【發佈】新王誕生！Claude凌晨突擊發布Fable5.2和Mythos5.2

今天凌晨，Anthropic 沒搞任何預熱直播和倒計時，直接在官網、客戶端和 API 裏同步甩出了兩款重磅王牌模型——Claude Fable 5.2 和 Claude Mythos 5.2。

前兩天大家還在圍觀各家新模型的灰度測試，結果 Claude 這一記悶棍下來，不僅把 ARC-AGI-3 標準框架的歷史最高分給破了，還在十多項硬核基準測試裏把自家的 Opus 5.5、隔壁的 GPT-6 Astra 和谷歌的 Gemini 4 Carbon 挨個壓了一頭。今天咱們就把官方放出的實測數據、多智能體極限實驗以及社區技術博主的深度拆解揉在一起，帶大家看看這次 5.2 系列到底猛在哪。

一、Fable 5.2 和 Mythos 5.2 到底有什麼區別？

Fable 5.2 和 Mythos 5.2 底層共用的是同一個基座模型，定位非常純粹：就是專門用來啃各個領域裏最 棘手、最硬核的技術工程和科研難題。

那爲什麼要拆成兩個版本？核心在於安全護欄與開放權限：

• Claude Fable 5.2：配備了完整的強安全護欄，面向所有付費用戶開放（包括客戶端、API 和 Claude Code），主攻高難度代碼工程、數學推理、多模態視覺和智能體任務。

• Claude Mythos 5.2：解除了部分高敏感領域的安全限制，專門面向

  通過資質審覈的網絡安全與生物醫學研究機構

  開放。像底層漏洞挖掘、攻擊場景推演、從頭設計蛋白質結構這類容易觸發普通模型拒答的深水區科研任務，就是 Mythos 5.2 的主場。

另外在正式上線前，這套模型也經過了英國 AI 安全研究所（AISecurityInst）、FrontierDesign2 和 METR_Evals 等多家外部獨立機構的對齊與安全測評，在絕大多數對齊指標上持平或優於前代。

二、1000 個 Agent 協作 30 小時，完全形式化“費馬大定理”

枯燥的跑分表咱們往後放一放，先看這次發佈裏最讓人頭皮發麻的一項極限測試——用多智能體集羣去攻克數學界大名鼎鼎的**“費馬大定理（Fermat's Last Theorem）”形式化證明**。

所謂“形式化證明”，不是讓 AI 用自然語言寫一段數學綜述，而是要把整個定理極其龐大複雜的數學推導過程，一步不差地翻譯成計算機可以逐行、逐邏輯節點嚴格校驗的標準化形式語言。只要中間有一處邏輯斷層或語法對不上，編譯校驗就會直接卡死。

結合官方放出的實驗曲線解讀，這場測試直接拉起了 **1000 個 Fable 5.2 智能體（Agent）**組成協作系統，同時拿自家的當家主力 Opus 5.5 在完全相同的實驗條件下做對照。看上面這張時間進度圖（橫軸爲運行小時數，縱軸爲已證明語句的加權佔比），兩代模型的差距非常直觀：

1. 前 18 小時階段：在運行到第 18 小時（圖中豎虛線處）時，Opus 5.5 的完成度只推到了26%（0.26）；而由 1000 個 Fable 5.2 組成的智能體團隊，進度已經一路狂飆到86%（0.86）。

2. 追加 12 小時續跑（18 至 30 小時）：當實驗爲雙方同時追加 12 個小時繼續攻堅時，Opus 5.5 幾乎撞上了能力牆，在漫長的 12 個小時裏只艱難往前蹭了 1 個百分點，最終在 30 小時結束時停滯在27%；反觀 Fable 5.2 協作系統沒有出現長鏈路崩潰，在30 小時內拿下了 100%（1.00）完全形式化證明。

除了這場數學大考，Anthropic 內部還披露了一個很接地氣的工程實績：目前 Anthropic 內部超過 90% 的核心代碼庫變更已經由 Claude 編寫；而在真實工程測試中，Fable 5.2 曾獨立把一套核心生產服務從 Python 完整遷移重構到 Rust，直接讓該服務的啓動速度暴漲了 26 倍。

這兩個實證擺在一起，傳遞出的信號很明確：Fable 5.2 升級的重點不再是“單輪對話寫個貪喫蛇小遊戲”，而是超長週期的多智能體協同、超大規模代碼庫的跨語言重構，以及死磕到底的嚴密邏輯推演。

三、ARC-AGI 權威驗證：標準框架 81.2% 刷新歷史最高紀錄

看完了工程實戰，再看專門用來防“刷題背答案”、考驗模型面對陌生規則時抽象推理能力的權威榜單 ARC-AGI。

ARC Prize 官方第一時間放出了 Claude Fable 5.2 的核驗成績單（Verified）：

• ARC-AGI-1：得分98.5%，單任務成本低至$0.36；

• ARC-AGI-2：得分93.8%，單任務成本僅$0.98；

• ARC-AGI-3（廠商適配器框架 Provider Adapter harness）：轟下97.7%的超高分（總測試成本約 $18.6K），直接頂到了整張排行榜的最頂端；

• ARC-AGI-3（標準測試框架 Standard harness）：在不借助特定廠商適配器的標準測試下，拿下81.2%（總測試成本約 $21.9K），正式刷新了 ARC-AGI-3 標準框架下的歷史最高分紀錄。

對照上面這張黑底散點圖（橫軸是測試花費，縱軸是準確率得分）能看得更清楚：在右上角逼近 100% 天花板的位置，黃色圓圈標註的 Claude Fable 5.2 - Provider Adapter 穩居第一梯隊最高點；而在下方代表標準框架的黃色折線 Claude Fable 5.2 上，它的最高點衝到了 81.2%，把同場競技的 GPT-6 Astra (Max)（60% 出頭）、GPT-6 Astra (High)（約 55%）、Claude Sonnet 5.5 - Provider Adapter (XHigh)（約 72%）、Gemini 4 Argon (Low)（50%）以及 GPT-6.1 Sol 各檔位遠遠甩在身後。

四、13 項基準全維度橫評：正面硬剛 GPT-6 Astra 與 Gemini 4 Carbon

除了 ARC-AGI，Anthropic 官方這次直接曬出了一張涵蓋 13 個大項的硬核成績單，把 Fable 5.2 / Mythos 5.2 與前代 Fable 5.1、自家主力 Opus 5.5、OpenAI 的 GPT-6 Astra 以及谷歌的 Gemini 4 Carbon 放在同一張表裏做橫向對比。

咱們把這十幾項數據拆成幾個關鍵賽道來看：

1. 智能體編碼與軟件工程：全面壓制

• FrontierCode 2.0：Fable 5.2（Xhigh 檔位）拿到49.1%，不僅比前代 Fable 5.1（32.4%）暴漲 16.7 個百分點，也穩穩壓過 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%，逼近七成大關，領先第二名 GPT-6 Astra（65.5%）4.4 個百分點，比 Opus 5.5（62.3%）和 Gemini 4 Carbon（61.2%）高出七八個百分點。

2. 網安攻防與蛋白質設計：Mythos 5.2 一騎絕塵

在需要解除常規護欄的專項測試裏，表格專門列出了 Mythos 5.2 的成績：

• CyScenarioBench（網絡安全場景基準）：Mythos 5.2 拿到76.3%，比無護欄版 Opus 5.5（67.6%）高出近 9 個百分點，更是甩開專門的 GPT-6 Cyber（61%）超過 15 個百分點。

• CVE Rediscovery（真實 CVE 漏洞重發現）：Mythos 5.2 直接幹到了89.6%（對比無護欄版 Opus 5.5 的 81.3% 和 Mythos 5.1 的 78.3%）。接近九成的漏洞重現率，也難怪官方只敢對認證安全機構開放。

• De novo binder design（24 小時從頭設計蛋白質結合物）：Mythos 5.2 達到85.1%，刷新了同賽道的最高紀錄（無護欄版 Opus 5.5 爲 82.6%，Mythos 5.1 爲 79.1%）。

3. 計算機操作與機器人控制：最高拉開兩倍以上分差

• OSWorld 2.1（計算機操作）：Fable 5.2 達到89.3%，領先 Opus 5.5（87.2%）和 Gemini 4 Carbon（81.5%），比 GPT-6 Astra（79.5%）整整高出近 10 個百分點。

• RoboDojo Sim（機器人控制模擬）：這是整張表裏分差最誇張的一項——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 爲39.4%。也就是說在機器人控制場景下，Fable 5.2 的得分超過了 GPT-6 Astra 的兩倍以上。

4. 科研、多學科推理、遠程勞務與無工具看圖

• Terminal-Bench-Science 0.1（智能體科研任務）：Fable 5.2 拿到74.6%（Mythos 5.2 更是達到75.3%），大幅拋離 GPT-6 Astra（68.1%）、Gemini 4 Carbon（64.8%）和 Opus 5.5（58.7%）。

• Humanity's Last Exam（帶工具多學科綜合推理）：在這場“人類終極考試”中，Fable 5.2 拿下74.2%，比 Opus 5.5（67.7%）高 6.5 個百分點，比 GPT-6 Astra（57.2%）足足高出 17 個百分點。

• Remote Labor Index（RLI 遠程勞務指數）：Fable 5.2（High 檔位）衝到41.3%，差不多是 Opus 5.5（21.3%）和 GPT-6 Astra（20.8%）的兩倍，比 Fable 5.1（17.9%）翻了一倍還多。

• Chartography（無工具純視覺圖表識別）：在不調用代碼解釋器等任何外部工具的前提下，純靠肉眼看圖，Fable 5.2 拿到73.4%，比前代 Fable 5.1（44.8%）暴漲 28.6 個百分點，同時超越 Gemini 4 Carbon（72.5%）和 GPT-6 Astra（71.0%）。

五、思考檔位與成本深扒：High 檔位追平滿血 Opus 5.5，花銷直接砍半

很多經常跑 Agent 的開發者最怕一件事：模型跑分確實高，但全是用十倍 Token 硬砸出來的。爲了回應這個顧慮，Claude 官方專門放出了一組 不同思考力度檔位（Effort level：Low / Med / High / Xhigh / Max）與單任務成本（Cost per task/attempt） 的實測曲線圖。

先看最關鍵的這張 FrontierCode 2.0 智能體編碼曲線圖：

• 當把 Fable 5.2 設在High（高）檔位時，它的編碼得分（約 45.5%）就已經和Opus 5.5 開啓 Max（極限）檔位打了個平手；但往橫軸的成本刻度上一看，Fable 5.2 High 檔位的單任務花費只有 Opus 5.5 Max 檔位的大約一半（約 6 到 7 美元 vs 13 美元以上）。

• 如果把 Fable 5.2 往上推到Xhigh（超高）檔位，單任務成本來到 14 美元左右，得分直接衝上49.1%，拿下目前已發佈所有模型裏的最高分。

• 圖裏還有一個很有意思的細節：在 FrontierCode 2.0 測試中，如果你把 Fable 5.2 硬拉到最右邊的Max 檔位，單任務成本飆到近 50 美元，得分反而回落到了 46% 左右。這也說明在複雜編碼任務裏，Xhigh 檔位纔是真正的甜點區，無腦拉滿 Max 反而可能因爲過度發散而浪費預算。

再看官方同步放出的另外三項檔位效率曲線（WANDR 智能體搜索、BenchCAD 2.1 硬件工程、Chartography 視覺圖表識別）：

在這三張圖裏，代表 Fable 5.2 的綠色折線從 Low、Med、High、Xhigh 到 Max 全程壓在橙色 Opus 5.5 和淺色 Fable 5.1 的上方：

• 在WANDR 智能體搜索中，Fable 5.2 光是開Low 檔位（單次成本約 13 美元），得分就已經超過 71%，基本追平了 Opus 5.5 開到 High/Max 檔位的水平；拉到 Max 檔位則一路漲到82.1%。

• 在BenchCAD 2.1 硬件工程測試中，差距更加離譜：Opus 5.5 哪怕把預算拉滿也才摸到 51% 左右，而 Fable 5.2 在Low 檔位就接近 50%，開到Max 檔位直接幹到了近70%。

• 在Chartography 視覺圖表識別裏，單次嘗試成本還不到0.2 美元，Fable 5.2 在 Low 檔位就能拿到約 68%，到 High 檔位以上穩定在73.4%，比同成本下的 Opus 5.5 高出近 10 個百分點。

官方也順帶交代了客戶端的默認設置：在 Claude 網頁/桌面端應用和 Claude Code 裏，系統默認開啓的是 Medium（中等）檔位，兼顧日常響應速度和額度消耗；遇到硬骨頭時再手動切到 High 或 Xhigh 檔位。

六、速度、價格與選型建議：日常開發到底要不要換？

最後把大家關心的速度、API 定價、訂閱權益以及官方選型建議彙總一下：

1. 輸出提速 30%，說話更乾脆： 參與早期測試的開發者普遍反饋，5.2 系列的溝通表達比過去的 Fable 和 Mythos 模型清晰得多，少了很多繞彎子的車軲轆話。同時它的生成輸出速度比 Fable 5.1 和 Mythos 5.1 提升了最高 30%；如果對響應延遲要求極高，API 裏還提供了最高2.5 倍速的 Fast 模式可選。

2. API 調用降價 20%： Fable 5.2 的 API 標準定價下調到了輸入 8 美元 / 百萬 Token、輸出 40 美元 / 百萬 Token，相比上一代降了 20%，配合前面提到的高檔位效率提升，單任務實際開銷降幅還要更大。

3. 訂閱用戶怎麼用？Pro 用戶有限時福利：

   • Max 和 Ultra 訂閱用戶：直接解鎖 Fable 5.2，無時間限制；

   • Pro 訂閱用戶：官方這次給 Pro 用戶開放了Fable 5.2 的限時使用權限，一直持續到 11 月 16 日。手裏有 Pro 賬號的小夥伴，這幾天不妨抓緊把攢着的複雜項目拿出來跑一跑；

   • Mythos 5.2：僅面向通過驗證的網絡安全與生物醫學研究機構開放申請。

4. 最實在的選型建議——“日常用 Opus 5.5，硬仗上 Fable 5.2”： 儘管 Fable 5.2 跑分殺瘋了，但 Anthropic 官方給出的使用建議非常實在：日常普通的代碼編寫、常規文檔處理和一般工作負載，繼續用 Opus 5.5 就行。畢竟在常規知識工作（如 AA-Briefcase Elo 評分）上 Opus 5.5 依然極穩，價格和額度消耗也更友好。只有當你碰上真正棘手的硬骨頭——比如跨語言遷移大型生產代碼庫、高複雜度算法與數學推導、硬件工程建模，或者 Opus 5.5 反覆改不對的深層架構 Bug 時，直接切到 Fable 5.2 並掛上 High / Xhigh 檔位，它纔是目前真正的版本答案。

不過，最後還是有個老生常談的問題，你能穩定用上claude嗎？（滑稽）