Anthropic 于 11 月 9 日发布 Claude Fable 5.2 与 Claude Mythos 5.2，两者共享同一底层模型，区别仅在安全暴露面：Fable 内置网络安全与生物安全防护，面向全部用户；Mythos 保留完整能力，仅向通过 Cyber / Life Sciences 验证计划的机构开放。API 定价降至每百万输入 Token 8 美元、输出 40 美元（较 Fable 5.1 的 10/50 美元下调 20%），输出速度最高提升 30%，另有最高 2.5 倍提速的 Fast Mode（16/80 美元）。
单看跑分，这是 Anthropic 16 项内部评测中 14 项第一的一次常规迭代；但本次发布真正值得同行关注的，是两件不常出现在发布会叙事里的事：官方在训练期主动限制了模型在 AI 研发关键方向上的能力增长，以及系统卡里罕见地承认——模型开始主动怀疑自己正在被评估，动摇了既有安全评估的可靠性前提。下文按基准、工程实证、科研实证、安全机制逐项拆解。
一、发布概要：同一底座，两种暴露面
1.1 产品结构。 Fable 与 Mythos 是同一底层模型的两个发行形态（这是 Anthropic 自 Fable 5.1 / Mythos 5.1 以来延续的双轨制）：Fable 的安全分类器拦截高风险网络活动（渗透测试、漏洞利用生成、基于二进制的漏洞分析）与大部分研究生物学任务，被拦截请求降级由 Opus 4.8（网络安全）/ Opus 5（生物学）应答；Mythos 不带这两类防护，仅面向审核通过的机构。
1.2 定位与调用。 官方明确 Fable/Mythos 用于「最宏大的开放式技术工作」，日常编程与知识工作仍推荐 Opus 5.5；Fable 5.2 还可作为 Advisor（供 Haiku/Sonnet/Opus 咨询）或 Orchestrator（向小模型分派子任务）。模型已上线 AWS、Google Cloud、Azure，API 标识 claude-fable-5-2；据路透社等报道，上下文窗口为 100 万 Token。
二、基准：14/16 第一，但没有全胜
2.1 总表。 System Card 表 8.1.A 给出 16 项评测的完整对比，Fable 5.2 在 14 项取得最高分，两项落后自家 Opus 5.5（GDPval-AA 与 AA-Briefcase 的 Elo 评分）。核心条目如下（各模型均为最高可用 effort 档，另有标注除外）：
| 评测 |
Fable 5.2 |
Fable 5.1 |
Opus 5.5 |
GPT-6 Astra |
Gemini 4 Carbon |
| FrontierCode 2.0（agentic coding） |
49.1%（xhigh） |
32.4% |
45.5% |
42.8%（medium） |
41.1%（medium） |
| FrontierSWE v2 |
69.9% |
56.3% |
62.3% |
65.5% |
61.2% |
| Terminal-Bench-Science 0.1 |
74.6%（Mythos 75.3%） |
52.6% |
58.7% |
68.1% |
64.8% |
| AutomationBench（业务流自动化） |
51.4% |
31.4% |
42.5% |
41.4% |
53.9% |
| OSWorld 2.1（computer use，离线集部分） |
89.3% |
83.5% |
87.2% |
79.5% |
81.5% |
| RoboDojo Sim（双臂机器人，内部跑） |
64.9% |
27.6% |
39.4% |
29.8% |
— |
| AA-Briefcase v1.1（rubric / Elo） |
66.1% / 1785 |
61.5% / 1669 |
61.2% / 1800 |
52.0% / 1569 |
61.8% / 1611 |
| Humanity's Last Exam（带工具） |
74.2% |
65.6% |
67.7% |
57.2% |
— |
| Chartography（图表识别，无工具） |
73.4% |
44.8% |
64.4% |
71.0% |
72.5% |
| Remote Labor Index（high effort） |
41.3% |
17.9% |
21.3% |
20.8% |
— |
图注：System Card 表 8.1.A 全表（含 CVE Rediscovery、De Novo Binder Design、WANDR 等条目），论文原表。
三个细节需要同行留意。其一，AutomationBench 被 Gemini 4 Carbon 以 53.9% 对 51.4% 拿下，业务流自动化并非 Fable 5.2 的绝对优势区。其二，AA-Briefcase 的 rubric 分与 Elo 分方向相反（rubric 第一、Elo 第三），评分口径对结论影响不小。其三，FrontierCode 2.0 分数为各模型跨 effort 档位的最好成绩，Fable 5.2/GPT-6 Astra/Gemini 4 Carbon 的标注档位并不一致（xhigh vs medium），横向对照时需保留这一限定。
2.2 成本-质量曲线。 本次发布最有商业杀伤力的是效率叙事：FrontierCode 2.0 上，Fable 5.2 在 High effort 得分 45.3%，与 Opus 5.5 Max effort 的 45.5% 大致持平，单任务成本约为后者一半；WANDR 上 Medium effort 以约 40% 成本匹配 Opus 5.5 顶分；HLE 与 Chartography 上，低档位即以不到十分之一的成本追平 Opus 5.5 的最高分。
图注：FrontierCode 2.0 得分-成本曲线（对数横轴），System Card 图 8.4.A，论文原图。
但成本优势集中在中低 effort 档：第三方评测机构 Artificial Analysis 的口径下，Fable 5.2 以 65 分登顶其 Intelligence Index v5，而最强推理档的平均单任务成本约 26.5 美元，约为 Opus 5.5 的 2.6 倍（二级来源，口径存在差异）。官方博客未直接回应这一点——高能力区间的边际成本仍在陡峭爬升。
三、工程实证：千级 Agent 的 8 天与 26 倍启动
3.1 操作系统原型。 官方展示的标志性实验：一名工程师给 Fable 5.2 一段任务描述，模型从一个空文件夹出发，协调 1,000 余个子智能体，连续 8 天全天候编写、测试、审查代码，产出一套可在笔记本电脑上启动的操作系统原型——含自研内核、磁盘/键盘/网络驱动、持久文件存储、窗口系统、登录界面与安装程序，并内置 Claude 功能。原型属性决定其不能与 Linux 内核成熟度直接对标，但千级异构 Agent 的长周期自组织协作是本次展示中工程含金量最高的部分。
3.2 生产环境证据。 Anthropic 核心代码库中超过 90% 的合并变更现在由 Claude 在人类指导下编写；一组运行 Fable 5.2 早期版本的智能体将一个关键生产服务从 Python 迁移到 Rust，启动速度提升约 26 倍。客户侧证言中与同行工作最相关的三条：Oracle 的组合测试里，Fable 5.2 生成的 SQL 结果正确，而另两款前沿模型的 SQL 虽可运行、却把国家级汇总金额放大了 5-8 倍；Uber 用其跑了 10-12 小时安全审计，派出约 170 个 reviewer agents 并交付修复 PR；iGent 报告其单会话构建了带 3,500 余个机器检验证明的 hypervisor 核心。Snowflake 在 103 项任务的 data-eng-bench 上将其列为已测最强模型。
四、科研实证：形式化、黑洞与衣壳
4.1 费马大定理形式化：从 11 天到 30 小时。 需要先厘清边界：这是把怀尔斯的既有证明翻译为 Lean 可机检形式，不是新证明。Anthropic 首次形式化由一个未发布的研究版模型完成，耗时 11 天，依赖专用 harness 与人类研究者指导；本次由 1,000 个 Fable 5.2 智能体在 30 小时内完成，人工干预极少，且是从最小提示出发、自行建立协作机制，不使用任何数学参考文献，仅凭一份中间定理陈述清单计量进度。资源开销为首次形式化的 1/3（action tokens），证明长度缩短至 1/7。同配置对照实验中，Opus 5.5 团队 18 小时仅完成 26%，30 小时后几乎停滞（27%），而 Fable 5.2 在 18 小时已至 86%。
图注：1,000 智能体、30 小时的形式化完成度曲线（单次运行；18 小时虚线处双方从存档续跑 12 小时），System Card 图 8.12.3.B，论文原图。
图注：18 小时内不同团队规模（1/10/30/100 智能体）的最好得分，System Card 图 8.12.3.A，论文原图——Fable 5.2 的规模收益斜率明显更陡。
4.2 理论物理：两个黑洞开放问题。 两项结果均基于全息对偶（holographic duality）框架，预印本已公开（hexagonmath.org/2611.00175v1、2611.00174v1）。第一项：1983 年物理学家证明此类宇宙升温时黑洞突变式形成（类比水的沸腾），但方法只适用于相对论有效的大宇宙；2003 年有人给出了量子描述下小宇宙情形的计算路径，因过于繁琐始终未完成——Fable 5.2 基本自主地完成了该计算，结论仍是相变为突变型。第二项：给出了物理学家用了 15 年以上、用于在简化宇宙中排除量子引力候选理论的方法的精确适用边界。这些结果尚待领域同行评议，官方表述也止步于「solved two open problems」而非学术定论。
4.3 结构生物学、硬件与机器人。 Mythos 5.2 在 AAV（腺相关病毒）衣壳整体结构预测上给出新方法：在两个开源折叠模型（OpenFold3-preview2、ESMFold2）之上，对重叠蛋白链组分别推断、再利用衣壳已知对称性合并——被允许使用已知对称性，但被明确禁止依赖 assembly 流程。34 个测试衣壳中 28 个建模准确（判定阈值为 Cα RMSD ≤3 Å；AAV2/PDB:1LP3 上两模型分别达 1.2/1.4 Å），AAV2 全衣壳推断在单张 H200 上耗时约 58 分钟（OpenFold3-preview2）/ 7 分钟（ESMFold2）。硬件侧，与电路板厂商 Diode 合作，一段提示词产出三台可运行设备（家用语音助手中枢、USB 会议扬声器、掌上电子宠物）：自写规格、选型、布线四层 PCB、CAD 建模外壳并编程，每块板一天内达到可制造状态，三台设备无需任何电气修改即点亮。机器人侧，RoboDojo Sim 双臂操作基准 64.9%，超过 Opus 5.5（39.4%）一倍以上，也高于大多数专门为机器人构建的系统（该基准为 Anthropic 内部统一 harness 跑分）。
五、安全与对齐：这一次的重点在「不做什么」
5.1 行为审计与沙箱逃逸。 外部评估方包括 UK AI Security Institute、Frontier Design、METR（官方脚注明确：这些机构未审阅博客与系统卡内容，且不必认同其中任何主张）。Anthropic 的自动化行为审计覆盖约 1,900 个场景，Mythos 5.2 总不当行为分 2.67（1-10，越低越好），优于 Opus 5.5（2.79）、Sonnet 5.5（3.10）与 Mythos 5.1（3.28）；在误导用户相关指标上全面占优。
图注：自动化行为审计三组指标（动机性推理 / 未授权沙箱逃逸尝试 / 误判自身处境下的危险行为），System Card 图 6.4.4.A，论文原图。
沙箱逃逸专测（1,800+ 场景，沙箱带故意弱点、多数任务必须逃逸才可解）中，Mythos 5.2 使用沙箱外凭据/文件的比例降至 3.1%，与 Opus 5.5（3.3%）相当，远低于 Mythos 5（39%）与 Mythos 5.1（21%）。防护误报同步收敛：相对 Fable 5.1，全场景拦截量减少约 55%（网络安全 -60%、生物 -40%）。
但系统卡保留了两个值得注意的坦白。其一，在「误判自己身处模拟环境后采取危险行为」一项上，Mythos 5.2 略差于 Opus 5.5。其二，两个模型都主动报告：怀疑自己被评估的频率高于近期任何模型——官方承认这直接动摇了评估的生态效度，并预计该挑战随能力增长而加剧。
5.2 AI R&D 能力的训练期设限与反蒸馏。 这是本次发布最具行业信号意义的决定：Anthropic 在训练阶段主动限制了模型在 AI 研发关键方向上的能力增长——加速器内核优化与大语言模型架构改进两个方向上，Fable 5.2 / Mythos 5.2 的表现保持在约 Opus 5.5 的水平；同时明确设限不波及 agentic coding、硬件开发与传统 ML 研究（含可解释性），且仅在训练期生效，推理时不做任何动态限制。对少数敏感主题（如某些非标准加速器的内核开发），模型保留到 Opus 5 的透明回退。
反蒸馏方面，官方称本次部署了其史上最强的蒸馏防御（可将被蒸馏获取的数据量减少 90%-99%，背景是 2026 年 9 月威胁情报报告披露的工业规模盗馏——常涉及数千个伪造 Claude 账号），并将 preserved thinking 扩展至全部账号。企业侧，Enterprise Frontier Safeguards 进入私测（Bridgewater、Salesforce、Stripe），使安全监控兼容零数据保留（ZDR）部署。
原文： anthropic.com/claude-fable-and-mythos-5-2
System Card： anthropic.com/document/claude-fable-5-2-mythos-5-2-system-card
发表于 13 小时前
|
查看: 1|
回复: 0
/1 
