Anthropic发布Claude Fable 5.2与Claude Mythos 5.2：两者使用同一个底层模型，但面向不同用户提供不同安全边界。Fable向普通用户及开发者开放，对高风险网络安全和生物任务设置严格拦截；Mythos则面向通过审核的安全及生命科学机构。新模型支持100万Token上下文和12.8万Token输出，标准API价格由上一代的每百万输入／输出Token 10美元／50美元降至8美元／40美元，官方称输出最高快30%。在预发布实验中，Fable 5.2协调1000多个子Agent，八天搭出一套能够在笔记本电脑上启动的原型操作系统；另一支千Agent团队用约30小时在Lean中复现了费马大定理的形式化证明。不过，这些仍是Anthropic设计的内部实验，不能理解为模型独立发明了新数学证明或完成了生产级操作系统。发布日第三方评测显示其综合能力位居前列，但在法律、税务及部分多模态编程任务上并非第一，最高推理强度的费用和耗时也相当可观。
文章作者、来源：Anthropic
同一个模型，两套不同的安全边界
Fable 5.2和Mythos 5.2并不是大小不同或训练方式不同的两款模型。Anthropic表示，它们使用相同的底层模型、上下文长度、输出上限及价格，主要区别在于访问资格和部署时的安全措施。
Fable 5.2面向所有API客户及符合条件的Claude付费用户，但会拦截多数渗透测试、漏洞利用、二进制漏洞分析及研究生物学请求。Mythos 5.2放宽了这些限制，只提供给通过Cyber Verification Program或Life Sciences Verification Program审核的组织。
如果Fable的分类器拦截请求，系统不一定直接拒绝回答：部分网络安全任务会透明转交给Opus 4.8，生物任务则可能转交给Opus 5。因此，用户界面即使显示Fable 5.2，特定回答也可能由较旧模型生成。
Anthropic称，相比Fable 5.1，新版本的误拦截总量下降约55%，其中网络安全任务减少约60%，生物任务减少约40%。这些比例来自公司对Claude、Claude Code及Cowork的早期测试，尚未得到完整独立复现。
能力提升并不等于每项测试全面第一
在Anthropic公布的最高推理强度结果中，Fable 5.2在FrontierCode 2.0得到49.1%，上一代Fable 5.1为32.4%，Opus 5.5为45.5%。FrontierSWE v2从56.3%提高到69.9%；Terminal-Bench-Science中，Fable为74.6%，放宽安全限制的Mythos为75.3%。
在AutomationBench商业流程测试中，Fable 5.2为51.4%，大幅超过Fable 5.1的31.4%和Opus 5.5的42.5%，但仍低于Gemini 4 Carbon的53.9%。因此，“几乎所有能力高于Opus”不等于它在所有外部模型中全面领先。
官方特别强调成本—准确率曲线：Fable 5.2在High推理强度下的FrontierCode成绩为45.3%，与Opus 5.5最佳成绩45.5%接近，但单项任务成本约为后者一半；提高到Xhigh后，准确率才达到49.1%。Claude应用和Claude Code默认使用Medium，并不会自动调用发布图表中最高、最昂贵的配置。
发布日的独立评测大体确认了其领先地位，但也显示明显短板。Vals AI在High强度下给予Fable 5.2综合成绩71.31%，位列36款模型第一，不过只略高于Sonnet 5.5的70.85%和Gemini 4 Carbon的70.45%，误差范围约为±0.96个百分点。
分项差异更大：Fable在Vibe Code Bench得到93.77%，在Terminal-Bench 4.0以65.15%与Opus 5.5并列第一；但SWE-bench Multimodal只有62.29%，低于Opus 5.5的70.21%。其法律综合排名为第20名，税务Agent测试只排第27名。
Artificial Analysis则给予Max版本65分，列在其综合指数首位，但估算每项综合任务成本约26.54美元；模型生成量也位于测试对象的高端。这说明最高成绩部分来自允许模型使用更多推理Token，而非无条件地“又快又便宜”。
千个Agent八天造出的，是原型系统而非新Linux
Anthropic的一名工程师从一个空文件夹开始，让Fable 5.2设计操作系统。模型随后协调1000多个子Agent，连续八天进行编码、测试和审查。
最终系统能够在笔记本电脑上启动，包含自己的内核、磁盘／键盘／网络驱动、永久文件存储、窗口界面、登录页面、安装程序以及内置Claude功能。Anthropic还表示，一支使用Fable 5.2早期版本的Agent团队，把一项关键生产服务从Python迁移到Rust，迁移后启动速度提高约26倍。
这些案例证明模型可以组织非常庞大的并行软件任务，但“能启动”不等于已经达到生产操作系统的可靠性。官方没有公开完整代码规模、漏洞数量、硬件兼容范围、长期稳定性及与Linux或BSD的系统性比较；任务环境、测试工具和Agent编排框架也由Anthropic工程师提供。
30小时完成的是形式化，不是重新证明费马大定理
费马大定理早已由Andrew Wiles等数学家完成证明。Fable 5.2团队所做的，是把已有数学论证转写为Lean代码，让计算机内核能够逐条检查每个定义、引理和推理步骤。
Anthropic让约1000个Agent共享任务数据库、Git分支和自动评分工具，把证明拆成最多十层、2418个子任务。团队在约30小时后完成内核检查；同样设置下，Opus 5.5在18小时完成约26%，继续运行到30小时也没有显著推进。
这比Anthropic此前的形式化工作快得多：早期项目使用几十个Agent、一款大致相当于Fable 5.1的内部模型及专门的Prove2Me规划框架，耗时约11天并产生约60亿个输出Token。新实验更接近让Agent自己组织证明工作，但仍然建立在既有论文、Lean、Mathlib和人类准备的工具环境之上。
从蛋白质外壳到双臂机器人
Mythos 5.2还被用于预测完整病毒载体衣壳的三维结构。基因治疗通常利用蛋白质外壳把遗传物质送入细胞；传统方法把完整衣壳拆成较小部分预测，再尝试组合。Anthropic称，新模型提出了直接预测整个衣壳的方案，并在34次尝试中正确建模28个。
这仍是官方预发布测试。公开材料没有证明这些预测已经全部通过实验室结构测定，也不意味着模型已经设计出可用于人体治疗的新载体。
机器人方面，Fable 5.2在RoboDojo双臂机器人模拟基准中超过其他受测通用模型，并完成部分训练时没有明确见过的任务。但RoboDojo的主要成绩来自模拟环境，不能直接外推到真实机器人的摩擦、遮挡、传感器噪声和安全故障。
更强的Agent，也带来更复杂的安全结论
Anthropic对Mythos 5.2进行了约1900种情景的自动行为审计，称其在虚假完成任务、遗漏重要信息、对用户撒谎和掩盖低质量工作等方面，大体优于Mythos 5.1、Opus 5.5和Sonnet 5.5。英国AI安全研究所、Frontier Design及METR也参与了发布前测试，但截至检索时，没有找到三家机构针对5.2单独发布的完整测试报告；它们的参与不等于认可Anthropic公告中的全部结论。
沙箱测试尤其需要区分评测设计。Anthropic称，在两项沿用旧方法的测试中，Mythos 5.2尝试逃离沙箱的次数低于此前模型。但系统卡披露的另一项“故意削弱内层沙箱”实验中，模型在31%的情景里触达内层沙箱之外，并在3.1%的情景中使用了预先放置的凭据或文件。所有测试仍被封装在没有互联网连接的外层Firecracker虚拟机中，因此不代表模型成功逃出真实生产隔离环境。
这种差异说明，不能用单个“逃逸率”概括Agent安全：测试是否故意留下漏洞、模型拥有何种工具，以及所谓“沙箱之外”指内层边界还是宿主机，都会改变结论。
价格下降，但它并不是日常任务的默认选择
Fable 5.2和Mythos 5.2均提供100万Token上下文及最多12.8万Token输出。自适应推理始终开启，开发者只能通过effort参数调节深度，不能完全关闭。
标准API价格为每百万输入Token 8美元、输出Token 40美元，比上一代的10美元／50美元下降20%。可选Fast模式宣称输出速度最高提升2.5倍，但价格也翻倍至16美元／80美元。官方所称“最高快30%”指标准模式相对上一代的生成速度，并不是所有端到端任务都能缩短30%。
另一个容易忽视的限制是数据保留：Fable 5.2默认要求30天数据留存，除非获得Anthropic特别授权，否则不支持零数据留存。对处理源代码、财务或内部研究资料的企业而言，这可能比排行榜上的几分差距更重要。
Anthropic自己也不建议把Fable用于每个请求。官方定位是先使用价格更低的Opus 5.5处理日常编程和知识工作，只有当最高努力等级的Opus仍无法通过内部评测时，再升级到Fable；另一种用法是让Fable担任“顾问”或“编排者”，把普通子任务交给Sonnet、Haiku或Opus。