- Published on
Claude Fable 5.2 与 Claude Mythos 5.2:攻坚最复杂技术挑战的新一代模型
- Authors
- Name
- lairv
- anthropic.com

模型定位与核心亮点
Claude Fable 5.2 和 Claude Mythos 5.2 是 Anthropic 为最艰巨技术挑战设计的新一代模型。两者共享同一底层模型,在编码、推理、视觉等能力上相比 5.1 显著提升。预发布测试中,它们帮助工程师完成了此前不可行的软件迁移、从零设计了三个可工作的电子设备、解决了两个黑洞物理学开放问题、在机器人评估上取得实质进展,并在 30 小时内形式化了费马大定理的证明。
安全与对齐
为了确保安全对齐跟上能力增长,Anthropic 进行了广泛的预发布安全测试,包括针对沙箱逃逸等具体危险行为开发新型评估。团队认为高风险的错位风险仍然较低,模型在多数对齐指标上表现不逊于或优于近期模型。Fable 5.2 的网络安全与生物安全护栏与 5.1 同样强健,但无效拦截更少,同时实施了迄今最强的蒸馏攻击防护。完整细节见 System Card。
适用场景与定价
Fable 和 Mythos 适合最雄心勃勃的开放式技术工作。日常编码与知识任务建议从 Claude Opus 5.5 开始,再根据工作范围与复杂度向上切换到 Fable/Mythos,或向下到 Sonnet/Haiku 5.5。Fable 5.2 还能扮演 Advisor(让更小模型咨询它解决难题)或 Orchestrator(将简单任务委派给更小模型)。Fable 5.2 对所有用户开放,而 Mythos 需要组织通过扩展的生命科学和网络验证项目申请访问。价格方面,新模型生成速度比 5.1 快最多 30%,且更便宜:每百万输入 token 8 美元、输出 token 40 美元;可选 fast mode 可将生成速度提高最多 2.5 倍,价格为每百万输入 16 美元、输出 80 美元。
基准性能表现
基准测试显示,Fable 5.2/Mythos 5.2 在几乎所有评估能力上均超过 Opus 5.5。关键成绩包括:Agentic coding FrontierCode 2.0 达 49.1%,FrontierSWE v2 69.9%,AutomationBench 51.4%,Terminal-Bench-Science 74.6%,CyScenarioBench 76.3%,CVE Rediscovery 89.6%,蛋白质从头设计 binder 评分为 85.1,WANDR 82.1%,OSWorld 2.1 89.3%,RoboDojo Sim 64.9%,AA-Briefcase 66.1%,Remote Labor Index 41.3%,Humanity’s Last Exam 74.2%,Chartography 73.4%。这些成绩明显高于 Fable 5.1 和 Opus 5.5,多数也超过外部模型。
效率与成本优势
Fable 5.2 在默认 Medium effort 下能用更少 token 完成有挑战的任务。在 FrontierCode 2.0 上,High effort 的 Fable 5.2 与 Max effort 的 Opus 5.5 得分基本持平,但单任务成本约低一半;Xhigh effort 则达到所有已发布模型中的最高分。WANDR 数据集收集任务中,Medium effort 以约 40% 成本匹配 Opus 5.5 的最佳得分。BenchCAD 2.1 硬件工程 Max effort 得 83.5,远超 Opus 5.5 的 65.3。Humanity’s Last Exam 低档 effort 即匹配 Opus 5.5 最佳成绩,成本不足十分之一。Chartography 中等 effort 得 66.4%,同样以不到十分之一的成本超过 Opus 5.5 的 Max 成绩。
实际编码应用
Anthropic 核心代码库超过 90% 的合并改动由 Claude(在人类指导下)编写。Fable 5.2 被用来快速修复顽固 bug、优化服务性能、完成成本过高或过慢的高价值软件项目。一个使用早期版本的智能体团队将关键生产服务从 Python 迁移到 Rust,服务启动速度提高约 26 倍,效率和可靠性更好。还有工程师让 Fable 5.2 从空文件夹开始设计原型操作系统:模型协调了 1000 多个子代理,连续八天编写、测试和审查代码,最终产出一个可启动的操作系统,包括自己的内核、磁盘键盘网络驱动、永久文件存储、窗口、登录屏幕、安装程序和内置 Claude 功能。
早期用户反馈
早期测试者反馈积极。Vercel 的 Joe Haddad 说模型理解每次提示背后的意图,无需反复纠正,团队几周推进的项目几天内完成。Shopify 的 Tom Pritchard 认为它能把模糊想法精炼成可执行任务,像另一位高级工程师。Datadog 的 Matt Lee 说它能处理从未见过的新系统,像事件指挥官一样派出更快模型协调。Unity 的 Sam Zhang 称赞它能从零构建高质量 3D 场景,并持续迭代。Uber 的 Andrew Mager 用它运行 10-12 小时安全审计,派出约 170 个评审代理,最终交付报告、修复 PR 和政策建议,并且会真正完成工作而不是停在表面。
总结
Claude Fable 5.2 与 Mythos 5.2 代表了 Anthropic 面向高难度技术任务的最新能力上限:更快、更便宜,同时在编码、科学、金融、网络安全、机器人等领域大幅领先。结合严谨的安全测试和透明的系统卡,它们为最复杂、最开放的工程与科研问题提供了新的工具。不过 Anthropic 也建议,多数日常任务仍以 Opus 5.5 为默认驾驶模型,按需向上或向下切换,以平衡质量与成本。
原标题:Claude Fable 5.2 and Mythos 5.2。 HN 原始发布时间:2026年11月10日星期二。当前记录为 883 分、1010 条评论。