的是模型能否给开源项目提交可被维护者接受的代码修改。Fable 5.2 的 Xhigh 档拿到 49.1%,高于 Fable 5.1 的 32.4%。
Fable 5.2 的 High 档与 Opus 5.5 的 Max 档成绩接近,前者单任务成本约为后者的一半。
还有一个细节:在这项测试中,Fable 5.2 的 Xhigh 档成绩高于 Max。推理档位调得更高,不保证每道题都能做得更好。
▲ 图:FrontierCode 2.0 编程成绩对比
它也不只会写代码。在考察专业硬件设计的 BenchCAD 2.1 中,Fable 5.2 拿到 83.5 分,Opus 5.5 为 65.3 分。
在考察图表理解的 Chartography 中,Fable 5.2 达到 73.4%,高于 Opus 5.5 的 64.4%,也略高于 Gemini 4 Carbon 的 72.5%。
▲ 图:Chartography 图表理解成绩对比
科学研究也有明显提升。Terminal-Bench-Science 测的是在终端里完成科研任务,Fable 5.2 得到 74.6%,Fable 5.1 是 52.6%。
新模型的输出速度比 5.1 最高快 30%,早期测试者也认为它们的表达更清楚。
不同模型的最高可用推理档位可能不同,实际表现也会随任务变化。
API 单价下调 20%,快速模式价格翻倍
▲ 图:5.1、5.2 标准与快速模式 API 单价
Fable 5.2 和 Mythos 5.2 的 API 标准单价比上一代降低 20%。快速模式的单价翻倍,token 生成速度最高快至 2.5 倍;这不等于整个任务耗时缩短到四成。
Claude Platform 默认使用 High 档,Claude 应用默认 Medium。Xhigh 适合高难度长任务;Max 主要用于探索能力上限。
快速模式可在 API 设置 speed: fast,或在 Claude Code 的模型选择器中切换。
多数编程和知识工作可以先用 Opus 5.5,遇到复杂技术任务再换 Fable。Fable 也能作为顾问或编排者,帮助其他模型解决难题、分配任务。
Lydia Hallie 主要用 Fable 5.2 编排 Opus 5.5。她的体验是,新版本比 5.1 更仔细地验证结果。
数学推理:30 小时完成费马大定理证明的形式化
先来看数学推理和大规模代理协作。
Anthropic 让约 1000 个 Fable 5.2 代理协作,将费马大定理的证明写成 Lean 能逐步检查的形式。
Lean 是一种用于编写和检查数学证明的工具。
形式化要把证明拆成计算机可以逐步检查的逻辑步骤。它能帮助数学家核对复杂证明,而这个过程本身往往十分耗时。
这次代理从简短提示出发,自行组织协作;没有使用数学参考资料,只拿到一份用来衡量进度的中间定理列表。
此前一次使用未发布研究模型的尝试耗时 11 天,还需要专门搭建的工具和研究人员指导。
这次运行用了 30 小时,人工干预很少。相同代理规模下,Opus 5.5 在第 18 小时完成了 26%,到 30 小时后进展仍然有限。
每个模型只运行了一次,双方都在第 18 小时从存档继续。这里完成的是已知定理的形式化,不是发现了一个新定理。
▲ 图:官方数学形式化进度对比
在理论物理领域,Fable 5.2 还解决了两个与黑洞有关的开放问题。
工程能力:8 天写出一个操作系统原型
除了跑分,Anthropic 用一个操作系统原型展示了模型处理长时间工程任务的能力。
一名工程师给 Fable 5.2 的任务,是从空文件夹开始设计系统。模型协调了 1000 多个子代理,连续 8 天编写、测试和审查代码。
最后得到的原型可以在笔记本上启动,包含磁盘、键盘和网络驱动,以及文件存储、窗口、登录界面和安装程序。
▲ 视频:Anthropic 展示操作系统原型
硬件方面,Anthropic 还让模型设计了语音助手中枢、USB 免提设备和电子宠物。
模型负责规格、元件选择、电路板、外壳和软件;合作方 Diode 负责制造,并由工程师参与测试组装。
三个设备最终都能工作,没有进行电路修改。制造商和工程师参与了制作与测试,这并非模型独自完成量产。
▲ 视频:Anthropic 展示硬件设计
机器人能力:看懂画面,控制双臂操作魔方
Fable 5.2 的机器人能力提升,体现在根据相机画面理解场景,并控制机械臂完成动作。
在演示中,它能让机器人操作魔方、拧瓶盖和画画;其中一些任务没有经过针对性的专门训练
▲ 视频:Fable 5.2 控制机器人操作魔方
在 RoboDojo Sim 仿真评测中,Fable 5.2 的平均成功率是 64.9%,Fable 5.1 为 27.6%,Opus 5.5 为 39.4%。
▲ 图:RoboDojo 机器人仿真成绩对比
通用大模型在机器人任务上的进步,可能让专门做具身智能模型的公司面临新的竞争。
仿真分数和实体演示还不能代表所有机器人场景;换一套硬件或任务,效果可能不同。
两款模型怎么用,订阅用户有什么额度?
Fable 5.2 和 Mythos 5.2 的区别,主要在安全防护和准入。
▲ 图:两款模型面向的用户
Fable 可在 Claude、Claude Code 和 API 使用;Mythos 面向通过验证的网络安全与生命科学机构,企业客户也可通过 Claude Security 使用。
在漏洞发现评测 CVE Rediscovery 中,Mythos 5.2 的成绩高于 Mythos 5.1 和 Opus 5.5。
▲ 图:Mythos 漏洞发现成绩与成本
Pro 和 Team 标准席位在活动周可用现有套餐额度体验 Fable,最多用到周限额的 50%,并获得一次重置;活动与重置均在太平洋时间 11 月 16 日晚上 11:59 截止。
Max、Ultra、Team 高级席位及符合条件的旧版 Enterprise 高级席位,按订阅时长获得 1 至 3 次重置,截止太平洋时间 2027 年 3 月 8 日晚上 11:59。资格以账号页面为准。
重置返还已消耗的 Fable 周额度,有 5 小时限额的账号也会重置整个窗口。可在「设置 → 用量 → 限制重置」里面查看和使用。
参考资料
01|Anthropic:Claude Fable 5.2 and Mythos 5.2
https://www.anthropic.com/claude-fable-and-mythos-5-2
02|Claude 官方发布推文
https://x.com/claudeai/status/2119867114450268322
03|ClaudeDevs:Fable 5.2 用量活动
https://x.com/claudedevs/status/2119868704544711108
04|Claude Help Center:Claude Fable 5.2 launch offers
https://support.claude.com/en/articles/17506494-claude-fable-5-2-launch-offers
05|OpenAI:Build a retro handheld game with Codex and ModRetro Chromatic
https://developers.openai.com/blog/build-a-game-with-modretro-chromatic

