与过去主要围绕编程、推理和知识问答展开的模型升级不同，这一次Anthropic展示的成果，主要是操作系统开发、数学证明、理论物理、电子硬件设计和机器人控制等领域。
比如，一个工程师只给出开发操作系统的任务，Fable 5.2便调度超过1000个子Agent，连续工作8天，从空文件夹开始，最终开发出一套能够在笔记本电脑上启动和运行的操作系统。
另一个由1000个Agent组成的团队，仅用30小时就完成了费马大定理证明的形式化工作。而Anthropic此前使用未发布的研究模型完成同一任务，耗时11天。
在理论物理领域，Fable 5.2还完成了两个与黑洞有关的开放性问题的计算研究。其中一个问题涉及2003年提出、此前一直未能完成的计算。
对于用户来说，这两个新模型最值得关注的变化，也并不是它能回答多难的问题，而是能够在相对有限的人类干预下，组织大量Agent，完成过去需要专业团队长期协作的技术项目。
而将其中最复杂、最需要专业判断的部分交给Fable，其他日常工作则留给成本更低的模型，也正是Anthropic此次为Fable、Mythos和Opus划定不同产品定位的核心思路。
比如，在软件工程领域，Anthropic公布的FrontierCode 2.0测试中，Fable 5.2取得49.1%的成绩，高于GPT-6 Astra的42.8%、Gemini 4 Carbon的41.1%以及Claude Opus 5.5的45.5%。
相比上一代Fable 5.1的32.4%，提高了16.7个百分点。
这项测试衡量的是模型修改开源项目代码后，能否达到项目维护者愿意合并的质量标准。
成本方面，比如在High推理强度下，Fable 5.2取得45.3%的成绩，基本追平Opus 5.5最高的45.5%，但单任务成本约为后者的一半。
Anthropic披露，目前其核心代码库中超过90%的已合并代码变更，由Claude在人类指导下编写。
一个使用Fable 5.2早期版本的Agent团队，还将一项关键生产服务从Python迁移到Rust，迁移后服务启动速度提高约26倍。
Vercel技术人员Joe Haddad在试用后表示，
“它能理解我每条提示背后的意图。我一次都不需要说‘不，我的意思是……’。那些用其他模型推进了几周的项目，使用Fable 5.2后几天就完成了，并获得团队批准，代码审查人员提出的意见也更少。”
在网络安全领域，Mythos 5.2展示了另一种能力。
Anthropic使用1829个已公开的CVE漏洞进行测试，让模型在漏洞修复之前的代码版本中重新发现这些问题。Mythos 5.2的发现率达到89.6%，上一代Mythos 5.1为78.3%，Opus 5.5为81.3%。
一家安全公司还发现，Mythos 5.2确认的漏洞中，约六分之一未被其测试的其他前沿模型发现。
Mozilla杰出工程师Brian Grinstead表示，团队过去一年一直与Anthropic合作，通过多代Claude模型强化Firefox安全性。尽管每轮扫描后剩下的漏洞越来越少，Mythos 5.2在各自扫描活动中的漏洞发现指标仍约为Mythos 5.1的两倍。
不过，Mythos 5.2并不面向所有用户开放。
普通用户使用的Fable 5.2具有更严格的网络安全和生物学限制，经过认证的安全机构和生命科学研究机构才能申请Mythos访问权限。
如果说软件开发体现的是模型执行复杂工程任务的能力，那么科学研究中的案例，则进一步展示了模型解决开放性问题的潜力。
Anthropic披露，Fable 5.2完成的两个理论物理问题都与黑洞及全息对偶理论有关。
第一个问题涉及黑洞形成过程中的相变。物理学家早在1983年就发现，在某些足够大的理论宇宙中，随着温度上升，黑洞会像水沸腾一样突然形成。但这一结论能否延伸到只能通过量子理论描述的微小宇宙，一直缺乏完整计算。
2003年已有相关计算方案，但工作量过大，始终未能完成。Fable 5.2在较高自主程度下完成计算，得到相变同样具有突变性质的结果。
第二个问题则涉及一种已使用超过15年的量子引力理论筛选方法。Fable 5.2确定了这一方法在简化宇宙模型中的精确适用边界。
两项研究均有对应预印本。
数学方面的案例即费马大定理。Fable 5.2此次完成的并非重新发现证明，而是将证明转化为Lean语言，使计算机能够逐步验证。
在1000个Agent协同工作的实验中，Fable 5.2用30小时完成全部形式化工作，使用的操作Token只有此前研究版本的三分之一，生成的证明长度缩短到约七分之一。
相同配置下，Opus 5.5运行18小时只完成26%，继续运行到30小时后进度约为27%。
在生物技术方面，Mythos 5.2还尝试解决基因治疗载体的蛋白质结构预测问题。
腺相关病毒的蛋白质外壳由数十条蛋白质链组成，结构复杂。Mythos 5.2利用两种开源蛋白质折叠模型，编写程序分别预测重叠的蛋白质链组合，再结合外壳的对称性重建完整结构。
在34个测试对象中，28个达到了Anthropic设定的精度标准。
Dyno Therapeutics联合创始人Sam Sinai表示，这种加速有望为病毒衣壳结构预测流程节省可观的时间和成本，并提高计算资源利用效率。
硬件开发方面，Anthropic与电路板设计制造公司Diode合作，只用一段提示词，要求Fable 5.2开发三款电子设备：家庭语音助手中枢、USB会议扬声器和掌上虚拟宠物。
模型自行编写产品规格，选择美国供应商能够采购的元器件，设计四层电路板，完成3D打印外壳建模，并编写配套软件。
每块电路板都在不到一天的时间内达到可制造状态。Diode完成实际制造后，Claude继续指导工程师测试和组装，三款设备均在无需修改电路的情况下正常工作。
机器人控制方面，Fable 5.2也完成了还原魔方、拧开瓶盖和绘画等任务。
在Anthropic内部运行的RoboDojo双臂机器人仿真测试中，Fable 5.2成功率达到64.9%，而Opus 5.5为39.4%、GPT-6 Astra为29.8%、Fable 5.1为27.6%。
这类任务要求模型根据摄像头图像控制机器人动作，体现的不只是视觉识别能力，还包括空间推理与连续操作能力。
还有金融研究、商业分析等专业工作上，比如量化交易公司Jump Trading将其接入类似内部研究系统的测试环境，发现模型能够同时承担代码编写、任务规划、协调和作业提交等角色。
Jump Trading大模型研发负责人Lucas Baker表示，在一项内部研究自动化测试中，Fable 5.2的错误率比表现第二好的模型低10%。
性能之外，还有一个重要变化就是价格和速度。
两款新模型的Token生成速度较上一代最高提升30%，价格也有所降低。
可选的Fast模式最高能够将Token生成速度提高至2.5倍，但价格翻倍，分别为每百万输入Token 16美元、输出Token 80美元。
Anthropic并不建议用户将所有任务都交给Fable。
对于一般编程和知识工作，官方仍推荐优先使用Opus 5.5；只有在遇到特别复杂、开放性强的任务时，再升级到Fable或Mythos。
另一种使用方式是，让Fable充当Advisor或Orchestrator：由较小模型执行常规任务，遇到困难时咨询Fable，或者由Fable统一协调多个较小模型完成工作。
安全方面，Anthropic披露，Mythos 5.2在约1900种场景组成的自动化行为审计中，总体不良行为得分为2.67，低于Opus 5.5的2.79和Mythos 5.1的3.28。
在专门设计的沙箱逃逸测试中，Mythos 5.2利用沙箱外部凭据或文件的比例为3.1%，而Mythos 5.1为21%。不过Anthropic也承认，现有评估仍无法保证发现模型部署后可能出现的全部问题。
目前，Fable 5.2已经通过Claude及AWS、Google Cloud、Microsoft Azure等平台提供服务，开发者可通过claude-fable-5-2调用。Mythos 5.2则继续实行资格审核。
早期使用者的反馈来看，比如说沃顿教授 Ethan Mollick ，体验了一段时间后，“ 我认为它已经跨越了界限，进入了一种锯齿状 AGI 的范畴”。
