Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2,千余智能体八天造出可启动操作系统
发布时间:2026年11月10日 09:20:0011 月 10 日,Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2 双模型,二者基于同一底层模型,支持 100 万 token 上下文,定价每百万 token 输入 8 美元、输出 40 美元。官方披露测试中模型协调 1000 多个智能体、耗时八天构建出可在笔记本上启动的操作系统,并称其帮助解决了两个此前悬而未决的黑洞物理问题。
事件:一次发布,两个模型
11 月 10 日,Anthropic 正式推出 Claude Fable 5.2 与 Claude Mythos 5.2。两者并不是两个不同的模型,而是同一个底层模型的两种开放形态:
| 模型 | 面向对象 | 能力边界 |
|---|---|---|
| Fable 5.2 | 所有用户 | 拦截潜在危险的网络安全与生物类请求 |
| Mythos 5.2 | 通过验证的机构 | 保留上述能力,面向生命科学与网络安全研究 |
定价与参数同步公开:100 万 token 上下文,每百万 token 输入 8 美元、输出 40 美元,响应速度比上一代快最多 30%。Anthropic 同时建议日常场景先用更便宜的 Opus 5.5(价格约为一半),把 Fable 留给长时间运行的 Agent 任务。
最能说明能力上限的三个实验
Anthropic 在发布材料里给了三个内部测试案例,都是「以前做不完」的任务:
- 从零构建操作系统:一名工程师要求 Fable 5.2 从零写一个操作系统。模型协调 1000 多个 AI 智能体,耗时 八天,产出的系统可以在笔记本上启动,有窗口、文件存储和登录界面。
- 黑洞物理:官方称模型协助解决了两个此前悬而未决的黑洞物理问题。
- 硬件设计:模型设计了三个可工作的电子器件。
这些仍属于厂商自述,尚无独立复现。但第三方评测机构 Epoch AI 给出的 ECI 分数为 174,高于 GPT-6 Astra 的 169,是目前公开记录的最高值。
为什么「长程」比「更聪明」更重要
这次发布真正的信号不是分数,而是任务时长的跨度:从几十分钟的对话,跳到以天为单位的自主执行。
长程任务对模型的要求和短对话完全不同:
| 维度 | 短对话 | 长程任务 |
|---|---|---|
| 记忆 | 单轮上下文即可 | 需要百万级上下文与状态压缩 |
| 纠错 | 用户即时指出 | 必须自己发现并回滚 |
| 成本 | 一次性 | 输入输出累积放大,价格成关键变量 |
| 风险 | 说错一句话 | 错误在八天后才暴露 |
这也解释了为什么 Anthropic 要同时给出 8/40 美元的定价和「先别用它」的建议——长程能力很贵,用错场景就是在烧钱。
同一时间线的其他动作
- Claude Code 2.1.321 把 Fable 5.2 设为默认模型,并修复了两处安全问题:MCP OAuth 刷新令牌可能在重定向时被发往其他主机;某类只读 Bash 命令可能绕过沙箱执行。
- 第三方开发者生态跟进极快:Hermes Agent、Cursor、Perplexity 在发布后一小时内即宣布接入。
- 同日另有报道称,Anthropic 曾向银行家分发一份规模约 693 亿美元的 IPO 相关材料,随后以「定价信息不准确」为由撤回,将更新后再提交。
三个影响判断
对大模型竞争:前沿模型的比拼正在从「单点能力」转向「自主运行时长」。谁能稳定跑完以天计的任务,谁就拿到 Agent 市场。
对开发者:100 万上下文 + 长程执行,意味着可以设计「提交任务、隔天取结果」的产品形态。但成本模型必须重算,40 美元/百万输出的定价会直接决定商业可行性。
对企业采购:Fable 与 Mythos 的双轨制是一种监管设计——同一模型,按使用者的资质放开能力。这套「能力分级」很可能成为后续前沿模型的默认做法。
观察点
- 操作系统实验能否被独立复现:这是判断宣传与真实能力差距的关键。
- ECI 174 的评测细节:第三方是否公开测试集与方法。
- 长程任务的失败率:八天里模型需要多少次人工干预,目前没有数据。
- IPO 进程:撤回的定价材料何时更新,将影响整个 AI 资本市场的定价锚。
一句话总结:这次发布的重点不是「模型更强了」,而是「模型开始能连续工作八天」。