【发布】新王诞生！Claude凌晨突击发布Fable5.2和Mythos5.2

今天凌晨，Anthropic 没搞任何预热直播和倒计时，直接在官网、客户端和 API 里同步甩出了两款重磅王牌模型——Claude Fable 5.2 和 Claude Mythos 5.2。

前两天大家还在围观各家新模型的灰度测试，结果 Claude 这一记闷棍下来，不仅把 ARC-AGI-3 标准框架的历史最高分给破了，还在十多项硬核基准测试里把自家的 Opus 5.5、隔壁的 GPT-6 Astra 和谷歌的 Gemini 4 Carbon 挨个压了一头。今天咱们就把官方放出的实测数据、多智能体极限实验以及社区技术博主的深度拆解揉在一起，带大家看看这次 5.2 系列到底猛在哪。

一、Fable 5.2 和 Mythos 5.2 到底有什么区别？

Fable 5.2 和 Mythos 5.2 底层共用的是同一个基座模型，定位非常纯粹：就是专门用来啃各个领域里最 棘手、最硬核的技术工程和科研难题。

那为什么要拆成两个版本？核心在于安全护栏与开放权限：

• Claude Fable 5.2：配备了完整的强安全护栏，面向所有付费用户开放（包括客户端、API 和 Claude Code），主攻高难度代码工程、数学推理、多模态视觉和智能体任务。

• Claude Mythos 5.2：解除了部分高敏感领域的安全限制，专门面向

  通过资质审核的网络安全与生物医学研究机构

  开放。像底层漏洞挖掘、攻击场景推演、从头设计蛋白质结构这类容易触发普通模型拒答的深水区科研任务，就是 Mythos 5.2 的主场。

另外在正式上线前，这套模型也经过了英国 AI 安全研究所（AISecurityInst）、FrontierDesign2 和 METR_Evals 等多家外部独立机构的对齐与安全测评，在绝大多数对齐指标上持平或优于前代。

二、1000 个 Agent 协作 30 小时，完全形式化“费马大定理”

枯燥的跑分表咱们往后放一放，先看这次发布里最让人头皮发麻的一项极限测试——用多智能体集群去攻克数学界大名鼎鼎的**“费马大定理（Fermat's Last Theorem）”形式化证明**。

所谓“形式化证明”，不是让 AI 用自然语言写一段数学综述，而是要把整个定理极其庞大复杂的数学推导过程，一步不差地翻译成计算机可以逐行、逐逻辑节点严格校验的标准化形式语言。只要中间有一处逻辑断层或语法对不上，编译校验就会直接卡死。

结合官方放出的实验曲线解读，这场测试直接拉起了 **1000 个 Fable 5.2 智能体（Agent）**组成协作系统，同时拿自家的当家主力 Opus 5.5 在完全相同的实验条件下做对照。看上面这张时间进度图（横轴为运行小时数，纵轴为已证明语句的加权占比），两代模型的差距非常直观：

1. 前 18 小时阶段：在运行到第 18 小时（图中竖虚线处）时，Opus 5.5 的完成度只推到了26%（0.26）；而由 1000 个 Fable 5.2 组成的智能体团队，进度已经一路狂飙到86%（0.86）。

2. 追加 12 小时续跑（18 至 30 小时）：当实验为双方同时追加 12 个小时继续攻坚时，Opus 5.5 几乎撞上了能力墙，在漫长的 12 个小时里只艰难往前蹭了 1 个百分点，最终在 30 小时结束时停滞在27%；反观 Fable 5.2 协作系统没有出现长链路崩溃，在30 小时内拿下了 100%（1.00）完全形式化证明。

除了这场数学大考，Anthropic 内部还披露了一个很接地气的工程实绩：目前 Anthropic 内部超过 90% 的核心代码库变更已经由 Claude 编写；而在真实工程测试中，Fable 5.2 曾独立把一套核心生产服务从 Python 完整迁移重构到 Rust，直接让该服务的启动速度暴涨了 26 倍。

这两个实证摆在一起，传递出的信号很明确：Fable 5.2 升级的重点不再是“单轮对话写个贪吃蛇小游戏”，而是超长周期的多智能体协同、超大规模代码库的跨语言重构，以及死磕到底的严密逻辑推演。

三、ARC-AGI 权威验证：标准框架 81.2% 刷新历史最高纪录

看完了工程实战，再看专门用来防“刷题背答案”、考验模型面对陌生规则时抽象推理能力的权威榜单 ARC-AGI。

ARC Prize 官方第一时间放出了 Claude Fable 5.2 的核验成绩单（Verified）：

• ARC-AGI-1：得分98.5%，单任务成本低至$0.36；

• ARC-AGI-2：得分93.8%，单任务成本仅$0.98；

• ARC-AGI-3（厂商适配器框架 Provider Adapter harness）：轰下97.7%的超高分（总测试成本约 $18.6K），直接顶到了整张排行榜的最顶端；

• ARC-AGI-3（标准测试框架 Standard harness）：在不借助特定厂商适配器的标准测试下，拿下81.2%（总测试成本约 $21.9K），正式刷新了 ARC-AGI-3 标准框架下的历史最高分纪录。

对照上面这张黑底散点图（横轴是测试花费，纵轴是准确率得分）能看得更清楚：在右上角逼近 100% 天花板的位置，黄色圆圈标注的 Claude Fable 5.2 - Provider Adapter 稳居第一梯队最高点；而在下方代表标准框架的黄色折线 Claude Fable 5.2 上，它的最高点冲到了 81.2%，把同场竞技的 GPT-6 Astra (Max)（60% 出头）、GPT-6 Astra (High)（约 55%）、Claude Sonnet 5.5 - Provider Adapter (XHigh)（约 72%）、Gemini 4 Argon (Low)（50%）以及 GPT-6.1 Sol 各档位远远甩在身后。

四、13 项基准全维度横评：正面硬刚 GPT-6 Astra 与 Gemini 4 Carbon

除了 ARC-AGI，Anthropic 官方这次直接晒出了一张涵盖 13 个大项的硬核成绩单，把 Fable 5.2 / Mythos 5.2 与前代 Fable 5.1、自家主力 Opus 5.5、OpenAI 的 GPT-6 Astra 以及谷歌的 Gemini 4 Carbon 放在同一张表里做横向对比。

咱们把这十几项数据拆成几个关键赛道来看：

1. 智能体编码与软件工程：全面压制

• FrontierCode 2.0：Fable 5.2（Xhigh 档位）拿到49.1%，不仅比前代 Fable 5.1（32.4%）暴涨 16.7 个百分点，也稳稳压过 Opus 5.5（45.5%）、GPT-6 Astra（42.8%）和 Gemini 4 Carbon（41.1%）。

• FrontierSWE v2：Fable 5.2 拿下69.9%，逼近七成大关，领先第二名 GPT-6 Astra（65.5%）4.4 个百分点，比 Opus 5.5（62.3%）和 Gemini 4 Carbon（61.2%）高出七八个百分点。

2. 网安攻防与蛋白质设计：Mythos 5.2 一骑绝尘

在需要解除常规护栏的专项测试里，表格专门列出了 Mythos 5.2 的成绩：

• CyScenarioBench（网络安全场景基准）：Mythos 5.2 拿到76.3%，比无护栏版 Opus 5.5（67.6%）高出近 9 个百分点，更是甩开专门的 GPT-6 Cyber（61%）超过 15 个百分点。

• CVE Rediscovery（真实 CVE 漏洞重发现）：Mythos 5.2 直接干到了89.6%（对比无护栏版 Opus 5.5 的 81.3% 和 Mythos 5.1 的 78.3%）。接近九成的漏洞重现率，也难怪官方只敢对认证安全机构开放。

• De novo binder design（24 小时从头设计蛋白质结合物）：Mythos 5.2 达到85.1%，刷新了同赛道的最高纪录（无护栏版 Opus 5.5 为 82.6%，Mythos 5.1 为 79.1%）。

3. 计算机操作与机器人控制：最高拉开两倍以上分差

• OSWorld 2.1（计算机操作）：Fable 5.2 达到89.3%，领先 Opus 5.5（87.2%）和 Gemini 4 Carbon（81.5%），比 GPT-6 Astra（79.5%）整整高出近 10 个百分点。

• RoboDojo Sim（机器人控制模拟）：这是整张表里分差最夸张的一项——Fable 5.2 拿到了64.9%，而 GPT-6 Astra 只有29.8%，前代 Fable 5.1 是27.6%，Opus 5.5 为39.4%。也就是说在机器人控制场景下，Fable 5.2 的得分超过了 GPT-6 Astra 的两倍以上。

4. 科研、多学科推理、远程劳务与无工具看图

• Terminal-Bench-Science 0.1（智能体科研任务）：Fable 5.2 拿到74.6%（Mythos 5.2 更是达到75.3%），大幅抛离 GPT-6 Astra（68.1%）、Gemini 4 Carbon（64.8%）和 Opus 5.5（58.7%）。

• Humanity's Last Exam（带工具多学科综合推理）：在这场“人类终极考试”中，Fable 5.2 拿下74.2%，比 Opus 5.5（67.7%）高 6.5 个百分点，比 GPT-6 Astra（57.2%）足足高出 17 个百分点。

• Remote Labor Index（RLI 远程劳务指数）：Fable 5.2（High 档位）冲到41.3%，差不多是 Opus 5.5（21.3%）和 GPT-6 Astra（20.8%）的两倍，比 Fable 5.1（17.9%）翻了一倍还多。

• Chartography（无工具纯视觉图表识别）：在不调用代码解释器等任何外部工具的前提下，纯靠肉眼看图，Fable 5.2 拿到73.4%，比前代 Fable 5.1（44.8%）暴涨 28.6 个百分点，同时超越 Gemini 4 Carbon（72.5%）和 GPT-6 Astra（71.0%）。

五、思考档位与成本深扒：High 档位追平满血 Opus 5.5，花销直接砍半

很多经常跑 Agent 的开发者最怕一件事：模型跑分确实高，但全是用十倍 Token 硬砸出来的。为了回应这个顾虑，Claude 官方专门放出了一组 不同思考力度档位（Effort level：Low / Med / High / Xhigh / Max）与单任务成本（Cost per task/attempt） 的实测曲线图。

先看最关键的这张 FrontierCode 2.0 智能体编码曲线图：

• 当把 Fable 5.2 设在High（高）档位时，它的编码得分（约 45.5%）就已经和Opus 5.5 开启 Max（极限）档位打了个平手；但往横轴的成本刻度上一看，Fable 5.2 High 档位的单任务花费只有 Opus 5.5 Max 档位的大约一半（约 6 到 7 美元 vs 13 美元以上）。

• 如果把 Fable 5.2 往上推到Xhigh（超高）档位，单任务成本来到 14 美元左右，得分直接冲上49.1%，拿下目前已发布所有模型里的最高分。

• 图里还有一个很有意思的细节：在 FrontierCode 2.0 测试中，如果你把 Fable 5.2 硬拉到最右边的Max 档位，单任务成本飙到近 50 美元，得分反而回落到了 46% 左右。这也说明在复杂编码任务里，Xhigh 档位才是真正的甜点区，无脑拉满 Max 反而可能因为过度发散而浪费预算。

再看官方同步放出的另外三项档位效率曲线（WANDR 智能体搜索、BenchCAD 2.1 硬件工程、Chartography 视觉图表识别）：

在这三张图里，代表 Fable 5.2 的绿色折线从 Low、Med、High、Xhigh 到 Max 全程压在橙色 Opus 5.5 和浅色 Fable 5.1 的上方：

• 在WANDR 智能体搜索中，Fable 5.2 光是开Low 档位（单次成本约 13 美元），得分就已经超过 71%，基本追平了 Opus 5.5 开到 High/Max 档位的水平；拉到 Max 档位则一路涨到82.1%。

• 在BenchCAD 2.1 硬件工程测试中，差距更加离谱：Opus 5.5 哪怕把预算拉满也才摸到 51% 左右，而 Fable 5.2 在Low 档位就接近 50%，开到Max 档位直接干到了近70%。

• 在Chartography 视觉图表识别里，单次尝试成本还不到0.2 美元，Fable 5.2 在 Low 档位就能拿到约 68%，到 High 档位以上稳定在73.4%，比同成本下的 Opus 5.5 高出近 10 个百分点。

官方也顺带交代了客户端的默认设置：在 Claude 网页/桌面端应用和 Claude Code 里，系统默认开启的是 Medium（中等）档位，兼顾日常响应速度和额度消耗；遇到硬骨头时再手动切到 High 或 Xhigh 档位。

六、速度、价格与选型建议：日常开发到底要不要换？

最后把大家关心的速度、API 定价、订阅权益以及官方选型建议汇总一下：

1. 输出提速 30%，说话更干脆： 参与早期测试的开发者普遍反馈，5.2 系列的沟通表达比过去的 Fable 和 Mythos 模型清晰得多，少了很多绕弯子的车轱辘话。同时它的生成输出速度比 Fable 5.1 和 Mythos 5.1 提升了最高 30%；如果对响应延迟要求极高，API 里还提供了最高2.5 倍速的 Fast 模式可选。

2. API 调用降价 20%： Fable 5.2 的 API 标准定价下调到了输入 8 美元 / 百万 Token、输出 40 美元 / 百万 Token，相比上一代降了 20%，配合前面提到的高档位效率提升，单任务实际开销降幅还要更大。

3. 订阅用户怎么用？Pro 用户有限时福利：

   • Max 和 Ultra 订阅用户：直接解锁 Fable 5.2，无时间限制；

   • Pro 订阅用户：官方这次给 Pro 用户开放了Fable 5.2 的限时使用权限，一直持续到 11 月 16 日。手里有 Pro 账号的小伙伴，这几天不妨抓紧把攒着的复杂项目拿出来跑一跑；

   • Mythos 5.2：仅面向通过验证的网络安全与生物医学研究机构开放申请。

4. 最实在的选型建议——“日常用 Opus 5.5，硬仗上 Fable 5.2”： 尽管 Fable 5.2 跑分杀疯了，但 Anthropic 官方给出的使用建议非常实在：日常普通的代码编写、常规文档处理和一般工作负载，继续用 Opus 5.5 就行。毕竟在常规知识工作（如 AA-Briefcase Elo 评分）上 Opus 5.5 依然极稳，价格和额度消耗也更友好。只有当你碰上真正棘手的硬骨头——比如跨语言迁移大型生产代码库、高复杂度算法与数学推导、硬件工程建模，或者 Opus 5.5 反复改不对的深层架构 Bug 时，直接切到 Fable 5.2 并挂上 High / Xhigh 档位，它才是目前真正的版本答案。

不过，最后还是有个老生常谈的问题，你能稳定用上claude吗？（滑稽）