要点
- Anthropic正在发布Claude Fable 5.2和Mythos 5.2，这是两款为最具挑战性的技术任务打造的全新旗舰模型。Anthropic表示，它在训练过程中刻意阻止这些模型获得可能直接加速AI发展的能力。
- Fable 5.2在Artificial Analysis Intelligence Index v5上以65分排名第一，比Gemini 4 Carbon高5分，比其前身Fable 5.1高15分。峰值质量平均为每项任务26.50美元，约为Opus 5.5的2.6倍。
- 在较低的算力档位下，Fable 5.2仍以62分的成绩在每个档位上超越所有其他模型，同时消耗的token要少得多。
Anthropic的Claude Fable 5.2和Mythos 5.2在公司上市前夕重新夺回AI性能领先地位，在某些方面优势明显。Opus 5.5仍是Anthropic推荐的日常使用模型。
Claude Fable 5.2和Claude Mythos 5.2共享相同的模型基础，但与其前身一样，在访问权限上有所不同。Fable包含阻止网络安全和生物学中高风险任务的安全防护措施，并向所有用户开放。Mythos取消了其中某些限制，仅向通过Anthropic的网络安全或生命科学验证计划（Verification Programs）申请的组织开放。
定价为每百万输入token 8美元，每百万输出token 40美元。至少在纸面上，这比前代产品有所下降，后者售价为10美元和50美元。用户实际支付的费用取决于token消耗量，而token消耗量随任务、设置和软件环境而变化。Anthropic将新模型定位于最具挑战性的技术工作，并继续推荐Claude Opus 5.5用于日常使用。
Anthropic表示，这些模型的输出速度比Fable 5.1和Mythos 5.1最高快30%。针对特定组织的可选快速模式可将token输出速度提升最高2.5倍，但费用翻倍，且仅在特定平台上提供，包括Claude Code、Claude Platform、Google Cloud和Microsoft Foundry。广告
Fable 5.2在基准测试中跃居明显领先地位
Artificial Analysis的基准测试 显示Fable 5.2明显领先于其竞争对手。在 当前Index v5 的最高算力档位上，它以65分获得第一名，领先Gemini 4 Carbon 5分（60分，High档位）， 而Google尚未发布该模型，领先Claude Opus 5.5 6分（59分，Max档位），并惊人地领先Claude Fable 5.1达15分， 后者仅在9月初发布.
根据Artificial Analysis的数据，Fable 5.2在九项单项测试中有五项得分最高。它在包含专家级学术问题的HLE-Diamond测试中获得80%，在测试AI智能体能否在终端中独立运行科学工作流的Terminal-Bench-Science中获得73%，在评估智能体能否在真实的开源项目中交付有用代码更改的FrontierCode 2.0中获得49%。
Fable 5.2在智能体知识工作和基于终端的编程方面较弱。它在多步骤知识工作任务基准AA-Briefcase上达到1,785 Elo，仅略低于Claude Sonnet 5.5（1,813），并在Opus 5.5（1,800）的置信区间内。在衡量软件开发和安全等领域多步骤终端任务的Terminal-Bench 4.0上，它得分为60%，与Opus 5.5持平。Kimi K3.1 Pro（67%）、Gemini 4 Carbon（65%）和Sonnet 5.5（64%）在此排名更高。
不过，巅峰质量是有代价的。最高层级的单任务成本平均为26.50美元，约为Opus 5.5（10美元）的2.6倍，差不多是Fable 5.1（12.99美元）的两倍。根据Artificial Analysis的数据，Fable 5.2在较低的High和Xhigh层级仍能在智能指数（Intelligence Index）上获得62分，领先任何层级上的所有其他模型，同时消耗的token少得多：每任务98,000个输出token，而Max层级的Opus 5.5为173,000个。Ad
| Anthropic 基准测试结果 | Fable 5.2 | Fable 5.1 | Opus 5.5 | GPT-6 Astra | Gemini 4 Carbon |
|---|---|---|---|---|---|
| 智能体编程 FrontierCode 2.0 |
49.1% Xhigh effort |
32.4% Xhigh effort |
45.5% | 42.8% | 41.1% Medium effort |
| 智能体编程 FrontierSWE v2 |
69.9% | 56.3% | 62.3% | 65.5% | 61.2% |
| 商业工作流 AutomationBench |
51.4% | 31.4% | 42.5% | 41.4% | 53.9% |
| 智能体科学研究 Terminal-Bench Science 0.1 |
74.6% 75.3%（Myth 5.2） |
52.6% | 58.7% | 68.1% | 64.8% |
| 网络安全 CyScenarioBench† |
76.3% Myth 5.2 |
61.7% Myth 5.1 |
67.6% 无安全防护 |
61% GPT-6 Cyber |
— |
| 网络安全 CVE 重新发现 |
89.6% Myth 5.2 |
78.3% Myth 5.1 |
81.3% 无安全防护 |
— | — |
| 蛋白质设计 从头结合剂设计（24 小时） |
85.1% 误区 5.2 |
79.1% 误区 5.1 |
82.6% 缺乏防护措施 |
— | — |
| 智能体搜索 WANDR（宽松评分） |
82.1% | 68.7% | 72.3% | — | — |
| 计算机使用 OSWorld 2.1（离线集，部分） |
89.3% | 83.5% | 87.2% | 79.5% | 81.5% |
| 机器人技术 RoboDojoSim‡ |
64.9% | 27.6% | 39.4% | 29.8% | — |
| 知识工作 AA-Briefcase v1.1 |
66.1% rubric |
61.5% rubric |
61.2% rubric |
52.0% rubric |
61.8% rubric |
| 1785 Elo |
1669 Elo |
1800 Elo |
1569 Elo |
1611 Elo |
|
| 知识工作 远程劳动指数（RLI） |
41.3% 高投入 |
17.9% | 21.3% | 20.8% | — |
| 多学科推理 Humanity's Last Exam（带工具） |
74.2% | 65.6% | 67.7% | 57.2% | — |
| 视觉图表识别 Chartography（无工具） |
73.4% | 44.8% | 64.4% | 71.0% | 72.5% |
Mythos 5.2 发现的安全漏洞远超所有前代模型
新模型还创下了以下领域的纪录： 网络安全，该领域目前正在引发激烈争论。Anthropic 表示，Mythos 5.2 发现的漏洞比早期模型更多，并且在复现和修复漏洞方面也更为出色。因此，公开可用版本 Fable 会阻止大多数与安全相关的任务，包括渗透测试和漏洞利用代码生成。Opus 4.8 则会响应被阻止的网络安全请求，而 Opus 5 会响应被阻止的生物学请求。
Anthropic 使用一项名为 CVE Rediscovery 的内部测试，来检验模型在获得修复前的项目状态时，能独立发现多少来自 CVE 数据库（Common Vulnerabilities and Exposures，一个用于编目已知软件缺陷的系统）的已发布漏洞。
Anthropic 表示，在 2026 年 10 月使用 1,829 个 CVE 进行的测试中，Mythos 5.2 发现的漏洞比 Opus 5.5 多 10.2%，比 Mythos 5.1 多 14.4%。它在所有算力层级上都处于领先。据 Anthropic 称，一家安全公司报告称，Mythos 5.2 发现的已确认漏洞中，每六个就有一个曾被所有其他受测前沿模型遗漏。
Anthropic 限制了可能加速 AI 发展的能力
Anthropic 表示，他们在训练过程中有意限制了模型在那些最直接加速 AI 发展的能力上的提升， 即所谓的 RSI，目前被广泛讨论为一种风险。该公司表示，Fable 5.2 和 Mythos 5.2 在为加速器芯片优化计算内核以及改进大语言模型架构等领域，表现大致与 Opus 5.5 相当。
据 Anthropic 称，相关能力，如智能体编码、硬件开发以及传统 AI 研究（包括可解释性研究），则不受影响。该公司表示，Claude 现在在人类指导下编写了 Anthropic 核心代码库中超过 90% 的合并更改。Anthropic 还声称，该模型在一项内部测试中从零开始编写了一个操作系统。
Claude Fable 5.2 在 30 小时内将费马大定理形式化
最可能引起关注的例子再次 来自数学领域。Anthropic 表示，约 1,000 个 Fable 5.2 智能体已将 费马大定理的证明完全形式化，将其翻译为 Lean 编程语言，使计算机能够逐步验证。
费马大定理指出，熟悉的等式 a² + b² = c² 在高于平方的幂次下没有整数解。几个世纪以来无人能够证明这一点，直到 Andrew Wiles 在 1995 年提出了一份长达一百多页的证明。其机器验证现已首次完成。耗时 30 小时。
Anthropic 表示，一个更早、未发表的研究版 Claude 完成同样的任务需要 11 天，并且依赖一个专门构建的环境和人类研究人员的指导。Fable 5.2 智能体仅从简短的指令开始，自行组织协作，且未使用任何数学参考资料。唯一的进展指标是一份中间引理清单。该模型使用的动作 token 仅为首次尝试的三分之一，产出的证明长度缩短了七倍。
Anthropic 在相同的设置下运行了 1,000 个 Opus 5.5 智能体以作对比。Opus 在 18 小时内仅完成了 26% 的形式化工作，此后到第 30 小时几乎没有取得任何进展。
来源： Anthropic