Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，IPO 前重回基准榜首
Claude Fable 5.2 and Mythos 5.2 cement Anthropic's AI lead just before its IPO
Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，两者共享同一模型底座，区别在访问权限：Fable 面向所有用户并屏蔽网络安全和生物学高风险任务，Mythos 取消部分限制，仅向通过 Anthropic 网络安全或生命科学验证计划的组织开放。
同一新闻，精选展示《Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，IPO 前重夺性能领先》
Anthropic 的 Claude Fable 5.2 和 Mythos 5.2 在该公司 IPO 前不久重新夺回 AI 性能领先地位，某些情况下优势明显。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，但与其前代一样，在访问权限上有所不同。Fable 包含可阻止网络安全和生物学领域高风险任务的防护措施，并向所有用户开放。Mythos 取消了其中某些限制，仅向通过 Anthropic 网络安全或生命科学验证计划申请的组织开放。
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（10 美元和 50 美元）有所下调。用户实际支付的费用取决于 token 消耗量，而消耗量因任务、设置和软件环境而异。Anthropic 将新模型定位为面向最严苛的技术工作，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 快最多 30%。面向特定组织的可选快速模式可将 token 输出速度提升最多 2.5 倍，但费用翻倍，且仅在部分平台提供，包括 Claude Code、Claude Platform、Google Cloud 和 Microsoft Foundry。
Fable 5.2 在基准测试中跃升至明显领先
Artificial Analysis 的基准测试显示 Fable 5.2 明显领先于竞争对手。在最高算力档位的当前 Index v5 上，它以 65 分位居第一，领先 Gemini 4 Carbon（60 分，High 档）5 分——后者 Google 仍未发布，领先 Claude Opus 5.5（59 分，Max 档）6 分，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 在九项单项测试中的五项得分最佳。它在 HLE-Diamond（包含专家级学术问题的测试）上达到 80%，在 Terminal-Bench-Science（测试 AI 智能体能否在终端中独立运行科学工作流）上达到 73%，在 FrontierCode 2.0（评估智能体能否在真实开源项目中交付有用的代码更改）上达到 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 AA-Briefcase（多步骤知识工作任务的基准测试）上达到 1,785 Elo，略低于 Claude Sonnet 5.5（1,813），并在 Opus 5.5（1,800）的置信区间内。在 Terminal-Bench 4.0（衡量软件开发和安全等领域多步骤终端任务）上，它得分 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，最高质量是有代价的。最高档位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，也大约是 Fable 5.1（12.99 美元）的两倍。Fable 5.2 在较低的 High 和 Xhigh 档位上，Intelligence Index 仍能拿到 62 分，据 Artificial Analysis 称，这领先于任何档位上的其他所有模型，同时消耗的 token 少得多：每任务输出 98,000 个 token，而 Opus 5.5 在 Max 档位为 173,000 个。
| 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 档位 |
32.4% Xhigh 档位 |
45.5% | 42.8% | 41.1% Medium 档位 |
| 智能体编程 FrontierSWE v2 |
69.9% | 56.3% | 62.3% | 65.5% | 61.2% |
| 业务流程 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% 无防护措施 |
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% 无防护措施 |
— | — |
| 蛋白质设计 从头结合剂设计（24 小时） |
85.1% Myth 5.2 |
79.1% Myth 5.1 |
82.6% 无防护措施 |
— | — |
| 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% 评分标准 |
61.5% 评分标准 |
61.2% 评分标准 |
52.0% 评分标准 |
61.8% 评分标准 |
| 1785 Elo |
1669 Elo |
1800 Elo |
1569 Elo |
1611 Elo |
|
| 知识工作 Remote Labor Index（RLI） |
41.3% High 档位 |
17.9% | 21.3% | 20.8% | — |
| 多学科推理 Humanity's Last Exam（使用工具） |
74.2% | 65.6% | 67.7% | 57.2% | — |
| 视觉图表识别 Chartography（不使用工具） |
73.4% | 44.8% | 64.4% | 71.0% | 72.5% |
Mythos 5.2 发现的安全漏洞远多于所有前代模型
新模型还在目前正引发激烈争论的网络安全领域创下纪录。Anthropic 表示，Mythos 5.2 发现的漏洞比早期模型更多，也更擅长复现和修复这些漏洞。因此，公开可用的变体 Fable 会拦截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 则会回应被拦截的网络安全请求，而 Opus 5 会回应被拦截的生物学请求。
Anthropic 使用一项名为 CVE Rediscovery 的内部测试，来检查模型在给定项目修复前状态的情况下，能独立发现 CVE 数据库（Common Vulnerabilities and Exposures，一个对已知软件缺陷进行编目的系统）中多少已公布的漏洞。
Anthropic 表示，在 2026 年 10 月使用 1,829 个 CVE 进行的运行中，Mythos 5.2 发现的漏洞比 Opus 5.5 多 10.2%，比 Mythos 5.1 多 14.4%。它在每个计算档位上都领先。据 Anthropic 称，一家安全公司报告称，Mythos 5.2 发现的确诊漏洞中，有六分之一被所有其他受测前沿模型漏掉。
Anthropic 限制可能加速 AI 发展的能力
Anthropic 表示，它在训练时刻意阻止该模型提升那些最有可能直接加速 AI 发展的能力，即所谓的 RSI，目前这被广泛讨论为一种风险。该公司称，Fable 5.2 和 Mythos 5.2 在为加速器芯片优化计算内核、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，智能体编程、硬件开发以及传统 AI 研究（包括可解释性研究）等相关能力不受影响。该公司表示，在人类指导下，Claude 现在编写了合并到 Anthropic 核心代码库中超过 90% 的更改。Anthropic 还声称，在一次内部测试中，该模型从零开始编写了一个操作系统。
Claude Fable 5.2 在 30 小时内形式化费马大定理
最可能引起关注的例子再次来自数学领域。Anthropic 称，约 1,000 个 Fable 5.2 智能体完整形式化了费马大定理的证明，将其转换为 Lean 编程语言，以便计算机可以逐步验证。
费马大定理指出，熟悉的方程 a² + b² = c² 在幂次高于平方时没有整数解。几个世纪以来无人能证明这一点，直到 Andrew Wiles 在 1995 年提出了长达一百多页的证明。其机器验证如今首次完成。耗时 30 小时。
此前一个未公开的研究版 Claude 完成同一任务需要 11 天，并且依赖专门构建的环境和人类研究员的指导。Anthropic 称，Fable 5.2 智能体从简短指令开始，自行组织协作，且未使用任何数学参考资料。唯一的进度指标是一份中间引理列表。该模型使用的动作 token 仅为首次尝试的三分之一，生成的证明长度缩短至七分之一。
Anthropic 在相同设置下用 1,000 个智能体运行 Opus 5.5 作为对比。Opus 在 18 小时内仅完成 26% 的形式化，此后到第 30 小时几乎没有进展。
没有炒作的 AI 新闻——由人类精选
订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、每年六期独家“AI Radar”前沿报告、完整档案访问权限以及评论区访问权限。
来源：The Decoder · the-decoder.com