刚刚，Claude Mythos 5发布！5000万行代码1天搞定

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 刚刚，Claude Mythos 5发布！5000万行代码1天搞定 衡宇 2026-06-10 06:52:37 来源： 量子位 一个更强的模型上桌了 衡宇 Jay 发自 凹非寺 量子位 | 公众号 QbitAI Anthropic遮遮掩掩两个月的 “神话”Mythos ，终于降临了—— 自家有史以来最强悍的大模型旗舰，分两个版本端上桌： Claude Fable 5与 Claude Mythos 5。 Fable 5是加了防护网版本的Mythos**，面向所有用户开放。 一旦用户提问触发风险分类器（比如试图让它写恶意软件），系统就会自动降级调用上一代Claude Opus 4.8来回答。 Mythos 5是原汁原味的满血版“Mythos” ，但只给少数受信任用户使用。 它在网络安全等领域解除了安全限制，官网称其“拥有全球最顶尖的网安攻防与生物科研纯血能力”。 官方表示，Fable 5和Mythos 5的自主运行时间比以往任何Claude模型都长。 小小叹个气？ 前沿AI，开始进入权限时代了。 而且就在Anthropic郑重其事地呼吁全部AI研究立刻停止后没两天…… 不懂Dario怎么也开始走上奥特曼每次为自家新模型、新产品提前营销造势的老路，还是阵仗极大的那种。 （我知道A社有自己的道理，但我还是报以一个微笑）。 不过还是有非技术层面让开发者比较欣慰的消息，这两款新旗舰的API定价直接把之前的预览版砍掉了一半以上： 每百万输入Token仅需10美元，每百万输出Token为50美元。 好了，咱们迅速进入技术相关环节，冲—— 双版本Mythos来了！官方给“Token效率”画了重点 先说个情况。 官方的发布日志和业内评测中没有像介绍Fable 5那样，为Mythos 5开列一长串标准的、公开的 Benchmark跑分榜单（比如 MMLU、GSM8K、SWE-bench 等）。 不过鉴于二者是同一底层模型，两者其实可以看成同一内核的“镜像分身”，基础技术指标完全一致。 所以我们只能先看看目前官方渠道主要公开的Fable 5的表现。 按照Anthropic自己的说法，Claude Fable 5是目前最强的公开Claude，也是Fable系列第一次进入Mythos级能力。 它的优势主要集中在几个方向：软件工程、复杂知识工作、视觉、长上下文、记忆能力，以及生命科学研究。 更关键的是，任务越长、越复杂，Fable5相比过去Claude的优势越明显——说明Fable5的重点不是单轮问答更漂亮，而是能接住长周期任务。 我们不妨用数据和硬核Demo，来拆解这代神话级模型的统治力： 软件工程：高难度基准打穿，从“修Bug”到“全自动大军” 在衡量模型解决真实世界、复杂软件工程问题能力的SWE-bench Pro评测中，Claude Fable 5飙出了80.3%的高分。 作为对比，竞争对手的顶级主力模型GPT-5.5的得分为58.6%。 在Cognition的Frontier Code评测——这个评测更看重模型能不能完成困难编程任务，同时满足高质量生产代码库的标准——中，Fable 5在中等推理强度下就拿到前沿模型最高分。 FrontierCode该基准极难饱和。 不过即便在“中等努力（Medium effort）”模式下，Fable 5得分也高居所有前沿模型之首。 官方给出的第一个典型案例来自Stripe。 在一个5000万行Ruby代码库中，Fable 5完成了一次全库迁移。这个工作如果让一个工程团队手动做，原本要两个多月。 Fable 5呢？仅仅用了一天。 此外，在端到端前端开发基准ViBench（Vibe-coding benchmark） 上，Fable 5几乎把基础开发用例直接打到饱和，实现了真正的“一枪流（One-shot）”生成应用。 原生视觉：不要脚手架，盲打通关《宝可梦》 知名科技媒体VentureBeat在《Anthropic brings Mythos to the masses with Claude Fable 5, its most powerful generally available model ever》一文中透露，在专注于视觉文件推理的基准测试GDPpdf上，Fable 5和Mythos 5在不借助外部工具的条件下拿到了29.8%的成绩。 作为对比，Opus 4.8得分为22.5%，GPT-5.5得分为24.9%，Gemini 3.1 Pro得分为16.7%。 Anthropic官方也猜大家看一堆数据很枯燥，于是放出了Fable 5打游戏的Demo，更具直接视觉效果。 此前的Claude模型如果想玩RPG游戏《宝可梦·火红版》，必须在外部为其配置一套极其复杂的“脚手架”（包括地图导航援助、内存游戏状态读取等）。 现在，Fable 5实现了纯粹的“原生视觉盲打”。 仅凭一张张原始的游戏屏幕截图，在没有任何地图外挂的前提下，它完全自主推演、策略规划，硬生生打通关了整部游戏。 不仅如此，由于其超长序列的专注度，当给它配置了持久化的文件级内存后，它在游玩卡牌肉鸽游戏《杀戮尖塔》（Slay the Spire）时，表现直接飙升了3倍，到达最终星体的概率同样暴涨3倍。 长上下文和记忆能力重点升级，顺手强调了下“Token效率” 长上下文和记忆能力也是这次升级的重点。 Anthropic称，Fable 5能在百万级Token的长期任务里保持专注，还能利用自己的笔记改进输出。 官方拿SlaytheSpire做了测试，给模型接入持久化文件记忆后，Fable5的表现提升幅度是Opus4.8的三倍，到达最终章节的频率也提升了三倍。 这其实是Agent能力里非常底层的一环。 一个能长时间干活的AI，必须能够记得自己做过什么、错过什么、下一步为什么这么做。没有稳定记忆，自主任务就很容易变成一场大型失忆现场。 为此Anthropic还特别强调了Token效率（这也是这代模型的一个关键方向）。 越是能长时间自主工作的模型，越会消耗大量Token。 如果模型一边很强，一边很“费话”，成本很快会高到让企业肉疼。 Fable 5强调Token效率，本质上是在解决Agent化落地里的账本问题。 金融、法律与运营：首次突破 90% 大关的逻辑黑洞 在考察高级分析推理能力的Hebbia金融基准测试（Finance Benchmark for senior-level reasoning） 中，Fable 5拿到了行业最高分。 在长篇文档推理、复杂的图表和表格解读、以及多步骤根因分析上，Fable 5实现了双位数的跨越式增长。 在量化交易大厂IMC和Optiver的实测中，Fable 5几乎拿满了其交易分析评估的全部权重（包括事实检索、概念推理和期望值计算），且展现出惊人的稳定性——在多次重复运行中，输出结果的分数完全一致。 数据分析平台 Hex给出的评价是这样的： Fable 5是