刚刚！Anthropic杀入具身世界：Fable5.2真机对弈62步跑通纠偏，挖角特斯拉Optimus具身骨干

IPO前夕的战略突围：从屏幕走向物理世界

Anthropic 正身处一个微妙且关键的时间节点。一方面，其IPO进程充满变数。尽管估值收敛至约1.5万亿美元，但投资者对其巨额投入的回报率仍存疑虑。此前，路透社披露Anthropic曾向承销银行提交发行文件，拟定发行规模约8.67亿股，定价区间为每股70至80美元，对应最高约693.6亿美元的发行总额。然而，公司随后紧急撤回该定价信息，称其“并不准确，将另行更新”。

另一方面，在资本市场的严密审视下，Anthropic抛出了筹备已久的技术底牌——新一代旗舰模型 Claude Fable 5.2 和 Mythos 5.2。其中，Fable 5.2 面向普通用户开放，但在网络安全和生物学领域设有安全限制；Mythos 5.2 则主要向经过审核的网络安全和生命科学研究机构提供。

此次更新不仅延续了Anthropic在自主编程工程能力上的优势，更引入了一个关键变量：加速向物理世界与具身智能领域渗透。

在行业公认的权威基准——机械臂操作仿真 RoboDojo 上，Fable 5.2 取得了64.9%的平均成功率。这一成绩不仅远超上一代 Fable 5.1（27.6%）和 Opus 5.5（39.4%），更是达到 GPT-6 Astra（29.8%）的两倍以上。

此外，这种能力正在快速转化为现实生产力。在第三方开发者的真机盲测中，Fable 5.2 接管真实机械臂完成了一局62步的跳棋对弈，并在频繁遭遇物理接触失误与硬件形变时，展现出了罕见的自主纠偏能力。

人才引进方面，前特斯拉 Optimus 团队灵巧操作工程师 Bingjie Tang 已确认以 MTS（Member of Technical Staff）身份加入 Anthropic。她在特斯拉期间长期负责人形机器人基于学习的灵巧操作，涵盖数据采集、策略训练及真实部署；此前在英伟达机器人实验室，她的研究重点则是接触丰富环境下的操作与仿真到真实迁移（Sim-to-Real）。

这一系列动作并非偶然。回顾过去一年，Anthropic 在物理世界的布局脉络清晰：

• 2025年启动 Project Fetch，最初让 Claude 协助非专家操控机器狗，随后测试模型自主连接设备、读取传感器和执行任务的能力；

• 2026年7月发布《Claude Plays Robotics》研究，将测试范围扩展至机械臂、四足机器人和人形机器人；同月推出 Project Pilot，测试无人机自主导航与目标追踪能力；

• 8月发布 Model Hardware Standard（MHS），尝试建立 AI 操作显微镜、机械臂等物理设备的统一接口。

显然，Anthropic 不再满足于让 Claude 仅在软件环境中执行任务。这种向物理世界的试探，本质上是一场被商业现实倒逼的边界突围。

正值筹备上市的关键期，资本市场对 Anthropic 高达 1.5 万亿美元估值的审视日趋严苛。尽管整体营收仍在增长，但其第三季度环比增速已从上一季度的 144% 显著放缓至 47%。伴随巨额算力投入带来的毛利压力，纯粹依赖 API 调用和企业软件订阅的模式，正面临发展增速的天花板。

Physical AI 的战略权重由此被迅速抬升。从联手 UST 将 Claude 嵌入芯片制造与汽车产线，到推出 MHS 规范调度科研仪器，再到 Fable 5.2 在机器人仿真上的突破及顶尖人才的引入，Anthropic 正试图向投资者证明：Claude 具备成为物理生产力执行核心的潜力。

尽管具身业务短期内尚难成为业绩支柱，但行业竞争重心偏移是不争的事实：大模型正从“回答问题”转向“接管工作”。这种以“最终交付结果”为导向的逻辑，同样延伸至软件开发端。

性能与成本的反差：名义高价，实际低廉

Fable 5.2 在定价上呈现出一个看似矛盾的现象：其 Token 标价是 Opus 5.5 的两倍，但在高难度工程任务中，实际交付成本反而降低了一半。

跑分倍超 GPT-6，实测具备纠偏能力

今年9月，GPT-6 Astra 在机器人仿真领域引发讨论，证明了通用大模型可通过视觉观察和推理直接参与机器人控制。如今，Anthropic 将这一成绩大幅推进。

在官方公布的 RoboDojo Sim 测试中，各模型成绩如下：

• Fable 5.2：64.9%

• GPT-6 Astra：29.8%

• Opus 5.5：39.4%

• Fable 5.1：27.6%

Fable 5.2 的成绩是 GPT-6 Astra 的 2.18 倍，是 Fable 5.1 的 2.35 倍。

△ 各模型 RoboDojo Sim 成绩。图源：Anthropic

RoboDojo 考核的是端到端任务执行能力。64.9% 的得分意味着模型已脱离“偶然尝试”，具备了跨场景规划连续动作的稳定性。官方演示显示，Fable 5.2 能在未经过特定微调的情况下，完成操作益智方块、拧开瓶盖及绘制简笔画等精细动作。

△ Fable 5.2 控制真实机器人完成精细操作。图源：Anthropic

第三方开发者 Karolina Dubiel 的无滤镜实测进一步验证了其泛化能力。她将 Fable 5.2 直连真实机械臂进行跳棋对弈，测试揭示了两大关键能力：

• 容错能力：在62步动作中，机械臂出现14次抓取脱落或偏移。通过自然语言指令“再试一次”，Fable 5.2 能结合视觉回传复盘失败原因，重新计算抓取角度并完成重试。

• 物理反馈感知与动态补偿：面对机械臂因重力产生的约7毫米末端下垂，Fable 5.2 能读取关节传感器数据，自主叠加补偿偏量，实现准确落子。

当然，当前方案仍存在局限。整局对弈实际耗时约46.5分钟，平均每步约45秒，实际操作流畅度远低于加速后的演示视频。

“一次通过率”重塑成本逻辑

Fable 5.2 的 API 输入价格为每百万 Token 8美元、输出40美元，虽较上一代降低20%，但仍为 Opus 5.5 的两倍。然而，在多项真实工程测试中，其总成本反而更低：

• 代码合并基准 FrontierCode 2.0：Fable 5.2 在 High 推理档位下跑出45.3%的成绩，战平 Opus 5.5 最高档位，单任务总成本减少约50%；在 Xhigh 档位下，成绩冲至49.1%，超越 GPT-6 Astra（42.8%）。

• 知识与图表任务：在 Perplexity WANDR 和 Chartography 基准中，Fable 5.2 以 Opus 5.5 约40%甚至不到10%的单任务成本，取得了相同或更高的准确率。

这种成本倒挂的本质在于“一次通过率”（First-pass Yield）对算力消耗的优化。社区实测显示，在制作3D潜艇场景时，Opus 5.5 耗时6小时40分钟且需频繁人工纠错；而 Fable 5.2 仅耗时1小时26分钟，几乎一次性成型。

在复杂工程中，传统大模型的高成本主要源于逻辑断点引发的反复调试和人工介入。Fable 5.2 的优势在于处理高容错、深度逻辑自洽的深层任务。而在基础表格处理等浅层任务中，其性能可能过剩。

智能体临界点：超长推理周期的突破

Fable 5.2 的另一项重大突破体现在极限工程实验中，展现了大规模智能体集群持续运转的工业可用性。

在费马大定理的形式化转写验证中，Anthropic 调度约1,000个 Fable 5.2 智能体，在少有人工干预下，仅用约30小时便使用 Lean 语言完成了全流程，而此前系统需耗时11天。

关键对照数据显示：

• 连续运行18小时后，Fable 5.2 完成进度86%，Opus 5.5 仅为26%；

• 运行至30小时，Fable 5.2 顺利完成100%，而 Opus 5.5 陷入逻辑死锁，进度仅27%。

这种抵抗上下文漂移、避免逻辑死循环的能力，已在真实工程开发中得到复现：

• 纯白纸构建系统：调度1,000多个子智能体连续运转8天，从无文件夹起步，完整交付了一套包含内核、驱动、文件系统并内嵌 Claude 的笔记本操作系统原型。

• 底层架构迁移：智能体直接将某关键生产服务从 Python 全量改写为 Rust，上线后服务启动速度提升26倍。

• 软硬件端到端穿透：与 Diode 合作，仅凭需求描述设计出三款物理电子产品，贯通器件选型、电路板绘制、3D建模及固件烧录，硬件打样后无需修改即可通电运转。

过去，多 Agent 协作常因累积误差陷入“幻觉雪崩”。Fable 5.2 的技术增量在于将长程任务的容错阈值大幅外推。

结语

从屏幕内连续8天的底层系统推理，到物理世界里对机械臂末端的自适应校正，冲击二级市场的 Anthropic 显然不再满足于做一个高溢价的软件 Copilot。在资本市场的聚光灯下，它正在重构的故事，是一个正在迈向实体生产力的自主执行单元。

声明：本文为 AI 前线原创，不代表平台观点，也不构成投资建议，未经许可禁止转载。

热度延续：12 月 AICon 北京站见