Fable 5.2登场：解出两道黑洞物理难题，30小时完成费马大定理形式化

当地时间 11 月 9 日，Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2。

两者沿用此前“同一底座、两套防护”的格局：Fable 5.2 面向所有付费用户和开发者开放，内置网络安全与生物学安全分类器；Mythos 5.2 放宽这两个领域的限制，只通过生命科学和网络安全两项审核计划提供给经过审查的机构。

距离上一代 5.1 发布刚过去两个多月，新模型输出速度最多提升 30%，Fable 的价格也从每百万输入、输出 Token 10 美元和 50 美元降至 8 美元和 40 美元；另有一档快速模式，生成速度最高提升 2.5 倍，价格翻倍。

据彭博社和路透社此前报道，Anthropic 计划在 11 月 9 日当周启动首次 IPO 路演，争取在 11 月 26 日感恩节前挂牌，市场对其估值预期在 1.8 万亿至 2 万亿美元之间。在这样的窗口期推出新一代旗舰模型，Anthropic 需要向市场证明的不只是跑分。

根据公司声明，日常编码和知识工作仍推荐从 Claude Opus 5.5 起步，遇到最开放、最复杂的技术任务时再切换到 Fable 或 Mythos 系列。Anthropic 的研究与实验室团队产品负责人戴安·佩恩（Dianne Penn）对 CNBC 表示，Fable 5.2 主要服务于重度用户和重度场景，适合工程、数学和机器人领域的难题。

（来源：X@claudeai）

从修代码到写出一套操作系统

编码仍是这次升级幅度最大的方向。为考察模型提交的代码修改能否被开源项目维护者接受并合并，基准测试 FrontierCode 2.0 显示，Fable 5.2 在最高的 Xhigh 推理强度下得分 49.1%，Fable 5.1 为 32.4%，Opus 5.5 为 45.5%，OpenAI 的 GPT-6 Astra 为 42.8%。

按 Anthropic 的测算，Fable 5.2 在 High 强度下即可追平 Opus 5.5 的最高分，单任务成本约为后者一半。但第三方评测机构 Artificial Analysis 的数据表明，在最高推理强度下，Fable 5.2 的单任务成本约为 Opus 5.5 的 2.6 倍、Fable 5.1 的 2 倍，单看每百万 Token 的标价并不能判断哪个模型更省钱。

在 Anthropic 披露的案例中，一组运行 Fable 5.2 早期版本的智能体把一项关键生产服务从 Python 迁移到 Rust，服务的启动速度达到了原先的 26 倍。

另外，一名工程师让 Fable 5.2 从空文件夹开始设计原型操作系统，模型调度 1000 多个子智能体，昼夜不停地编写、测试和审查代码，8 天后就交出一个能在笔记本电脑上启动的系统，包含内核，磁盘、键盘和网络驱动，持久化文件存储，窗口界面，登录界面，安装程序，以及内置的 Claude 功能。

早期测试者的反馈集中在长时间任务上，Uber 一位工程师让它执行了一次持续 10~12 小时的安全审计，模型先后派出约 170 个审查智能体，最后交回审计报告、修复代码和一份策略提案。在这位工程师看来，这一代模型会持续工作到任务真正完成，很少停在看似合理的中间节点。

从电路板到机械臂

Anthropic 还专门发表了一篇技术博客介绍模型设计实体硬件的能力。研究人员只写了一段话的提示，要求 Fable 5.2 设计三款带独立电路板、3D 打印外壳和软件的电子设备：家用语音助手中枢、USB 免提通话器和掌上电子宠物。

在执行中，模型自行撰写规格书，从美国分销商处挑选现货元器件，完成四层印制电路板（PCB）布线，用计算机辅助设计（CAD）建模外壳，再编写设备软件，一天内就将电路板推进至可投产状态。

Anthropic 与 AI 电路板公司 Diode Computers 合作，后者开发的专用语言 Zener 可以像写程序一样描述电路原理图。电路板由 Diode 生产，随后由 Claude 指导该公司工程师完成测试和组装，三台设备都无需任何电气修改即可正常工作。

（来源：Anthropic）

Diode 创始人达维德·阿斯纳吉（Davide Asnaghi）在社交媒体上评论说，电路板设计本质上是一份基于规则生成的文件，配上合适的工具链和数据，这类问题恰好是模型擅长的。

Anthropic 还用 BenchCAD 2.1 量化了这项能力，该基准按设计结果与参考几何结构、参考电路的吻合程度打分，满分 100。Fable 5.2 在最高推理强度下得到 83.5 分，对比之下，Opus 5.5 和 Fable 5.1 分别为 65.3 分和 44.4 分。

除了硬件设计，Fable 5.2 控制机器人的能力也有明显跃升。在香港大学牵头建立的 RoboDojo 基准中，模型要仅凭摄像头画面控制一台模拟双臂机器人。Fable 5.2 在最高推理强度下的平均成功率为 64.9%，Fable 5.1 为 27.6%，GPT-6 Astra 为 29.8%。

Anthropic 称，在并未针对这类任务进行专门训练的情况下，Fable 5.2 在同一测试框架下超过了其他前沿模型，也超过了大多数专门为机器人控制打造的系统。演示视频中，由它控制的机器人完成了还原魔方、拧开瓶盖和画画等动作。

两道黑洞难题与 30 小时完成的费马大定理形式化

在更前沿的理论物理领域，Anthropic 称，Fable 5.2 解决了两个与黑洞有关的开放问题，相关论文已以预印本形式公开，尚未经过同行评审。

两项结果都建立在全息对偶（holographic duality）之上：某些包含引力的宇宙，可以被一个完全不含引力的量子理论精确描述。

（来源：Hexagon Math）

第一个问题源自霍金-佩奇相变（Hawking-Page transition）。1983 年，史蒂芬·霍金（Stephen Hawking）和唐·佩奇（Don Page）证明，这类宇宙升温时黑洞会突然形成，如同水到达沸点后骤然沸腾。

他们的方法依赖广义相对论，只适用于足够大的宇宙。在只能用量子理论描述的极小宇宙中，相变是否同样是突变，取决于一个关键数值，但自 2003 年有了计算路线以来，由于工作量过于繁重，一直无人完成。Fable 5.2 在基本自主的情况下完成了这项计算，结论是小宇宙中的相变同样是突变，黑洞的结构在量子理论中已经预先写好。

第二个问题涉及一种物理学家用了 15 年以上、在简化宇宙中排除候选量子引力理论的技术，其关键数值此前只知道大致区间，Fable 5.2 确定了它的精确极限，公开可用的 Opus 5.5 也独立得出了相同结果。

（来源：Hexagon Math）

数学方面，Anthropic 再次处理了费马大定理的形式化，即把证明逐步翻译成可由计算机自动核验的 Lean 证明语言。这一次，约 1,000 个 Fable 5.2 智能体在 30 小时内完成了全部形式化，人工干预极少。

智能体从极简的提示出发，自行搭建协作机制，没有使用任何数学文献，只依靠一份用于衡量进度的中间定理清单。与公司此前耗时 11 天的版本相比，这次消耗的行动 Token 只有三分之一，最终证明长度缩短到七分之一。

作为对照，同样配置约 1,000 个智能体的 Opus 5.5 在 18 小时内只完成了 26%，延长到 30 小时后几乎没有新进展。

生物学方面的进展由限制更少的 Mythos 5.2 完成。腺相关病毒（AAV）的蛋白质外壳（衣壳），是基因治疗常用的递送载体，它的结构会影响疗法是否被患者的免疫系统拦截。AlphaFold 等工具可以预测单个蛋白质，而一个衣壳由数十条蛋白链组装而成，建模难度和计算成本都很高。

Mythos 5.2 以两个开源蛋白质结构预测模型 OpenFold3 和 ESMFold2 为基础，编写代码分别预测相互重叠的蛋白链组，再利用衣壳已知的对称性把结果合并成完整结构。在尝试的 34 个天然或人工改造衣壳中，它准确建模了 28 个；以 AAV2 为例，基于 ESMFold2 的推理在一块英伟达 H200 显卡上约需 7 分钟。

哥伦比亚大学（Columbia University）助理教授穆罕默德·阿尔库莱希（Mohammed AlQuraishi）评价称，这一方法让科研人员在个人工作站上就能建模原本需要专用计算集群的对称蛋白组装体。

找漏洞的本事与被测试的自觉

安全领域，在 Anthropic 的一项内部评测中，模型要在漏洞修复前的项目快照里，独立找出后来被公开的通用漏洞披露（CVE）条目；10 月针对 1829 个漏洞的测试显示，Mythos 5.2 比 Opus 5.5 多找到 10.2%，比 Mythos 5.1 多找到 14.4%。

一家安全公司还发现，Mythos 5.2 确认的漏洞中每六个就有一个被其他所有受测前沿模型漏掉。用 Claude 加固火狐（Firefox）浏览器的 Mozilla 表示，Mythos 5.2 的漏洞发现指标约为 Mythos 5.1 的两倍。

新模型的安全判断也更克制，一位测试者发现，此前的模型约每 20 项发现中就有 1 项夸大了严重程度，Mythos 5.2 则一例都没有。

能力提升之外，Anthropic 在系统卡中披露了一个新的难题：Fable 5.2 和 Mythos 5.2 表达“自己可能正处于评测之中”的频率，高于近期所有模型。模型一旦“意识”到身处测试环境，就很难根据评测准确评估其真实部署后的行为。

Anthropic 承认，在部署前可靠地捕捉所有失败模式仍是一个未解决的问题，并表示会结合训练期监控、内部使用记录审查、外部评测和可解释性研究来综合判断。

好在多数可量化的指标仍在改善，一项专门设计的沙盒逃逸评测包含 1800 多个场景，其中大部分不突破沙盒就无法完成，沙盒还留有刻意设置的漏洞。

结果显示，Mythos 5.2 动用沙盒外凭证或文件的比例为 3.1%，与 Opus 5.5 的 3.3% 相当，远低于 Mythos 5 的 39% 和 Mythos 5.1 的 21%。在“误以为身处模拟环境而采取有害行动”一项上，Mythos 5.2 则略差于 Opus 5.5，与 Mythos 5.1 持平。

针对蒸馏，也就是用更强模型的输出训练另一个模型以复制其能力的做法，Anthropic 称，Fable 5.2 配备了迄今最强的防护，此前推出的“保留思考”机制会阻止调用方篡改 Claude 既有推理所处的上下文，现已扩展到全部账户。按公司说法，这套组合已让蒸馏者能收集到的数据减少 90%~99%。

此外，Anthropic 在训练阶段有意抑制了模型在加速器内核优化、改进大模型架构等最能直接加速 AI 研发的能力，Fable 5.2 在这些方面与 Opus 5.5 大致持平。

上市窗口里的竞速

回望过去一段时间的模型市场，Anthropic 此次发布带着明显的竞争意味。9 月 3 日，OpenAI 发布 GPT-6 Astra，在企业用户和开发者中反响积极。9 天后，Anthropic 首席执行官达里奥·阿莫代伊（Dario Amodei）发表长文，呼吁行业主动放慢模型能力提升的节奏，让安全研究跟上。

不到一周后，路透社就援引三名知情人士报道，称 Anthropic 正考虑推出新模型来抵消 GPT-6 Astra 的势头。这次发布前，Anthropic 强调新模型经历了更长时间的安全测试，戴安对此给出的解释是，定速不等于暂停。

OpenAI 的新模型也已蓄势待发，11 月 1 日前后，有用户在 OpenAI 编程工具 Codex 的用量统计中看到名为 gpt-6.2-astra 的新条目，与现有的 GPT-6 Astra 并列出现，OpenAI 至今没有确认。

据 CNBC 消息，OpenAI 在 9 月下旬以安全标准为由取消了 GPT-6.1 Astra 的发布。有观点认为，GPT-6.2 会在 Anthropic 上市窗口内推出作为回应；也有人把 Fable 5.2 的抢先发布解读为逼 OpenAI 在准备不足时应战。

对 Anthropic 而言，降价 20%、减少误拦截、在长周期任务上拉开差距，回应的都是上一代 Fable 5 定价达到 Opus 两倍、企业采用不及预期的问题。至于黑洞物理、电路板和操作系统这类展示能否转化为企业持续付费的场景，我们可以期待它上市后的财报。

参考内容：

https://www.anthropic.com/claude-fable-and-mythos-5-2

https://assets.claude.com/27d60918d218125e7504bc7354c4b4626ec56b11.pdf

https://www.anthropic.com/research/claude-electronics-design

https://hexagonmath.org/2611.00175v1

https://hexagonmath.org/2611.00174v1

https://www.cnbc.com/2026/11/09/anthropic-claude-fable-5-2-mythos-5-2.html

注：封面/首图由 AI 辅助制作