Anthropic发布Fable 5.2：号称全球最强AI模型

Anthropic 发布了新一代模型 Fable 5.2 和 Mythos 5.2，号称在多项基准测试中创下新纪录。科技博主 Matt Wolfe 在体验几小时后给出了他的判断：这是难任务的一次大跨越，但对日常使用未必是必需品。

两款模型，本质同源

Fable 5.2 和 Mythos 5.2 实际上是同一个模型的两个版本。Mythos 5.2 是能力最强的版本，但仅面向网络安全测试人员开放，Anthropic 甚至建议大多数用户不要频繁使用——它的能力超出了常规需求。公众能用到的是 Fable 5.2，它相当于 Mythos 5.2 加上更多网络安全防护限制后的版本。

Anthropic 的建议很明确：日常主力仍用 Opus 5.5，需要处理极难问题或做任务调度时再切换到 Fable 5.2。后者可以充当顾问，让 Hiku、Sana、Opus 等较小模型向它咨询，或由它把简单任务分派出去。

基准测试：科研领域跨越最大

据 Matt Wolfe 展示的数据，Fable 5.2 在大多数基准项目上达到了当前最强水平。在智能体编程任务上，Frontier Code 基准从 Opus 5 的 45.5% 提升到 49.1%，另一项编码基准从 62% 升至 69%。Gemini Carbon 在商业工作流上仍比它高出两个百分点。

真正的跨越出现在科研类任务上：Agent Tech 科学研究一项，Opus 5.5 为 58.7%，Astra 为 68.1%，Carbon 为 64.8%，Fable 5.2 则升到 74.6%。Wolfe 评价说，最大的进步集中在科学研究以及比日常编码难得多的任务上——这个模型本质上是为极难问题设计的。

一个反直觉的发现是：让模型"想得更久"收益递减。在 Frontier Code 2.0 基准上，Fable 5.2 在超高档的得分反而高于最高档。让它思考更久之后，它似乎"变笨了"，还更贵。Fable 5.2 在 High 档的得分已与 Opus 5.5 在 Max 档相当，而后者的成本更高。

Frontier Code 是评估 AI 模型智能体编程能力的基准，任务通常要求模型在真实代码库中自主定位问题并提交补丁，模拟人类开发者的完整工作流。Agent Tech 则是面向科研流程的智能体基准，考察模型在文献检索、实验设计、数据分析等多步骤科学任务中的规划与执行能力。两者都强调端到端自主完成，而非单轮问答，因此分数提升往往意味着模型在多步推理和工具调用上的实质进步。

推理档位（如 High、Max、Ultra）是 API 中控制模型思维链长度或采样预算的参数。提高档位本应让模型在更长时间内探索解空间，但收益并非线性：当任务已接近模型能力上限时，额外计算可能引入噪声或导致过度修正，表现为分数下降而成本上升。这就是"想得更久反而变笨"现象的技术背景，也解释了为何 Fable 5.2 在 Ultra 档得分高于 Max 档。

实测：游戏克隆与硬件设计

Wolfe 用惯常的"克隆 Megabonk"提示词做了测试。Anthropic 近期调整了策略，不愿直接克隆现有游戏，但模型并未拒绝，而是生成了一款同类型的原创游戏 Shardstorm——3D 第三人称群怪生存 Roguelite，带自动开火武器、经验宝石和升级系统，只换了名字，避开了现有 IP。

游戏在中等推理档下约 16 分钟生成完毕，首次尝试即可正常运行。Wolfe 的实机体验是：机制运转顺畅，冲刺消耗体力、二段跳等功能都按预期工作，手感舒适，运行稳定。但他认为画面不如 Opus 5.5 惊艳，音效也更像基础 MIDI 背景音。

硬件设计是另一个测试方向。Wolfe 要求设计一个手持桌面小装置来显示像素风的 Gary Busey，并按按钮触发反应。模型给出了完整的规格说明、零件清单（Raspberry Pi Pico H、显示屏、按钮等）、接线图、固件代码和可 3D 打印的外壳文件，还生成了一份带图片的组装手册。

有意思的是，模型拒绝绘制真实人物肖像，把角色改成了原创机器人形象。Wolfe 说这个装置他打算真的动手做出来。

社区演示：一个台阶的提升

Wolfe 提到，X 上多位获得提前体验的开发者展示了成果。他的朋友 Matt Berman 做了《战争机器》克隆版，画面水准令他直呼"离谱"；同团队的 Alex 一天内产出约 23 个演示，包括视频剪辑工具、Photoshop 和 Premiere 克隆、变身应用，以及乐高钢铁侠模拟等。Peter Yang 用纯代码做了一个 20 秒的秋日神社旅游广告，音乐、美术、动画全部由代码生成。

Wolfe 评价 Peter Yang 的作品时说，Opus 本已擅长生成 3D 动态视频，Fable 又上了一个台阶。不过他补充，自己用中等推理档做的游戏不如这些演示惊艳，若开到高或超高推理档，画面可能更精细。

价格与可用性

Artificial Analysis 的综合智能评分中，Fable 5.2 排名第一，甚至超过了尚未全面开放的 Gemini 4 Carbon。但按每个智能任务的平均成本计算，它是榜单上最贵的模型，最高推理模式下约 26.54 美元/任务。不过 Wolfe 指出，大多数用户不会用最高推理模式，超高这一档更划算。

API 定价方面，Fable 5.2 为每百万输入 Token 8 美元、每百万输出 Token 40 美元，是 Claude Opus 5.5 的两倍，但比上一版 Fable 便宜，也略低于 OpenAI 的 Astra API（每百万输入 10 美元、输出 50 美元）。

可用性上，Fable 5.2 已在所有平台上线。付费 Claude 套餐用户可在下拉菜单中看到它，免费版用户无法使用。发布当周官方提供额外的额度重置和用量优惠。

一个值得注意的成本细节：模型每个任务输出的 Token 数实际上比 Sonnet 5.5 还少，平均 Token 用量更低。

Artificial Analysis 智能评分是业界常用的模型综合能力排行，它汇总多个公开基准并做归一化处理，按任务类型加权得出单一分数。该榜单同时提供"每智能任务平均成本"指标，即完成同等难度任务所需的平均费用，用于衡量性价比。排名第一但成本最高，说明 Fable 5.2 属于能力前沿、经济性偏弱的定位，适合按需调用而非全量替换日常模型。

它适合谁

Wolfe 的结论相当克制：对研究辅助或小型编程项目这类日常需求，普通人不会感受到特别大的提升，Opus 5.5 足够用。但如果是设计更好的游戏、找出长期无法定位的 bug、解决非常难的问题，或者做出实体硬件装置，这个模型非常适合。

换句话说，这是一次面向"难题"的跨越，而非面向所有人的升级。