Claude Fable 5.2解读：千个Agent造操作系统

zhangdaiscott · 发表于 6 分钟前

Claude Fable 5.2 长任务能力

两款模型，一个底座

11 月 9 日，Anthropic 发布了 Claude Fable 5.2 和 Mythos 5.2。两者基于同一个底层模型，定位都是面向复杂技术任务的旗舰，重点加强了编程、推理、视觉理解和科学研究能力。区别在于安全限制：

对比项	Fable 5.2	Mythos 5.2
底层模型	相同	相同
安全限制	增加网络安全、生物研究方向的防滥用机制	保留更完整的专业能力
开放范围	面向普通用户和开发者	主要向通过审核的网络安全、生命科学机构提供
调用方式	`claude-fable-5-2`，覆盖 Claude 平台及 AWS、Google Cloud、Azure	受限开放

这篇文章不重复罗列发布会内容，而是按“跑分 → 长任务 → 科研与硬件 → 安全取舍”的顺序，看这一代模型变化最大的地方。

跑分：编程与综合智能都排到了第一

几项关键成绩：

FrontierCode 2.0（Agent 编程）：Fable 5.2 为 49.1%，Opus 5.5 为 45.5%，GPT-6 Astra 为 42.8%，Gemini 4 Carbon 为 41.1%；
FrontierSWE v2（软件工程）：69.9%，比上一代提升 13.6 个百分点；
Artificial Analysis Intelligence Index v5：65 分排名第一，领先 Gemini 4 Carbon 5 分、Opus 5.5 6 分，9 项子测试中拿下 5 项第一，优势集中在科学推理、知识理解和编程。

需要同时看到的是成本：最强推理模式下平均单任务成本 26.5 美元，约为 Opus 5.5 的 2.6 倍。较低推理强度下，它能以约一半的成本接近 Opus 5.5 最高档的成绩。换句话说，这一代的进步一半体现在上限，一半体现在“同样效果花更少的钱”。

基准成绩与推理档位

长任务：从“修一个 bug”到“连续干 8 天”

比跑分更能说明变化的，是 Anthropic 展示的几个长周期工程案例。

从空文件夹到可启动的操作系统

一名工程师让 Fable 5.2 从零设计一个操作系统。模型从空文件夹开始，自主协调 1000 多个子 Agent，连续工作 8 天，完成编码、测试和审查。最终得到的系统能在笔记本电脑上启动，有自己的内核，支持磁盘、键盘和网络驱动，带文件存储、窗口界面、登录界面、安装程序，还内置了 Claude。

它仍然是实验性质的原型，但关键不在系统本身，而在于模型能自己拆分任务、分派给上千个子 Agent、再把结果整合起来。这类“多 Agent 编排”能力，正是长周期软件工程最需要的。

Python 迁移到 Rust

早期版本的 Fable 5.2 把 Anthropic 一项关键生产服务从 Python 迁移到 Rust，迁移后启动速度提升到原来的约 26 倍。这是实际上线的生产服务，而不是演示项目。

Anthropic 还透露，目前其核心代码库中超过 90% 被合并的代码变更，是由 Claude 在人类指导下编写的。

社区的第一反应

发布后，AI 创业者 Matt Shumer 评价它是自己用过最强的模型，能完成过去其他模型做不下来的复杂项目，但有时又“过度负责”，会拦下本来正常的工作任务。开发者们也晒出了不少作品：可以在浏览器里玩的 3D 乘船游戏、三维场景，以及经典的“鹈鹕骑自行车”测试。还有人只上传 6 张魔方照片，模型就给出了步骤很少的解法，而且没有按人类常用的先拼白十字的思路走。

多 Agent 协作完成长周期工程

科研：形式化证明与理论物理

费马大定理的形式化证明

怀尔斯在上世纪 90 年代就证明了费马大定理，但把证明改写成计算机可以逐步验证的形式化证明，是另一项浩大的工作。Anthropic 此前用未发布的研究模型，在研究人员指导下花了 11 天完成。

这次，由 1000 个 Fable 5.2 Agent 组成的团队，用 30 小时完成了形式化证明，几乎没有人工干预。模型自行建立了协作机制，证明长度缩短到此前的七分之一，消耗的 Token 降到原来的三分之一。作为对照，相同配置下的 Opus 5.5 运行 30 小时，只完成了约 27%。

两个黑洞物理问题

Fable 5.2 还解决了两个与黑洞相关的理论物理开放问题：一个关于黑洞形成时的相变机制（1983 年就有人发现特定模型中黑洞会随温度变化突然形成，但能否推广到更小的量子尺度一直缺少完整计算），模型基本自主完成了计算，得到了相同的突变结论；另一个确定了一种量子引力分析方法的精确适用边界。

此外，Mythos 5.2 结合两个开源蛋白质结构预测模型，开发了一套预测完整病毒衣壳结构的方法，在测试的 34 个衣壳中准确建模了 28 个。

这些成果仍需同行进一步验证，但 AI 参与专业研究的深度，已经从“查资料、写代码”走到了“自己完成关键计算”。

硬件与机器人：推理能力走进物理世界

一段提示词，三款能运行的设备

在与电路板设计制造公司 Diode 的合作中，研究人员只用一段提示词，让 Fable 5.2 设计了家庭语音助手中枢、USB 会议扬声器和掌上电子宠物三款设备。模型自主完成了产品规格、元器件选型、四层 PCB 设计、3D 打印外壳建模和配套软件开发，每款设备的电路板设计都在一天内达到可制造状态。制造完成后，Claude 又指导工程师测试和装配，三款设备都成功运行，电气设计没有修改。

机器人控制

在 RoboDojo Sim 双臂机器人模拟测试中，Fable 5.2 的成功率为 64.9%，上一代 Fable 5.1 为 27.6%，GPT-6 Astra 为 29.8%。官方演示中，Claude 控制的实体机器人完成了拧瓶盖、还原魔方、画图等动作。

从电路板设计到机器人控制

安全取舍：主动压住的几项能力

这次发布中最值得关注的一点，是 Anthropic 对模型能力的主动限制。

Mythos 5.2 的网络安全能力

在 CVE Rediscovery 内部测试中，Mythos 5.2 能重新发现 89.6% 的已知漏洞，上一代为 78.3%。一家安全公司发现，它确认的漏洞中约六分之一没有被其他前沿模型发现。与此同时，在 1800 多个场景的沙箱逃逸测试中，它使用沙箱外凭据或文件的比例从上一代的 21% 降到 3.1%。

限制“加速 AI 研发”的能力

Anthropic 明确表示，训练中专门限制了新模型在 AI 加速器 Kernel 优化、大语言模型架构改进等方向的能力提升。所以尽管综合能力明显增强，这些可能直接加速下一代 AI 研发的任务上，两款新模型的表现大致仍停留在 Opus 5.5 的水平。官方称这不影响普通的 Agent 编程、硬件开发和传统机器学习研究。

另外，Anthropic 加强了防止模型能力被非法蒸馏的措施，称能让恶意蒸馏者获取的数据量减少 90% 到 99%。发布前，模型也经过了英国 AI 安全研究所、METR 等外部机构的评估。

价格与使用建议

标准价格：每百万输入 Token 8 美元、输出 40 美元，比上一代低约 20%；
Fast Mode：生成速度最高为标准模式的 2.5 倍，价格为每百万输入 16 美元、输出 80 美元；
订阅用户：11 月 9 日至 16 日期间，符合条件的 Pro 和 Team 标准席位用户可以在每周额度的 50% 以内使用 Fable 系列，并获得一次额度重置；Max、Ultra 及部分高级席位按订阅时长获得 1 到 3 次重置。重置只恢复已用额度，不提高上限。

Anthropic 自己的建议是：Fable 系列用于复杂工程、数学和科研任务，日常编程和知识工作仍优先用 Opus 5.5。对开发者来说，可以先挑一两个过去“做不下来”或者“要人盯着做”的长任务试一试，再决定它在工作流里放在哪个位置。

总结

Fable 5.2 这一代最明显的变化，是模型能独立承担的任务时长和复杂度又上了一个台阶：从几小时的编程任务，到连续 8 天、上千个 Agent 协作的系统工程；从写代码，到形式化证明、理论物理计算和电路板设计。

与此同时，Anthropic 在能力上做了有意识的取舍，主动压住了可能加速 AI 自身研发的方向。一边快速推出更强的模型，一边筹备目标估值 1 万亿至 1.5 万亿美元的 IPO，一边又强调“控制节奏而非暂停”，这家公司在速度与安全之间的平衡，会是接下来一段时间行业持续关注的话题。

本文为 JeecgBoot AI 专题研究系列文章。