关注我们：

在IPO前夕，Anthropic推出了Claude Fable 5.2与Mythos 5.2两款模型。

这两款模型基于同一架构，主要区别在于安全权限设置：Fable 5.2面向普通用户，设有网络安全及生物领域的安全防护限制；Mythos 5.2仅向通过审核的机构开放，取消了相关限制，以支持合规的网络安全与生命科学研究。

新版本最显著的提升体现在长任务上，尤其是机器人训练相关领域。同时，Fable 5.2的token价格相比Fable 5.1降低了20%。

此外，Fable 5.2在审美与设计方面，相较于Fable 5.1也有了较大改善。

Fable 5.2发布后半小时内，已有用户利用该模型开发出一款画面精致的FPS游戏。

然而，独立测评机构Artificial Analysis发布长文指出，Fable 5.2的智能水平确实有所提升，token价格也确实更便宜，但每个任务的平均成本却增加了。最令Artificial Analysis难以接受的是，Fable 5.2比以往“话多”了许多。

性能究竟提升在哪里？

先看评分数据。

机器人控制RoboDojo Sim从27.6%提升至64.9%，直接增长2.35倍；图表识别从44.8%升至73.4%；远程职业任务从17.9%提升至41.3%；科研终端从52.6%升至74.6%；FrontierCode 2.0从32.4%提升至49.1%；带工具的HLE从65.6%升至74.2%。

电脑操作（Computer Use）OSWorld 2.1仅从83.5%升至89.3%，提升幅度不大；知识工作AA-Briefcase从61.5%（ELO 1669）升至66.1%（ELO 1785）。

换言之，在那些耗时更长、工具更多的长任务上，Fable 5.2的涨幅显著。而那种一轮就能回答完的题目，几乎没有增长。

那么，这些长任务究竟有多长呢？

Anthropic提供了一组对照实验：他们使用1000个Fable 5.2的agent，耗时近30小时，完成了费马大定理的形式化证明。而此前一个未发布的版本，配合专用的“外挂”（定制化工具调度框架，purpose-built harness），加上研究员全程引导，完成相同工作仍需11天。

并且，Fable 5.2的action token仅为那个未发布版本的三分之一。

换成1000个Opus 5.5的agent，结果显示：18小时完成26%，30小时完成27%，随后任务便陷入停滞。

除了数学推理等明显的长任务，在Anthropic给出的性能表中，所有长任务基准里，RoboDojo Sim是涨幅最大的一项。博主@himanshu特意发文提醒，在Fable 5.2中，尤其要关注机器人和蛋白质设计这两个领域。

该公开基准包含42个仿真任务和18个真机任务，均采用双臂设计，模型只能从摄像头画面中读取环境信息。五个评分维度分别是：泛化、记忆、精度、长程执行和开放词汇指令。

它考验的是：观察画面、记忆先前步骤、连续完成一系列动作，如果过程中机器人出现偏差，必须自行纠正。

Anthropic官方表示，它超越了“大多数专为控制机器人而建的AI系统”，因为这些任务都是机器人在现实世界中从未见过的。

过去普遍认为，机器人需要专门训练具身智能模型，以解决空间理解、动作规划等问题。而Fable 5.2作为一个通用模型，任何公司都可以直接用它来训练机器人，这大幅降低了具身智能公司的训练门槛。

在Anthropic最擅长的编程领域，官方博客展示了一张图表，列出了几个当前最强的大模型在FrontierCode 2.0基准中的得分。

并且，Anthropic还使用Fable 5.2不同的effort程度进行跑分，结果令人意外，甚至一度让人怀疑是填写数据时出了错。

Fable 5.2的Xhigh模式为全球最强，得分49.1%，每个任务成本14.19美元。而将effort调至最高的max档位，得分反而下降，为Max 45.6%，每个任务平均成本44.70美元。

这意味着，花费更多时间思考，消耗更多token，效果反而不如Xhigh模式。

Anthropic官方给出的原因是：高effort会导致过度斟酌。

Anthropic认为，较高effort在处理例行工作时，可能“搜集超出任务所需的上下文并过度斟酌”，并准备了防止“过度规划”的提示词。而FrontierCode考核的是补丁是否合格，能否合入真实仓库，上下文已在diff中，将两行修复做成带主张的重构，在该基准中即为不合格，因此得分低于Xhigh。

此外，Anthropic也表示，可能是模型思考时间过长，导致无法按时提交，超时会导致扣分。

Fable最大特点是……便宜？

Fable 5.2的token价格从每百万输入10美元降至8美元，输出从50美元降至40美元，降幅20%；输出速度比5.1最多快30%。

fast mode另计：输入16美元、输出80美元，价格翻倍，token生成速度最多再快2.5倍。

缓存读取价格为0.20美元，而Fable 5为1美元。

Anthropic表示，将Fable 5.2的effort开到High，成绩就能与Opus 5.5开到头（Max）相当，且每个任务的成本仅为后者的一半左右。

但Anthropic官方通篇未解释为何降价。

那么，这20%的降幅从何而来？

9月12日，阿莫迪发文“We Must Pace the Frontier”，称放慢“不意味着停止模型训练或技术进步，而是确保公司有足够时间对齐并给模型加防护”。

10天后的9月22日，Anthropic发布Opus 5.5，标价降低20%至4美元和20美元，并表示运行成本比Opus 5低约40%。约两小时后，OpenAI发布GPT-6 Sol和Luna，价格比GPT-5.6促销价低约50%。

Ramp经济学家阿拉·哈拉齐安（Ara Kharazian）表示：“这不是什么技术革新，这其实是一种价格战，压低AI价格，也压低了自己的利润率。”

还有一件事令人关注，即版本序号为5.2，而此前的Opus已更新至5.5版本。The New Stack表示，“竟然没叫Fable 5.5，真让人有点意外”。不过，Anthropic并未对版本序号做出任何解释。

Fable 5.2发布后不到一小时，便有人“打脸”。

独立评测机构Artificial Analysis发布长帖称，他们将Fable 5.2放上Intelligence Index v5，max档65分登顶，比Opus 5.5的59分高6分，比上一代Fable 5.1的49分高约15分，在九项评测中拿下五项最高分。

别急，Fable系列一直是智力天花板，这毋庸置疑。Artificial Analysis接着写道，max档平均每个任务需花费26.5美元，是Opus 5.5在max档10美元的约2.6倍，也是Fable 5.1的两倍左右。

单价降低了20%，但总成本却翻了一番。并且，Artificial Analysis还“补了一刀”，称Fable 5.2在评测中生成了约2.75亿token，同类模型中位数仅为7280万，“它话太多了”。

最后一点，性能跑分可用数值衡量，Anthropic表示，Fable 5.2在设计方面也进行了升级迭代。

因此，Fable 5.2发布不到半小时，社区便有人尝试用其开发FPS游戏。

演示中，枪械、射击反馈和场景均已具备。评论区有网友看完后，认为可以直接发布了。

如果你只知道自己想玩一款什么样的游戏，连第一行代码都还没写，这时候倒可以让 Fable 多想几步。

本文来自微信公众号“字母AI”，作者：苗正，36氪经授权发布。