Anthropic双旗舰Claude Fable 5.2与Mythos 5.2发布，编程与科学能力登顶

Anthropic 一次性放出两款旗舰模型——Claude Fable 5.2 和 Claude Mythos 5.2，官方定位是应对「最具挑战的技术任务」，在编码、推理和视觉能力上全面提升。据 B 站 UP 主 Ponyo News 的报道，两款模型已从发布当天起陆续开放，GitHub Copilot 和 Cursor 同步接入。

这并非一次常规的小版本迭代。从官方基准表到第三方评测，Anthropic 这次在多个硬指标上同时压过了此前的领跑者，甚至让 Fable 5.2 的执行区间与任何其他模型都不重叠——这是一个相当罕见的信号。

双旗舰分工：Fable 管技术，Mythos 管科学

Anthropic 给两款模型划了清晰的边界。Fable 5.2 主攻技术工作，重点覆盖编码、计算机使用和 3D 交互；Mythos 5.2 则面向科学任务，尤其是生命科学领域的复杂问题。

两款模型的共同点是「表达更清晰」——测试者反馈称，新模型在输出可读性和指令跟随上比以往版本明显更好。官方还提到，输出速度比上代快最多 30%。

这种分工策略值得注意。过去一年，头部厂商倾向于用一个「全能模型」覆盖所有场景，但 Anthropic 选择了拆分产品线：技术任务追求极致的执行精度，科学任务追求领域深度。这背后可能是一种判断——通用能力的边际收益正在递减，垂直场景的深度优化才是下一阶段的竞争焦点。

硬指标全面登顶：编码、3D、多学科推理

先看官方基准数据。智能编码基准 Frontier Code 2.0 上，Fable 5.2 拿到 49.1%，上代 Fable 5.1 是 32.4%——提升幅度超过一半。计算机使用基准为 89.3%，机器人模拟基准 RoboDojo 为 64.9%。

多学科推理方面，「人类最后的考试」拿到 74.2%，蛋白质设计基准由 Mythos 5.2 拿到 85.1%。

第三方评测同样给出了高评价。Artificial Analysis 智能指数上，Fable 5.2 Max 以 65 分登顶，超过 OPUS 5.5 的 59 分和 GPT-6 Astra 的 57 分。定价方面，API 输入 8 美元、输出 40 美元每百万 Token，比 Astra 便宜约两成。

更具冲击力的是 AA 3D 交互式基准：Fable 5.2 拿到 1271 ELO 登顶，领先第二名 67 分，且执行区间不与任何模型重叠。这意味着在统计意义上，它的表现与竞争对手不在同一个水平线上。

官方演示了多个一次生成的 3D 场景——太极灵、吞火龙、星际飞船发射回收，全部可直接在浏览器运行。这类能力对游戏开发、交互设计和仿真训练有直接的实用价值。

ELO 与「执行区间不重叠」的含义

ELO 是一种源自国际象棋的等级分体系，用于在成对比较（如模型两两对战、由人类或 AI 裁判投票选优）中量化相对强弱，分差越大表示胜率优势越明显。近年来 Chatbot Arena、AA 3D 交互式基准等评测普遍采用 ELO 排名，因此「1271 ELO」本身只反映相对位次，需要结合分差来理解。

所谓「执行区间不重叠」，指的是统计置信区间不重叠。第三方评测通常会对每个模型给出一个分数区间（例如基于多次采样或 bootstrap 估计），用以表达测量的不确定性。如果两个模型的区间重叠，就不能断言谁更强；而 Fable 5.2 的区间与任何其他模型都不相交，意味着在统计上可以较有把握地说它领先。这也是文中称其为「罕见信号」的原因——在大模型分数普遍逼近、差距收窄到噪声量级的当下，能拉开统计显著差距并不常见。

Mythos 5.2：把 AI 送进实验室

Mythos 5.2 的亮点集中在生物科学。基因治疗需要把药物装进蛋白质外壳（衣壳），Mythos 5.2 找到了预测整个衣壳结构的新方法：测试中 34 个衣壳成功建模 28 个。对研究者来说，这意味着设计衣壳系统可以更快、更便宜。

官方还给出 17 项生命科学评测，覆盖医药、化学、生物、影像分析和蛋白质设计，Mythos 5.2 在多项中拿到最高分。

机器人控制方面也有突破。官方演示中，Claude 自主拧开瓶盖，完成齿轮装配和镍合测试。RoboDojo 模拟基准 64.9%，超过一众专用系统，官方称即便在未专门训练的任务上也表现稳定。

从「会写代码」到「会操作物理世界」，这条路径正在被逐步打通。拧瓶盖看似简单，但涉及视觉识别、力控和动作规划的协同，是具身智能的典型难题。

蛋白质衣壳与结构预测

衣壳（capsid）是包裹病毒遗传物质的蛋白质外壳，在基因治疗中被改造为「递送容器」——把治疗性基因装进去，安全送达目标细胞。常用的腺相关病毒（AAV）载体就是靠工程化衣壳实现靶向递送，因此设计出稳定、可组装、不易被免疫系统清除的衣壳是基因治疗的关键工程环节。

传统上确定衣壳结构依赖冷冻电镜等实验手段，周期长、成本高。计算结构预测（AlphaFold 开辟的路线）则试图从氨基酸序列直接推断三维结构。文中「34 个衣壳成功建模 28 个」的意义在于：模型能对整组装配体而非单一蛋白链给出可信结构，从而把设计—验证的循环从实验台部分转移到计算端，显著压缩研发时间与费用。不过需要注意，结构预测成功不等于功能验证成功，后续仍需湿实验确认。

生态同步：Copilot 与 Cursor 第一时间接入

对开发者而言，模型能力的价值最终取决于能否用上。GitHub 宣布 Fable 5.2 全面登陆 Copilot，早期测试显示用更少步骤完成更多任务；Cursor 同步上线，CursorBench 最大档 60% 登顶，默认档 56.9%，上代 Fable 5.1 是 49.2%。

这意味着发布当天，主流 AI 编程工具就已经能调用新模型，开发者无需等待适配周期。

CursorBench 与编程评测的局限

CursorBench 是 Cursor 团队自建的编程能力评测集，通常基于真实用户交互中的编辑、多文件重构、Agent 式任务等场景构造，比起纯算法题更贴近日常开发。文中「最大档 60%、默认档 56.9%」指的是在不同推理预算或模型配置档位下的得分。

需要注意，厂商自建基准存在天然的利益关联，且编程任务的评测对脚手架（提示词、工具链、上下文管理）高度敏感，同一模型在不同 harness 下分数可能相差可观。因此文中的 CursorBench 数字应与其他第三方评测交叉参照。对于开发者，更实用的判断依据往往是自身代码库上的实际试用，而不是榜单排名。

同日快讯：美团、Meta 的开源动作

同一天还有几条值得注意的消息。美团发布 LongCat 2.5，开发总参数 1.6 万亿，激活约 480 亿，原生多模态，把视觉理解和智能编码合入一个模型，覆盖从复杂编码项目到创意设计再到 3D 任务，以 MIT 协议开源权重并上线 Hugging Face。

Meta 发布了迄今最小的模型 Muse Ember，按 Artificial Analysis Coding 智能指数为 36，接近自家最大模型 Spark 1.3 的 37 分，而价格只有大约 1/17。这个数据说明小模型的性价比正在快速逼近大模型，对成本敏感的部署场景有直接意义。

另外，华尔街日报报道 Anthropic 计划在本月晚些时候推进首次公开募股，尽管近期 AI 投资市场出现波动。这将是该公司首次走向公开市场。

总参数、激活参数与 MoE

文中「开发总参数 1.6 万亿，激活约 480 亿」描述的是混合专家（MoE）架构。这类模型内部由大量「专家」子网络组成，每次前向计算时只路由激活其中一小部分，因此总参数量决定容量上限，激活参数量决定单次推理的计算成本与显存开销。1.6 万亿总参数配 480 亿激活，意味着模型拥有极大的知识容量，但每次调用只消耗接近中等规模稠密模型的算力——这正是当前大模型在性能与成本之间取得平衡的主流做法。

另外，MIT 协议是较为宽松的开源许可，允许商用、修改与再分发，仅需保留版权声明，对企业集成相对友好；权重上线 Hugging Face 则意味着可直接下载自部署，绕开 API 依赖。

小结

Anthropic 这次的双旗舰策略，把「技术执行」和「科学发现」拆成两条产品线，并在编码、3D 和生命科学三个方向同时拿出领先数据。对开发者来说，最直接的变化是 Copilot 和 Cursor 已经能用上新模型；对行业来说，更值得关注的是模型分工的趋势——当通用能力逐渐趋同，垂直深度可能才是下一轮竞争的胜负手。