Anthropic 官方发布图（来源：anthropic.com）
11月9日，Anthropic 正式发布 Claude Fable 5.2 和 Claude Mythos 5.2。两者基于同一底层模型，核心差异在于安全策略：Fable 内置强化的网络与生物安全防护，面向大众用户；Mythos 则移除部分限制，仅向通过 Cyber 或 Life Sciences 验证计划的机构开放。
此次发布不仅展示了30小时完成费马大定理形式化验证、千级子智能体协作开发原型操作系统等震撼案例，更标志着 Anthropic 对模型评估维度的根本性转变——从单纯的能力比拼转向任务效率与成本的综合考量。
核心性能指标对比
| 评测维度 | Fable 5.1 | Fable 5.2 |
|---|---|---|
| FrontierCode 2.0（代码合并意愿） | 32.4% | 49.1% |
| Remote Labor Index（远程工作完成率） | 17.9% | 41.3% |
| RoboDojo Sim（机器人仿真，内部数据） | 27.6% | 64.9% |
需注意，RoboDojo 数据源于 Anthropic 内部环境，外部难以复现。在公开的 AutomationBench 测试中，Fable 5.2 得分为 51.4%，略低于谷歌 Gemini 4 Carbon 的 53.9%。但在第三方平台 Artificial Analysis 的综合评分中，Fable 5.2 以 65 分位居榜首，领先于 Gemini 4 Carbon 的 60 分。
多智能体协作能力突破
官方公布的实验案例凸显了模型在复杂任务调度上的质变：
费马大定理形式化验证：约1000个 Agent 在30小时内将已有证明转化为 Lean 可校验格式。相比今年9月需11天且需研究员全程介入的实验，此次输出 Token 量减少三分之二，证明长度缩减至七分之一。
从零构建操作系统：在空目录下，模型协调超1000个子智能体连续运行8天，生成包含内核、驱动、文件系统及图形界面的可启动原型系统。
生产服务迁移：Agent 团队将 Anthropic 内部生产服务从 Python 迁移至 Rust，使启动速度提升约26倍。
硬件协同设计：与电路板厂商 Diode 合作，一次性完成三款产品（语音助手、会议音箱、电子宠物）的电路、外壳及软件设计，实物无需电气修改即可运行。
深度安全审计：在10–12小时的审计任务中，模型派出约170个 Reviewer Agent，最终交付完整报告、修复补丁及策略提案，展现出极强的任务闭环能力。
这些案例的核心并非单纯的智力提升，而是调度能力的飞跃。模型正演变为能够管理千级“下属”的组织架构核心。
实测文章中的对比截图（来源：网易号实测）
定价策略与评估范式转移
Fable 5.2 标准定价为输入8美元/百万 Token、输出40美元/百万 Token，较 Fable 5.1 降价约20%，输出速度提升最高30%。快速模式价格为16/80美元，速度提升2.5倍。
尽管单价高于 DeepSeek V4.1-Flash（0.3/1.2）、Kimi K3.1 Pro（2/10）及 GPT-5.5 标准版（5/30），但 Anthropic 提出了反常识的使用建议：
这一建议背后是评估尺度的变化。行业正从“每百万 Token 价格”转向“代码准确率 vs 每任务成本”。数据显示，Fable 5.2 在中等算力档的代码准确率达45.3%，接近 Opus 5.5 最高档的45.5%，但单任务成本仅为后者的一半。
这意味着，即便 Token 单价较低，若需多次尝试才能完成任务，总成本反而更高。为此，Anthropic 引入两个新角色：Advisor（顾问），用于疑难解答；Orchestrator（编排者），负责拆解任务并分发至低成本模型执行。
高端模型正从“聊天工具”转型为“部门负责人”，其价值体现在关键节点的决策与调度，而非频繁的低层执行。
行业竞争焦点转移
此次发布正值 Anthropic IPO 定价窗口期，但其深层意义在于反映行业竞争重心的转移。随着顶级模型在价格和数据上趋于同质化，竞争焦点已转向应用层，包括 Harness 框架、记忆管理及用户工作流习惯。
近期行业动态印证了这一趋势：DeepSeek 开源 Harness 并优化 Agent 产品支持；Kimi 推出 Hosted Agents 服务；前 Anthropic 核心成员加入 OpenAI。模型厂商争夺的不再是榜单分数，而是用户工作流的粘性。
实测文章中的界面与结果截图（来源：网易号实测）
给国内开发团队的建议
1. 重构选型逻辑：摒弃单一的 Token 单价视角，采用“单任务完成成本”进行评估。高价模型若能减少重试次数，总体性价比可能更优。
2. 优化模型分工：将高成本模型置于调度位（Advisor/Orchestrator），负责拆解、判断与验收；低成本模型置于执行位，处理具体生成任务。
3. 理性看待案例：千级智能体协作属于特定工程环境下的实验成果。普通团队应关注模型在长任务连贯性和复杂问题解决上的可靠性，而非盲目追求构建宏大系统。
结语
Fable 5.2 的发布揭示了一个重要信号：最强不等于最适用。当模型定价进入需精细计算性价比的阶段，行业关注点已从“谁更强”转向“谁的任务成本更低”。这不仅是技术的演进，更是商业模式的成熟。