Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，IPO 前重夺 AI 性能领先
Claude Fable 5.2 and Mythos 5.2 cement Anthropic's AI lead just before its IPO
- 1Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，公司在 IPO 前重新夺回 AI 性能领先
- 2Artificial Analysis 的 Index v5 榜单上 Fable 5.2 以 65 分居首，领先 Gemini 4 Carbon 5 分、领先上代 Fable 5.1 达 15 分
- 3官方称约 1000 个 Fable 5.2 智能体用 30 小时完成费马大定理证明的 Lean 形式化，此前内部版本需 11 天
- 4定价降至每百万输入 token 8 美元、输出 40 美元，但最高档单任务平均成本 26.50 美元，约为 Opus 5.5 的 2.6 倍
Anthropic 在 IPO 前以双版本策略重夺榜首，独立榜单领先成立，但顶级能力伴随明显的单任务溢价和安全分级门槛。
- 影响：单任务成本约为 Opus 5.5 的 2.6 倍，高端场景预算需按任务而非 token 单价测算；公开版 Fable 屏蔽渗透测试等安全任务，相关业务要走 Mythos 的组织审核通道；输出提速与 token 用量下降可部分对冲溢价。
- 参考：可考虑先挑科研自动化、形式化验证等高价值任务试点，按单任务成本与 Opus 5.5 对比测算预算；有漏洞研究或渗透测试需求的团队可评估 Mythos 5.2 验证计划的申请门槛。
- 依据：榜单成绩出自 Artificial Analysis 的 Index v5；CVE 提升、费马形式化等关键数据均为 Anthropic 官方口径，暂无独立验证。
Anthropic 的 Claude Fable 5.2 与 Mythos 5.2 在公司 IPO 前不久重新夺回 AI 性能领先地位，部分项目优势明显。Opus 5.5 仍是 Anthropic 推荐的日常使用模型。
Claude Fable 5.2 与 Claude Mythos 5.2 共享相同的模型基础，但与它们的前代产品一样，两者在访问权限上有所不同。Fable 包含阻止网络安全和生物学领域高风险任务的安全机制，面向所有用户开放。Mythos 解除了其中部分限制，仅向通过 Anthropic 网络安全或生命科学验证计划（Verification Programs）申请的组织开放。
定价为每百万输入 token 8 美元、每百万输出 token 40 美元。至少从纸面上看，这低于前代产品的 10 美元和 50 美元。用户实际支付的费用取决于 token 消耗量，而后者随任务、设置和软件环境而变化。Anthropic 将新模型定位用于要求最高的技术工作，并继续推荐 Claude Opus 5.5 用于日常使用。
Anthropic 表示，这些模型的输出速度比 Fable 5.1 和 Mythos 5.1 最快可提升 30%。针对特定组织推出的可选快速模式可将 token 输出速度最高提升至 2.5 倍，但费用翻倍，且仅在部分平台上可用，包括 Claude Code、Claude Platform、Google Cloud 和 Microsoft Foundry。
Fable 5.2 在基准测试中跃居明显领先地位
Artificial Analysis 的基准测试显示，Fable 5.2 明显领先于竞争对手。在最高算力档位的当前 Index v5 上，它以 65 分位居第一，领先 Gemini 4 Carbon（60 分，High 档）5 分——该模型谷歌至今仍未发布，领先 Claude Opus 5.5（59 分，Max 档）6 分，并领先 Claude Fable 5.1 整整 15 分——后者于 9 月初才刚刚发布。
根据 Artificial Analysis 的数据，Fable 5.2 在九项单项测试中的五项得分最高。它在 HLE-Diamond（一项包含专家级学术问题的测试）上达到 80%，在 Terminal-Bench-Science（测试 AI 智能体能否在终端中独立运行科学工作流）上达到 73%，在 FrontierCode 2.0（评估智能体能否在真实开源项目中提供有用的代码改动）上达到 49%。
Fable 5.2 在智能体知识工作和基于终端的编码方面相对较弱。它在 AA-Briefcase（一项针对多步骤知识工作任务的基准测试）上取得 1,785 Elo，仅落后于 Claude Sonnet 5.5（1,813），并在 Opus 5.5（1,800）的置信区间之内。在衡量软件开发和安全等领域多步骤终端任务的 Terminal-Bench 4.0 上，它得分为 60%，与 Opus 5.5 持平。Kimi K3.1 Pro（67%）、Gemini 4 Carbon（65%）和 Sonnet 5.5（64%）在该项上排名更高。
不过，巅峰质量是有代价的。最高档位的单任务成本平均为 26.50 美元，约为 Opus 5.5（10 美元）的 2.6 倍，也几乎是 Fable 5.1（12.99 美元）的两倍。在较低的 High 和 Xhigh 档位下，Fable 5.2 在智能指数上仍拿到 62 分，据 Artificial Analysis 称领先于任何档位下的所有其他模型，同时消耗的 token 少得多：每任务 98,000 个输出 token，而 Opus 5.5 在 Max 档位为 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 |
|---|---|---|---|---|---|
| 智能体编码 FrontierCode 2.0 |
49.1% Xhigh 强度 |
32.4% Xhigh 强度 |
45.5% | 42.8% | 41.1% 中等强度 |
| 智能体编码 FrontierSWE v2 |
69.9% | 56.3% | 62.3% | 65.5% | 61.2% |
| 业务工作流 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% 无防护措施 |
61% GPT-6 Cyber |
— |
| 网络安全 CVE Rediscovery |
89.6% Myth 5.2 |
78.3% Myth 5.1 |
81.3% 无防护措施 |
— | — |
| 蛋白质设计 从头结合蛋白设计 (24 hr) |
85.1% Myth 5.2 |
79.1% Myth 5.1 |
82.6% 无防护措施 |
— | — |
| 智能体搜索 WANDR (宽松评分) |
82.1% | 68.7% | 72.3% | — | — |
| 计算机使用 OSWorld 2.1 (离线集，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% 评分量规 |
61.5% 评分量规 |
61.2% 评分量规 |
52.0% 评分量规 |
61.8% 评分量规 |
| 1785 Elo |
1669 Elo |
1800 Elo |
1569 Elo |
1611 Elo |
|
| 知识工作 Remote Labor Index (RLI) |
41.3% 高强度 |
17.9% | 21.3% | 20.8% | — |
| 多学科推理 Humanity's Last Exam (使用工具) |
74.2% | 65.6% | 67.7% | 57.2% | — |
| 图表视觉识别 Chartography (无工具) |
73.4% | 44.8% | 64.4% | 71.0% | 72.5% |
Mythos 5.2 发现的安全漏洞远超所有前代模型
新模型还在网络安全领域创下纪录，而这一领域目前正引发激烈争论。Anthropic 表示，Mythos 5.2 能比早期模型发现更多漏洞，并且更擅长复现和修复它们。因此，公开可用的变体 Fable 会拦截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 则会响应被拦截的网络安全请求，而 Opus 5 会响应被拦截的生物学请求。
Anthropic 使用一项名为 CVE Rediscovery 的内部测试，来检验模型在获得修复前的项目状态时，能够独立发现 CVE 数据库（Common Vulnerabilities and Exposures，一个用于编目已知软件缺陷的系统）中多少已公开的漏洞。
Anthropic 表示，在 2026 年 10 月使用 1,829 个 CVE 的测试中，Mythos 5.2 发现的漏洞比 Opus 5.5 多 10.2%，比 Mythos 5.1 多 14.4%。它在每个算力档位上都处于领先。据 Anthropic 称，一家安全公司报告，Mythos 5.2 发现的确认漏洞中有六分之一是被测试的所有其他前沿模型漏掉的。
Anthropic 限制可能加速 AI 开发的能力
Anthropic 表示，该公司在训练过程中刻意抑制了模型在那些可能最直接加速 AI 发展的能力上的提升，即目前被广泛视为风险的所谓 RSI。该公司称，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，Fable 5.2 和 Mythos 5.2 的表现与 Opus 5.5 大致相当。
据 Anthropic 称，智能体编程、硬件开发以及包括可解释性研究在内的传统 AI 研究等相关能力并未受到影响。该公司表示，在人类指导下，目前 Anthropic 核心代码库中合并的更改有超过 90% 由 Claude 编写。Anthropic 还声称，该模型在一次内部测试中从零开始编写了一个操作系统。
Claude Fable 5.2 在 30 小时内完成费马大定理的形式化
最引人关注的例子很可能再次来自数学领域。Anthropic 表示，约 1000 个 Fable 5.2 智能体完整形式化了费马大定理的证明，将其转化为 Lean 编程语言，使计算机能够逐步验证。
费马大定理指出，人们熟悉的方程 a² + b² = c² 在高于二次的幂次下没有整数解。几个世纪以来无人能够证明这一点，直到 1995 年 Andrew Wiles 提出了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。
Anthropic 表示，Claude 此前一个未公开发布的研究版本完成同一任务需要 11 天，并且依赖专门构建的环境和一位人类研究者的指导。Fable 5.2 智能体仅从简短的指令出发，自行组织协作，且未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。该模型使用的动作令牌（action tokens）只有首次尝试的三分之一，得到的证明长度缩短至七分之一。
作为对比，Anthropic 在相同的设置下用 1000 个智能体运行了 Opus 5.5。Opus 在 18 小时内仅完成了 26% 的形式化工作，此后直到第 30 小时几乎没有取得任何进展。
没有炒作的 AI 新闻 – 由人工精选
订阅 THE DECODER，即可享受无广告阅读、每周 AI 新闻通讯、每年六期的独家 “AI Radar” 前沿报告、完整档案访问权限以及评论区访问权限。
来源：The Decoder：AI News · the-decoder.com