Claude Fable 5.2 and Mythos 5.2
916 points • 3 days ago • Article Link

Anthropic 发布了 Claude Fable 5.2 和 Claude Mythos 5.2,这是其专为应对复杂、开放式技术挑战而打造的最新模型迭代。这两款模型在推理、编码与视觉能力方面均取得了显著进展。在预发布测试中,它们成功完成了迁移遗留软件、设计可运行的电子硬件等复杂任务,甚至在理论物理与数学领域取得突破,包括对 Fermat's Last Theorem 的形式化。

Claude Fable 5.2 和 Claude Mythos 5.2 拥有相同的核心架构,但内置的安全功能有所不同。 Fable 5.2 配备了完善的网络安全与生物相关防护,因此适用于通用场景。 Mythos 5.2 则没有这些特定的限制性安全防护,只向参与 Anthropic 的 Life Sciences and Cyber Verification Programs 、经过审核的组织开放。更新后的模型不仅更强大,也更快、更省成本:输出速度提升 30%,并为高需求工作流提供了可选的 fast mode 。

从行业基准测试结果来看,这些模型在多个领域均优于此前版本以及其他前沿模型,包括面向代理的编码、科学研究以及复杂硬件设计。开发者表示,它们的判断力更出色,从而减少了对持续人工介入或反复迭代修正的依赖。它们在充当协调者方面尤其有效:能够调度更小的 agents 来完成大规模、分阶段的项目,例如构建可运行的操作系统,或开展全面的安全审计。

安全性与对齐仍是重点。 Anthropic 通过严格的测试来应对高风险模型能力带来的潜在问题。包括由 UK AI Security Institute 等第三方机构开展的评估在内的广泛测试表明,不安全行为的风险仍然较低。公司还针对 distillation attacks 对这些模型进行了强化,采用新的防御技术,显著降低了非法数据提取的可能性。此外,Anthropic 正在推出 Enterprise Frontier Safeguards,为企业客户提供自动化监控,即便在需要零数据保留的环境中也能维持安全性。

在超越传统软件的层面,这些模型在与物理世界的交互以及高级分析研究方面的能力也在不断提升。它们已成功操控机器人硬件来解谜与操纵物体,并在金融与材料科学的自主数据分析中表现尤为出色。通过推动更高效的研究周期,Claude Fable 5.2 和 Mythos 5.2 正在引领一种转变:让 AI 工具能够跨越不同的科研与工程学科,独立规划、执行并验证复杂的技术目标。

1051 comments • Comments Link

• Fable 5.2 提供了更均衡的性能配置,日常编程中能有效贴近 Opus 5.5 的表现;在面对更高难度的提示词时,它也展现出更突出的能力。其提升后的速度与可靠性,解决了旧版本中常见的输出 token 溢出问题。

• 越来越多的先进模型开始用 p5.js 等程序化代码来生成图像,而不是依赖专门的图像生成器。这样做能实现更精确的编辑与更一致的程序化输出,这是传统 latent diffusion models 难以做到的。

• 讨论也凸显了用户在使用 AI 的方式上存在明显分歧:有人把它看作一种抽象掉实现细节、从而专注于高层架构的机会;也有人担心一旦失去对"如何实现"的掌控,长期维护就会变得高度依赖且脆弱。

• 一个反复出现的主题是"harness engineering"——或说"prompt ambition"的兴起。用户的核心价值正在从直接写代码,转向设计编排流程、搭建审查循环,并通过多智能体系统去验证模型输出。

• 关于"singularity"和 AI swarm 的性能,人们普遍持怀疑态度。许多人在追问:这些成果究竟是带来了真正的智能提升,还是只是通过堆叠海量计算资源,把那些已经被验证的数学问题形式化地处理了一遍。

• 关于"nerfing"(即新版本发布后模型质量下降)的频繁报告仍是一个主要的挫败点。尽管这常被争论为潜在的用户偏差或 A/B 测试造成的结果,但这种趋势仍然严重削弱了人们对闭源 frontier models 的信任。

• 性价比同样是个有争议的问题。一些用户认为每月 200 美元的档位因为效率提升而物有所值;但也有人指出,仍有能力强、价格更低的开源权重模型,并质疑为专有 frontier models 支付溢价究竟值不值。

• 在更高层级的任务上,比如选择 machine learning 架构,或重构那些复杂且背负技术债务的代码库,仍是这些最先进模型能显著超越中端替代方案的主要场景。

• AI 自动化贯穿整个研究与形式验证流程的潜力,被一些人视为走向未来的必然路径:人类只需定义规范,而模型则负责自主生成并验证实现过程。

• 尽管技术进步很快,但与这些模型交互的用户体验仍常被一些风格怪癖打断,例如居高临下的语气或过于冗长的措辞。许多用户因此感到沮丧,觉得这并不适合日常的专业工作流程。

这段讨论反映出社区正在经历软件开发领域快速但不均衡的转型,"专业知识"的本质正在被重新定义。在人们对部署强大的 agentic swarms 所带来的兴奋与对依赖不透明、专有系统的深切担忧之间,形成了明显的张力——这些系统似乎会在高性能与低性能周期之间来回波动。最终的共识是:尽管像 Fable 5.2 和 Opus 5.5 这样的模型,能为懂得编排的人提供颠覆性的杠杆,但由于模型行为缺乏透明度,加之对成本与质量一致性的持续担忧,仍让许多用户在这种快速发展、难以预测的技术环境里感觉自己更像是在"坐车"。