赶在IPO之前，Anthropic发布了Claude Fable 5.2和Mythos 5.2。两者共享同一底座，核心差异在于安全权限：Fable 5.2面向普通用户，带网络安全与生物领域的安全限制；Mythos 5.2则仅向审核通过的机构开放，解除相关限制以支持合规的网络安全与生命科学研究。
新版本最大的升级集中在长任务上，尤其是机器人训练相关。与此同时，Fable 5.2的token价格较Fable 5.1下降了20%。在审美与设计方面，Fable 5.2相比上一代也有显著提升。发布后不到半小时，就有人用它开发了一款画面相当精致的FPS游戏。
不过，独立评测机构Artificial Analysis随后发长文吐槽：Fable 5.2的智能水平确实更高，token单价也确实更便宜，但每个任务的平均成本反而上升了。最让AA难以接受的是——Fable 5.2比以前“话痨”太多了。
性能到底涨在哪？
先看评分数据。机器人控制RoboDojo Sim从27.6%暴涨到64.9%，直接翻了2.35倍；图表识别从44.8%升到73.4%；远程职业任务从17.9%涨到41.3%；科研终端从52.6%提升到74.6%；FrontierCode 2.0从32.4%升到49.1%；带工具的HLE从65.6%涨到74.2%。
反观电脑操作（Computer Use）OSWorld 2.1，仅从83.5%升到89.3%，提升不大；知识工作AA-Briefcase也只从61.5%（ELO 1669）涨到66.1%（ELO 1785）。
从这组数据不难看出规律：耗时越长、涉及工具越多的长任务，Fable 5.2的涨幅越大；而那些一轮就能答完的题，几乎没怎么增长。
那这个长任务到底有多长？
Anthropic给出了一组对照试验：他们用1000个Fable 5.2的agent，花了将近30个小时，就完成了费马大定理的形式化证明。而此前一个未发布的版本，即便配上专用的“外挂”（定制化工具调度框架，purpose-built harness），再加上研究员全程引导，完成同样的工作仍需要11天。
而且Fable 5.2消耗的action token，只有那个未发布版本的三分之一。换成1000个Opus 5.5的agent来跑，结果显示：18小时完成26%，30小时达到27%，之后任务就卡住不动了。
除了数学推理这些显而易见的长任务，在Anthropic给出的性能表中所有长任务基准里，RoboDojo Sim是涨幅最大的一项。博主@himanshu特地发文提醒，在Fable 5.2中尤其要关注机器人和蛋白质设计这两项。
这个公开基准包含42个仿真任务和18个真机任务，采用双臂配置，模型只能从摄像头画面中读取环境信息。五个评分维度分别是泛化、记忆、精度、长程执行和开放词汇指令。
它考的是：看着画面、记住前面的操作、连续走完一串动作——如果过程中机器人“歪了”，必须自己纠正回来。
Anthropic官方表示，Fable 5.2超过了“大多数专为控制机器人而建的AI系统”，因为这些任务都是机器人完全没有在现实世界中见过的场景。
过去大家普遍认为，机器人需要专门训练具身智能模型，以解决空间理解、动作规划等问题。但Fable 5.2是一个通用模型，任何一家公司都可以直接用它来训练机器人。这相当于大幅降低了具身智能公司的训练门槛。
而在Anthropic最擅长的编程领域，官方博客给出了一张对比图，展示了几款当下最强的大模型在FrontierCode 2.0基准中的表现。
Anthropic还用Fable 5.2不同的effort档位进行跑分，结果相当出人意料——甚至一度让人怀疑是填表时写错了。
Fable 5.2的Xhigh模式为全球最强，得分49.1%，每任务成本14.19美元。而把effort调到最高的max档位，得分反而降到了45.6%，平均每个任务要花44.70美元。
也就是说，花了更多时间思考、消耗了更多token，效果反而不如Xhigh模式。
Anthropic官方给出的解释是：高effort制造的是“过度斟酌”。较高effort在处理例行工作时可能“搜集超出任务所需的上下文并过度斟酌”，官方甚至还准备了防“过度规划”的提示词。而FrontierCode考察的是补丁能否合格合入真实仓库——上下文早就在diff里了。把两行修复做成带主张的重构，在这套基准里就是不合格，因此得分低于Xhigh。
另外，Anthropic也提到，可能是因为模型思考太久，导致无法按时交卷，超时会被扣分。
Fable最大特点是……便宜？
Fable 5.2的token价格从每百万输入10美元降到8美元，输出从50降到40美元，降幅20%；输出速度比5.1最多快30%。
fast mode另算：输入16美元、输出80美元，价格翻倍，token生成速度最多可以再快2.5倍。缓存读取价格为0.20美元，而Fable 5当时是1美元。
Anthropic表示，把Fable 5.2的effort开到High，成绩就能与Opus 5.5开满（Max）相当，而且每个任务的成本只要后者的一半左右。
但Anthropic官方通篇没有解释为什么降价。
那这20%的降价从哪来？9月12日，阿莫迪发文“We Must Pace the Frontier”，表示放慢“不意味着停止模型训练或技术进步，而是确保公司有足够时间对齐并给模型加防护”。
10天后的9月22日，Anthropic发布Opus 5.5，标价降20%到输入4美元、输出20美元，并称运行成本比Opus 5低约40%。约两小时后，OpenAI发布GPT-6 Sol和Luna，比GPT-5.6的促销价低约50%。
Ramp经济学家阿拉·哈拉齐安（Ara Kharazian）表示：“这不是什么技术革新，这其实是一种价格战，压低AI价格，也压低了自己的利润率。”
还有一件事让人非常在意：版本序号是5.2，而此前的Opus已经更新到了5.5。The New Stack表示：“竟然没叫Fable 5.5，真让人有点意外。”不过对于版本序号，Anthropic并没有给出任何解释。
在Fable 5.2发布后不到一个小时，打脸的就来了。独立评测机构Artificial Analysis发布长帖，表示他们把Fable 5.2放上Intelligence Index v5后，max档以65分登顶，比Opus 5.5的59分高出6分，比上一代Fable 5.1的49分高出约15分，九项评测里拿下五项最高分。
别急，Fable系列一直是智力天花板，这点毋庸置疑。Artificial Analysis接着写道，max档平均每个任务要花26.5美元，是Opus 5.5在max档10美元的约2.6倍，也是Fable 5.1的两倍左右。
单价确实降了20%，可总成本却翻了一番。而且Artificial Analysis还“补了一刀”：Fable 5.2在评测中生成了约2.75亿token，同类模型中位数只有7280万——“它话太多了”。
最后一点，性能跑分可以用数值来衡量，但Anthropic表示，Fable 5.2还在设计方面进行了升级迭代。
于是，在Fable 5.2发布后不到半小时，社区就有人尝试用它开发FPS游戏。演示里，枪械、射击反馈和场景都有了。评论区有网友看完，觉得都可以直接发布了。
如果你只知道自己想玩一款什么样的游戏，连第一行代码都还没写，这时候倒可以让Fable多想几步。对Claude Fable 5.2的更多后续动态，云栈社区会持续跟进讨论。
发表于 18 分钟前
|
查看: 2|
回复: 0
/1 
