刚刚，Claude Fable 5.2炸场！30小时完成费马大定理形式化

机器之心编辑部 终于，在新一轮旗舰模型谁先发的竞赛中，Anthropic 率先出招了。 就在今天凌晨，Anthropic 一口气发布两款顶级模型，Fable 5.2、Mythos 5.2 登场。 官方宣称，「两款模型瞄准高难度技术挑战，能够参与多个领域的大型复杂项目，并在编程、推理和视觉等方面实现进一步提升。」 另外，Anthropic 也开始玩起了 OpenAI Tibo 熟悉的「Reset」福利了。 Claude Code 之父还宣布，「我们希望为那些陪伴我们最久的用户提供更多福利。因此，在 Fable 5.2 中，订阅时间越长，用户获得的 Fable resets（重置次数）就越多。」 根据介绍，Claude Fable 5.2 和 Claude Mythos 5.2 在正式发布前的测试中，帮助 Anthropic 的工程师完成了此前难以实现的软件迁移项目，从零设计出三款能够正常运行的电子设备，解决了两个黑洞物理学领域尚未解决的问题，在机器人评测中取得了重大进展，还仅用 30 小时就完成了费马大定理的形式化证明。此外，它们还有许多其他应用场景。 Claude Fable 和 Claude Mythos 使用相同的底层模型。Fable 配备了严格的网络安全和生物安全防护机制，可以有效防止模型被滥用，因此能够向所有用户开放。对于希望将模型用于网络安全或生物医学研究等有益领域的机构，可以通过 Anthropic 近期扩大的生命科学计划和网络安全验证计划申请 Mythos 的使用权限。 两款模型的生成速度最高比 Claude Fable 5.1 和 Claude Mythos 5.1 快 30%，价格也有所降低： 每百万输入 Token 收费 8 美元，每百万输出 Token 收费 40 美元 。 Fable 5.2 和 Mythos 5.2 还提供可选的快速模式（Fast Mode），最高可以将 Token 生成速度提升至原来的 2.5 倍。快速模式的价格为每百万输入 Token 16 美元，每百万输出 Token 80 美元。 Claude Fable 5.2 和 Mythos 5.2 的评测表现 基准测试成绩 下方的基准测试结果显示，在 Anthropic 评估的几乎所有能力上，Claude Fable 5.2 和 Mythos 5.2 都比 Opus 5.5 更胜一筹。 从横向评测来看，Fable 5.2 在多个复杂任务上取得领先。编程方面，它在 FrontierCode 2.0 和 FrontierSWE v2 上分别拿下 49.1% 和 69.9%，超过 GPT-6 Astra 的 42.8% 和 65.5%，也领先 Opus 5.5。在机器人操作评测 RoboDojo Sim 中，Fable 5.2 更是达到 64.9%，相比上一代 Fable 5.1 的 27.6% 提升了 37.3 个百分点，明显高于 Opus 5.5 的 39.4% 和 GPT-6 Astra 的 29.8%。 此外，它在电脑操作评测 OSWorld 2.1 中取得 89.3%，在多学科推理评测 Humanity's Last Exam（带工具）中达到 74.2%，均位居图中参评模型首位。不过，知识工作评测 AA-Briefcase 的 Elo 评分由 Opus 5.5 以 1800 分略微领先，Fable 5.2 为 1785 分。科学研究和网络安全方面的部分高分则来自同期发布的 Mythos 5.2。 推理强度与效率 在 Medium（中等）推理强度设置下，这也是 Claude 应用和 Claude Code 的默认设置，Fable 5.2 完成具有挑战性的任务时，所需的 Token 数量比 Fable 5.1 更少。 在 FrontierCode 2.0 评测的早期测试中，Fable 5.2 使用 High（高）推理强度时，取得了与 Opus 5.5 使用 Max（最高）推理强度时大致相当的成绩，而单项任务的成本只有后者的一半左右。在 Xhigh 推理强度下，Fable 5.2 的成绩也超过了参与测试的所有其他已发布模型。 编程 目前， Anthropic 核心代码库中超过 90% 已合并的代码变更，都由 Claude 在人工指导下完成。 Anthropic 已经使用 Fable 5.2 在几分钟内修复了长期难以解决的 Bug，优化了各项服务的运行性能，还完成了一些原本因耗时过长或成本过高而难以启动的重要软件项目。 此前，一支由早期版本 Fable 5.2 驱动的智能体团队，将一项关键生产服务从 Python 迁移到了 Rust。迁移之后，这项服务的运行效率和可靠性都得到了提升，启动速度更是提高到了原来的约 26 倍。 测试还发现，Fable 5.2 具备很强的工程判断能力。即使面对比较模糊的需求，它也能给出高质量的结果。 在一项实验中，一位 Anthropic 工程师让 Fable 5.2 从头设计一个原型操作系统。模型从一个空文件夹开始，协调了 1000 多个子智能体，连续 8 天不间断地编写、测试和审查代码。最终，它成功开发出一个能够在笔记本电脑上启动并运行的操作系统。 这个系统拥有自己的内核，可以驱动整台机器；具备磁盘、键盘和网络驱动程序，以及持久化文件存储、窗口系统、登录界面和安装程序，还内置了 Claude 功能。 早期测试者也对 Fable 5.2 将编程能力应用于各种不同任务时的表现印象深刻。 网络安全 Claude Mythos 5.2 是 Anthropic 目前网络安全工程能力最强的模型。与此前的模型相比，它能够发现更多安全漏洞，也更擅长复现和修复这些漏洞。需要注意的是，Claude Fable 5.2 的安全防护机制会拦截大多数与网络安全相关的任务。 一家网络安全公司发现，Claude Mythos 5.2 找到并确认的漏洞中，有六分之一是他们测试的其他所有前沿模型都没有发现的。 在 Anthropic 的内部评测 CVE Rediscovery 中，Claude Mythos 5.2 发现的漏洞数量比 Claude Opus 5.5 多 10.2%，比 Claude Mythos 5.1 多 14.4%。 Claude Mythos 5.2 在判断准确性和置信度校准方面也有明显改善。一位测试者发现，此前的模型大约会将每 20 项漏洞发现中的 1 项夸大严重程度，而 Claude Mythos 5.2 没有出现过这种情况。 用户可以通过网络安全验证计划使用 Claude Mythos 5.2 的网络安全能力。Anthropic 还在持续扩大和完善这一计划。 即使没有加入网络安全验证计划，Claude Enterprise 企业客户也可以使用 Claude Security。这项服务利用 Anthropic 能力最强的模型扫描代码库，寻找潜在漏洞，目前已经接入 Claude Mythos 5.2。 近期的一次更新进一步增强了 Claude Security 的能力。它现在可以持续监控代码仓库，跟踪代码更新情况，确保发现的漏洞得到修复；还能够结合更多上下文信息进行分析，并通过