本文来自微信公众号：腾讯科技，作者：晓静，编辑：徐青阳，题图来自：视觉中国
在即将IPO的关键节点，Anthropic同时发布了两款新模型。
美国当地时间11月9日，Claude Fable 5.2和Claude Mythos 5.2正式亮相。两款模型采用相同的底层模型，Fable 5.2通过网络安全和生物学领域的安全限制面向普通用户开放，Mythos 5.2则主要向经过审核的网络安全和生命科学研究机构提供。
这次最值得关注的升级，是模型处理大型开放式任务的能力。从协调1000多个智能体完成数学证明的形式化验证，到从空文件夹开发一套操作系统，再到设计电子设备、制作游戏和控制实体机器人，Fable 5.2已经能够连续执行数小时甚至数天的复杂项目。
Anthropic称，新模型生成速度最高提升30%，标准价格降至每百万输入Token 8美元、每百万输出Token 40美元。
相比跑分，这次发布更有看头的是一系列实际演示。多个第三方体验者也给出了自己的测试结果，其中既有让人惊讶的作品，也暴露出模型在判断力和执行效率上的不足。
这次发布正值Anthropic筹备IPO之际。随着OpenAI、谷歌和Meta密集推出面向编程、推理及AI智能体的新模型，Anthropic需要进一步证明自己在高难度任务上的竞争力。
1000个智能体协作，30小时完成费马大定理形式化证明
这次发布最引人注目的案例来自数学领域。
Anthropic让1000个Fable 5.2智能体协同工作，将费马大定理的既有数学证明转化为计算机能够逐步验证的形式化证明。
整个过程只用了30小时。模型从有限提示和一组中间定理陈述出发，自行建立协作机制、分配任务，并使用Lean数学编程语言完成验证。人类干预非常有限。
此前，Anthropic曾使用尚未发布的研究版本完成同一任务，耗时11天，需要专门搭建执行框架，并由研究人员持续指导。这次Fable 5.2使用的行动Token只有此前方案的三分之一，最终证明长度缩短至七分之一。
与之相比，同样使用1000个智能体，Opus 5.5运行30小时后只完成了约26%的形式化工作。
值得注意的是，AI完成的是费马大定理已有证明的形式化验证，并非重新发现了数学证明。真正值得关注的是，它能把一项复杂工作拆解成大量可验证任务，再通过智能体协作完成。
科研领域也有类似进展。
在理论物理学方面，Fable 5.2完成了两个黑洞物理学开放问题的计算。其中一项涉及全息对偶理论。2003年，研究人员曾提出相关计算方案，但由于过程过于繁琐，一直未能完成。Fable 5.2基本自主完成计算，发现小宇宙中同样存在突然形成黑洞的相变过程。
Mythos 5.2则在蛋白质结构预测上展示了新方法。
面对由数十条蛋白质链组成的腺相关病毒衣壳，模型将两个开源蛋白质预测模型结合起来，利用重叠蛋白质链和结构对称性整合预测结果。在34个测试对象中，准确预测了28个。
造操作系统、设计硬件
比数学证明更容易让普通读者理解的，是Fable 5.2的工程和创作能力。
Anthropic一名工程师给模型布置了一项任务：从一个空文件夹开始，设计一套能够在笔记本电脑上启动的原型操作系统。
Fable 5.2协调了1000多个子智能体，连续工作8天，负责代码编写、测试和审查。最终系统拥有内核、磁盘、键盘和网络驱动程序、持久化文件存储、窗口系统、登录界面和安装程序，甚至内置了Claude功能。
X用户@chetaslua看完后直呼这简直就是AGI。他特别提到，模型从零开始组织超过1000个智能体，最终交付的已经是一套能够运行的操作系统，而不是一段概念演示。
硬件设计也有实际成果。
Anthropic与电路板设计公司Diode合作，让Fable 5.2根据一段文字描述设计三款电子设备：家庭语音助手中枢、USB会议扬声器和手持虚拟宠物。
模型自行编写技术规格，选择电子元件，设计四层电路板，制作3D打印外壳，再编写设备软件。电路板不到一天就完成制造准备。Diode生产完成后，模型还指导工程师测试和组装。最终三款设备全部正常工作，无需额外修改电路。
游戏和视觉创作方面，第三方展示的几个Demo同样值得一看。
开发者@kevin_t_ngo分享了一个可以直接在浏览器中游玩的游戏。玩家乘船穿越8个梦幻世界。Fable 5.2需要完成场景、游戏逻辑和交互设计，最终交付的是一个可以实际体验的作品。
宾夕法尼亚大学沃顿商学院教授伊桑·莫利克（Ethan Mollick）也让Fable 5.2制作了一款恶搞《史酷比》（Scooby-Doo）的反向游戏。玩家需要扮演反派，想办法吓跑那些爱管闲事的孩子。模型还制作了带有音乐和音效的宣传预告片。
实体机器人控制是另一个重要方向。Anthropic展示了模型控制机器人完成魔方拼图、拧开瓶盖和绘制图案等任务。在模拟双臂机器人测试RoboDojo中，Fable 5.2得分64.9%，Fable 5.1为27.6%，Opus 5.5为39.4%。
在这些演示中，模型开始把代码、视觉设计、工具调用和执行过程结合起来，交付可以运行或操作的成果。
给自己制定8.75万字规则
莫利克还在文章《Fable 5.2 and Jagged AGI》中提出，Fable 5.2已经接近通用人工智能（AGI），但能力分布仍不均衡。他将这种状态称为“Jagged AGI”，即锯齿状AGI。
莫利克首先让模型设计一门生意，目标是一年赚2万美元，而自己每个月只投入20分钟。
Fable 5.2筛选了22个商业创意，最终选择Prebid Brief，帮助设备销售人员提前发现公园、水务等公共项目的资金安排和建设计划。
模型读取了201个城市和县政府的公开会议议程，整理潜在商机，还建立了当地设备清单，记录设备类型、使用年限和采购价格。随后，它开始安排定期任务，甚至询问莫利克能否向地方政府发送公共信息申请。
莫利克认为，这份商业计划如果出自MBA学生的学期项目，已经相当不错。但他没有让模型真正启动业务，因为销售、基础设施和后续运营仍有大量不确定性。模型自己估计项目成功概率为20%至40%。
文学研究的测试也很有意思。
莫利克要求Fable 5.2重建诗人奥登（W. H. Auden）1941年在密歇根大学开设的一门课程。模型整理了35部主要作品、课堂板书、播放过的唱片和作业，还检索奥登的学术研究，为诗歌添加注释，并安排智能体进行事实核查。
莫利克认为，这项工作可能需要人类花费数月。但模型第一次生成的网站过于枯燥，收到修改意见后又做成了儿童敲铃游戏。解释诗歌时，它也曾给出自信却没有充分考虑奥登本人观点的分析。
问题虽然能在几分钟内修正，模型却没有主动发现。
学术研究测试则暴露了另一种短板。
Fable 5.2围绕企业注册费用变化开展研究，分析科罗拉多州将有限责任公司注册费从50美元降至1美元，以及英国将注册费从12英镑提高到50英镑后，新公司注册数量的变化。
模型估算，两地注册量分别增加和减少约17%，但后续商业活动并未出现相应幅度的变化。莫利克认为，研究问题和设计相当不错，已经超过他对部分二年级博士生的预期。
但论文长达182页，模型没有真正完成预注册，还把部分研究计划写在看到早期结果之后。GPT-6 Pro担任同行评审时，两次发现需要修改的问题。莫利克花费不到一小时就得到了这份研究成果，却认为它还不能直接发表，因为没有人完整核查全部结果。
最有代表性的失败案例，发生在3D世界生成项目。
莫利克只给了模型一段关于无尽3D世界之旅的描述。20小时后，系统已经生成204个世界，之后累计超过450个。世界全部由代码实时绘制，没有使用预制3D模型或图像文件。
莫利克最初两天就看到了328个世界，但不同智能体团队缺乏协调，出现了重复创意：驯鹿、蝠鲼和鹳鸟分别被设计成围绕中心旋转的场景。
他要求模型停止扩建，先打磨已有作品。没想到，模型自行建立了一套审核制度，每个新版本都必须通过AI评审团的盲测投票。为了避免评审机制被钻空子，智能体不断增加规则。
12天后，规则手册扩展到204个章节，共计约8.75万字。发布一个新世界，需要创意审批、三名AI评审和完整代码审查，整个流程甚至耗时一天。
莫利克最后不得不另外组建一支智能体团队，作为外部顾问重新审查流程，才把每天的产出恢复到30多个世界。
Anthropic员工@alexalbert__分享的使用建议，也能解释怎样发挥这类模型的优势。
他认为，Fable 5.2在大型开放式任务中比Opus 5.5有明显进步。使用时，可以先让模型审视想法本身，指出其中的问题；推理强度从Medium或High开始，最困难的任务再使用Xhigh；事先明确哪些操作必须获得人类批准，其余交给模型自主决定。
最重要的一点，是给模型一个完整项目，而不是不断告诉它下一步做什么，让它连续运行几个小时。
莫利克的实验和Albert的建议说明，Fable 5.2的长处已经相当明确：接手一个完整目标，自己规划、执行、协调和修改。但创意判断、质量控制和现实商业执行仍然需要人类参与。
Mythos 5.2专攻网络安全
与面向广泛任务的Fable 5.2相比，Mythos 5.2的重点是网络安全和生命科学。
Anthropic称，Mythos 5.2是目前公司能力最强的网络安全工程模型。在内部CVE Rediscovery测试中，面对1829个已公开漏洞，它发现的漏洞数量比Opus 5.5多10.2%，比Mythos 5.1多14.4%。
一家安全公司发现，Mythos 5.2确认的漏洞中，有六分之一没有被其他受测前沿模型发现。
Mozilla杰出工程师布莱恩·格林斯特德（Brian Grinstead）表示，Mozilla此前一直使用不同版本的Mythos模型加固Firefox。随着漏洞越来越隐蔽，Mythos 5.2在最近一轮扫描中的漏洞发现指标，较Mythos 5.1提高了约一倍。
在生命科学方面，Mythos 5.2对腺相关病毒衣壳结构的预测，在34个测试对象中准确完成28个，显示出处理复杂蛋白质组合结构的能力。
不过，Mythos 5.2并未向所有用户开放。网络安全和生命科学研究人员需要通过Anthropic的专项审核计划申请使用，Claude Enterprise客户则可以通过Claude Security使用其代码安全扫描能力。
安全问题也引发了外部讨论。
回到产品本身，Fable 5.2在FrontierCode 2.0测试中取得49.1%，高于Fable 5.1的32.4%和Opus 5.5的45.5%；在多学科推理测试Humanity's Last Exam中达到74.2%，Opus 5.5为67.7%。Anthropic还称，Fable 5.2在High effort下的编程测试成绩与Opus 5.5最高成绩接近，但单项任务成本约为后者的一半。
在定价方面，Anthropic这次也做了调整。Fable 5.2和Mythos 5.2的标准API价格统一下调20%，从此前每百万输入Token 10美元、每百万输出Token 50美元，降至8美元和40美元。
与之相比，OpenAI旗舰模型GPT-6 Astra的标准价格仍为每百万输入Token 10美元、每百万输出Token 50美元（适用于输入Token不超过27.2万的请求）。按照标准价格计算，Anthropic两款新模型的输入和输出Token单价均比GPT-6 Astra低20%。
不过，Fable 5.2仍然属于高价模型。其标准输入和输出Token价格，分别是Claude Opus 5.5的两倍。Anthropic强调，单价更高不代表完成任务的总成本一定更高。在早期FrontierCode 2.0测试中，Fable 5.2使用High effort时，成绩与Opus 5.5使用Max effort基本相当，但单项任务成本约为后者的一半。
速度方面，Anthropic还为两款模型推出Fast模式，Token生成速度最高提升2.5倍。不过，这项服务需要支付更高费用：每百万输入Token 16美元、每百万输出Token 80美元，恰好是标准模式的两倍。
Fast模式目前可通过Claude Code、Claude Platform、Google Cloud上的Claude Models，以及由Anthropic托管的Microsoft Foundry使用。
本文来自微信公众号：腾讯科技，作者：晓静，编辑：徐青阳
