Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2
Claude Fable 5.2 and Mythos 5.2 cement Anthropic's AI lead just before its IPO
Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，分别面向公开用户和通过网络安全或生命科学验证计划申请的组织。
同一件事，精选收录的是《Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，API 调用费下降 20%》
在公司即将于 IPO 前，Anthropic 的 Claude Fable 5.2 和 Mythos 5.2 重新夺回 AI 性能领先地位，部分领先幅度还相当可观。Opus 5.5 仍是 Anthropic 推荐的日常使用模型。
Claude Fable 5.2 与 Claude Mythos 5.2 采用相同的模型基础，但与前代一样，两者的访问权限不同。Fable 内置安全防护，可阻止网络安全和生物领域的高风险任务，并向所有用户开放。Mythos 则取消部分限制，仅向通过 Anthropic 网络安全或生命科学验证计划（Verification Programs for Cybersecurity or Life Sciences）申请审核的组织开放。
价格为每百万输入 token 8 美元、每百万输出 token 40 美元。至少从标价来看，这比前代的每百万输入 token 10 美元、输出 token 50 美元有所下调。用户实际支付多少取决于 token 消耗量，而消耗量会随任务、设置和软件环境而变化。Anthropic 将这两款新模型定位为应对要求最高的技术工作，同时仍推荐日常使用 Claude Opus 5.5。
Anthropic 表示，这两款模型的输出速度最高比 Fable 5.1 和 Mythos 5.1 快 30%。面向部分组织提供的可选快速模式，可将 token 输出速度最多提升 2.5 倍，但价格也会翻倍，而且仅在部分平台可用，包括 Claude Code、Claude Platform、Google Cloud 和 Microsoft Foundry。
Fable 5.2 在基准测试中明显领先
Artificial Analysis 的基准测试显示，Fable 5.2 明显领先于竞争产品。在当前的 Index v5最高算力档位中，它以 65 分位居第一，领先 Gemini 4 Carbon（High 档位）5 分（后者得 60 分），但 Google 尚未发布该模型；领先 Claude Opus 5.5（Max 档位）6 分（后者得 59 分）；更大幅领先 Claude Fable 5.1 达 15 分，而 Fable 5.1 仅于今年 9 月初发布。
据 Artificial Analysis 统计，Fable 5.2 在九项单项测试中的五项取得最佳成绩。它在 HLE-Diamond 中达到 80%，这是一项考察专家级学术问题的测试；在 Terminal-Bench-Science 中达到 73%，该测试用于检验 AI 智能体能否在终端中独立运行科学工作流；在 FrontierCode 2.0 中达到 49%，该测试用于评估智能体能否在真实开源项目中交付有用的代码修改。
Fable 5.2 在智能体知识工作和基于终端的编程方面表现较弱。在针对多步骤知识工作任务的 AA-Briefcase 基准测试中，它的 Elo 分数为 1,785，略低于 Claude Sonnet 5.5（1,813），仍处于 Opus 5.5（1,800）的置信区间内。在衡量软件开发、安全等领域多步骤终端任务的 Terminal-Bench 4.0 中，它取得 60% 的成绩，与 Opus 5.5 并列。Kimi K3.1 Pro（67%）、Gemini 4 Carbon（65%）和 Sonnet 5.5（64%）在这一项上的排名更高。
不过，峰值质量也意味着更高成本。最高档的每项任务成本平均为 $26.50，约为 Opus 5.5（$10）的 2.6 倍，也大致是 Fable 5.1（$12.99）的两倍。根据 Artificial Analysis 的数据，即使在较低的高（High）和极高（Xhigh）档位，Fable 5.2 的 Intelligence Index 得分仍为 62 分，领先于任何档位下的其他模型，同时消耗的 token 也少得多：每项任务输出 98,000 个 token，而 Opus 5.5 在 Max 档位下为 173,000 个。
| Anthropic 基准测试结果 | Fable 5.2 | Fable 5.1 | Opus 5.5 | GPT-6 Astra | Gemini 4 Carbon |
|---|---|---|---|---|---|
| 智能体编程 FrontierCode 2.0 |
49.1% Xhigh effort |
32.4% Xhigh effort |
45.5% | 42.8% | 41.1% Medium effort |
| 智能体编程 FrontierSWE v2 |
69.9% | 56.3% | 62.3% | 65.5% | 61.2% |
| 业务流程 AutomationBench |
51.4% | 31.4% | 42.5% | 41.4% | 53.9% |
| 智能体科学研究 Terminal-Bench Science 0.1 |
74.6% 75.3%（Myth 5.2） |
52.6% | 58.7% | 68.1% | 64.8% |
| 网络安全 CyScenarioBench† |
76.3% Myth 5.2 |
61.7% Myth 5.1 |
67.6% 未启用防护措施 |
61% GPT-6 Cyber |
— |
| 网络安全 CVE 重新发现 |
89.6% Myth 5.2 |
78.3% Myth 5.1 |
81.3% 未启用防护措施 |
— | — |
| 蛋白质设计 从头设计结合蛋白（24 小时） |
85.1% Myth 5.2 |
79.1% Myth 5.1 |
82.6% 未启用防护措施 |
— | — |
| 智能体搜索 WANDR（宽松评分） |
82.1% | 68.7% | 72.3% | — | — |
| 计算机操作 OSWorld 2.1（离线数据集，部分） |
89.3% | 83.5% | 87.2% | 79.5% | 81.5% |
| 机器人技术 RoboDojoSim‡ |
64.9% | 27.6% | 39.4% | 29.8% | — |
| 知识工作 AA-Briefcase v1.1 |
66.1% rubric |
61.5% rubric |
61.2% rubric |
52.0% rubric |
61.8% rubric |
| 1785 Elo |
1669 Elo |
1800 Elo |
1569 Elo |
1611 Elo |
|
| 知识工作 Remote Labor Index（RLI） |
41.3% High effort |
17.9% | 21.3% | 20.8% | — |
| 多学科推理 Humanity's Last Exam（配备工具） |
74.2% | 65.6% | 67.7% | 57.2% | — |
| 视觉图表识别 Chartography（无工具） |
73.4% | 44.8% | 64.4% | 71.0% | 72.5% |
Mythos 5.2 发现的安全漏洞远多于此前所有模型
这些新模型也在网络安全领域创下纪录，而该领域目前正引发激烈争论。Anthropic 表示，Mythos 5.2 发现的漏洞比早期模型更多，也更善于复现和修复漏洞。作为公开可用版本的 Fable 因此拦截了大多数与安全相关的任务，包括渗透测试和漏洞利用代码生成。Opus 4.8 遇到被拦截的网络安全请求时会直接回应；Opus 5 遇到被拦截的生物学请求时也是如此。
Anthropic 使用一项名为 CVE Rediscovery 的内部测试，检查在提供项目修复前的状态时，模型能够独立发现 CVE 数据库（通用漏洞披露系统，用于收录已知软件漏洞）中的多少个已公开漏洞。
Anthropic 表示，在使用 1,829 个 CVE 的 2026 年 10 月测试中，Mythos 5.2 发现的漏洞比 Opus 5.5 多 10.2%，比 Mythos 5.1 多 14.4%，并且在每个算力档位都领先。Anthropic 援引一家安全公司的报告称，Mythos 5.2 确认发现的漏洞中，每六个就有一个是所有受测前沿模型均未发现的。
Anthropic 限制可能加速 AI 发展的能力
Anthropic 表示，公司在训练过程中有意限制模型提升那些最可能直接加速 AI 发展的能力，即所谓的 RSI；目前这东西正被广泛讨论为一种风险。公司称，Fable 5.2 和 Mythos 5.2 在为加速器芯片优化计算内核、改进大语言模型架构等领域，表现大致与 Opus 5.5 相当。
据 Anthropic 介绍，智能体编程、硬件开发以及传统 AI 研究（包括可解释性研究）等相关能力并未受到影响。公司称，如今在人类指导下，Claude 已能编写 Anthropic 核心代码库中合并变更的 90% 以上。Anthropic 还表示，该模型曾在一项内部测试中从零开始编写了一套操作系统。
Claude Fable 5.2 用 30 小时形式化证明了费马大定理
最可能引发关注的例子再次来自数学领域。Anthropic 称，约 1,000 个 Fable 5.2 智能体将费马大定理的证明完全形式化，把证明转写为 Lean 编程语言，以便计算机逐步验证。
费马大定理指出，人们熟知的方程 a² + b² = c² 在幂次高于平方时不存在整数解。几个世纪以来一直无人能证明这一点，直到 Andrew Wiles 在 1995 年给出了一份长达一百多页的证明。如今，这一证明首次完成了机器验证，耗时 30 小时。
Claude 早期一个未发布的研究版本完成同一任务用了 11 天，而且依赖专门搭建的环境和人类研究员的指导。Anthropic 称，Fable 5.2 智能体只收到了简短指令，自行组织协作，并且没有使用任何数学参考资料。唯一的进度指标是一份中间引理清单。该模型使用的行动 token 只有首次尝试的三分之一，生成的证明则短了七倍。
Anthropic 在相同环境下运行了由 1,000 个智能体组成的 Opus 5.5 作为对比。Opus 在 18 小时内仅完成 26% 的形式化，此后直到第 30 小时进展甚微。
拒绝炒作的 AI 新闻——由人工精选
订阅 THE DECODER，即可无广告阅读、接收每周 AI 通讯、每年六期独家“AI Radar”前沿报告，访问完整存档和评论区。
来源：The Decoder · the-decoder.com