距离 Fable 5.1 发布仅过去 69 天。这一次，升级重点不只是跑分更高，而是模型开始展示一种更值得关注的能力：持续数天、协调上千个智能体、推进复杂工程任务。
据 Anthropic 公布的数据，Fable 5.2 在编程、软件工程、形式化证明、硬件设计和机器人控制等任务上都有明显提升。它所指向的，也许不是“AI 能否写一个功能”，而是“AI 能否承担一整段工程流程”。
编程能力提升，成本也在下降
在 FrontierCode 2.0 智能体编程测试中，Claude Fable 5.2 得分 49.1%。同一榜单中，Opus 5.5 为 45.5%，GPT-6 Astra 为 42.8%，Gemini 4 Carbon 为 41.1%。
在 FrontierSWE v2 软件工程测试中，Fable 5.2 达到 69.9%，相比上一代提升 13.6 个百分点。
第三方评测机构 Artificial Analysis 给出的智能指数为 65 分，并将其列在榜首位置。
不过，单纯比较最高分并不是这次更新最有价值的部分。Anthropic 强调，Fable 5.2 在较低推理档位下，就能接近 Opus 5.5 高推理档位的编程表现，而单任务成本约为后者的一半。
换句话说，升级不仅体现在能力上，也体现在不同推理档位的性价比上：日常任务可以控制成本，复杂任务则可以切换到更高的推理强度。
从空文件夹开始，8 天完成一套可启动的操作系统
Anthropic 展示的案例中，最引人注目的，是一次从零构建操作系统的实验。
任务起点是一个空文件夹，没有现成代码、没有预置框架。随后，Fable 5.2 调度了超过 1000 个子 Agent，自行拆分任务、编写代码、运行测试、定位问题，并持续推进了 8 天。
最终交付的是一套可以在笔记本电脑上启动的实验性操作系统。
它具备内核、磁盘与网络驱动、文件系统、窗口界面、登录页面、安装程序，甚至集成了 Claude 功能。
这当然还不能与 Windows、macOS 这类成熟操作系统相提并论。但它证明了一件更重要的事：模型已经开始具备统筹超长周期工程任务的能力。
过去，我们更多把 Claude Code 当作一位效率很高的开发助手：写功能、修 Bug、补测试、重构模块。
现在的方向，是让模型承担项目协调者的角色——将复杂目标拆解成大量可执行任务，持续调度智能体，在测试和反馈中迭代推进。
Anthropic 还表示，其核心代码库中超过 90% 的已合并代码变更，都有 Claude 在人类指导下参与编写。早期版本的 Fable 5.2 还曾参与将一项重要生产服务从 Python 迁移到 Rust，使启动速度提升约 26 倍。
30 小时完成费马大定理的形式化证明
另一项展示来自数学形式化验证。
费马大定理的数学证明早已存在，但将它转化为计算机可以逐步检查的形式化证明，依然是一项极其复杂的工程任务。
Anthropic 此前曾在研究人员协助下，用研究模型花费 11 天完成这项工作。现在，在 1000 个 Fable 5.2 Agent 的协作下，这一过程缩短至约 30 小时，并且几乎没有人工干预。
据其披露，新生成的证明文本长度约为此前的七分之一，操作 Token 消耗降至约三分之一。
对比之下，Opus 5.5 在同样的多 Agent 配置下运行 30 小时，仅完成约 27% 的任务。
需要明确的是：这不是 AI “重新证明”了费马大定理，而是将既有证明转化为可被形式化系统验证的表达。但即便如此，这仍意味着 AI 在数学研究工具链中的作用正在显著扩大。
从提示词到可制造硬件
Fable 5.2 的能力并不局限于软件。
Anthropic 与电路板设计制造公司 Diode 合作，要求模型设计三种完整硬件产品：家庭语音助手中枢、USB 会议扬声器，以及一台掌上电子宠物。
模型需要完成的工作包括：
-
• 编写产品规格； -
• 选择元器件； -
• 设计四层 PCB； -
• 制作 3D 打印外壳； -
• 开发配套软件与固件。
结果是，三块电路板都在一天内达到可制造状态；实际完成制造和组装后，三台设备均能正常运行，电气设计没有需要返工的地方。
这离“输入一个需求，AI 完成从原理图到固件的硬件开发”已经不远了。
当然，真实硬件研发仍然离不开打样、焊接、测量、安全验证和工程经验。模型能提升设计与迭代效率，但不能替代实体世界中的验证环节。
机器人、黑洞研究，也开始出现进展
在 RoboDojo 双臂机器人仿真测试中，Fable 5.2 的任务成功率达到 64.9%，上一代则为 27.6%。
官方展示中，实体机器人已经能够完成拧瓶盖、复原魔方、绘制图案等操作。模型的推理能力，开始通过软件控制延伸到真实物理环境。
Anthropic 同时公布了两项与黑洞理论物理相关的研究成果：一项涉及长期未完成的理论计算，另一项尝试确定一种量子引力研究方法的精确适用边界。
这些成果目前仍需等待学术界进一步审查，但它们至少说明，AI 正在被投入到传统上高度依赖专家推导与长时间计算的研究领域。
Fable 与 Mythos：同一底座，两条使用路径
Claude Fable 5.2 与 Mythos 5.2 使用相同的底层模型，但面向不同用户群体。
Fable 5.2 增加了网络安全与生物研究相关的防滥用限制，向普通用户和开发者开放；Mythos 5.2 则主要面向通过审核的网络安全与生命科学机构。
价格方面，Fable 5.2 的 API 定价为：
-
• 输入：每百万 Token 8 美元； -
• 输出：每百万 Token 40 美元。
相比上一代，价格下调约 20%。模型支持 100 万 Token 上下文窗口、最高 128K Token 输出，以及自适应思考模式。
此外，Fast Mode 的生成速度最高可达标准模式的 2.5 倍，但 API 单价也会相应翻倍。
Anthropic 的建议也很务实：大多数日常编程任务依然适合使用成本更低的 Opus 5.5；当任务涉及大型代码库、长期执行、多 Agent 协作或高复杂度推理时，再切换至 Fable 5.2。
真正的变化：AI 开始接手大型工程流程
这次发布最重要的，不是某一个榜单上的领先，也不是某一次跑分提升。
而是模型开始展示“长期自主执行”的能力：
-
• 上千个 Agent，连续工作 8 天，构建一个可启动的操作系统； -
• 上千个 Agent，用 30 小时推进复杂数学形式化任务； -
• 从一句需求出发，完成电子产品的规格、PCB、外壳和软件设计； -
• 将软件推理能力逐步扩展到硬件、机器人和科学研究。
这并不意味着开发者现在随手输入一句提示词，就能稳定得到一个成熟产品。
大规模 Agent 协作的背后，仍然需要可靠的工具环境、任务调度、状态管理、权限边界、测试体系和大量计算资源。更重要的是，人类仍然要负责需求判断、质量标准、风险控制与最终验收。
但趋势已经很清晰：AI Coding 正在从“协助写代码”，进入“参与组织和完成大型工程”的阶段。
未来，开发者或许不必亲自处理每一个实现细节，而是更专注于描述目标、定义验收标准、控制权限边界，并在关键节点做判断。
至于执行层面，越来越多的工作会交给一组能够持续协作、反复测试、自动迭代的 AI Agent。