Anthropic Releases Claude Fable 5.2 and Mythos 5.2, Token Prices Cut by 20%

赶在IPO之前，Anthropic发布了Claude Fable 5.2和Mythos 5.2。

两者采用同一底座，核心差异为安全权限：Fable 5.2面向通用用户，带有网络安全与生物领域的安全防护限制；Mythos 5.2仅向经审核的机构开放，解除相关限制以支持合规的网络安全、生命科学研究。

新版本最大的升级在长任务上，尤其是机器人训练相关。同时Fable 5.2的token价格较Fable 5.1下降了20%。

并且Fable 5.2在审美、设计方面，和Fable 5.1相比，也有较大的提升。

Fable 5.2发布的半小时内，就有人用这个模型开发了一款画面十分精致的FPS游戏。

然而独立测评机构Artificial Analysis却发长文吐槽，称Fable 5.2的智能水平确实高了，token价格也确实便宜了，可每个任务的平均成本却提升了。最让Artificial Analysis难以接受的是，Fable 5.2比以前“话痨”太多了。

性能到底涨在哪？

先看评分。

机器人控制RoboDojo Sim从27.6%到64.9%，直接暴涨2.35倍；图表识别从44.8%到73.4%；远程职业任务从17.9%到41.3%；科研终端从52.6%到74.6%；FrontierCode 2.0从32.4%到49.1%；带工具的HLE从65.6%到74.2%。

电脑操作（Computer Use）OSWorld 2.1只从83.5%到89.3%，提升不大；知识工作AA-Briefcase只从61.5%（ELO 1669）到66.1%（ELO 1785）。

换句话说，在那些耗时越长、工具越多的长任务上，Fable 5.2的涨幅很大。而那种一轮就能答完的题，几乎没什么增长。

那这个长任务到底有多长呢？

Anthropic给出了一组对照试验，他们用了1000个Fable 5.2的agent，花了将近30个小时，就完成了费马大定理的形式化证明。而此前一个未发布的版本，配上专用的“外挂”（定制化工具调度框架，purpose-built harness），外加研究员全程引导，做完相同的工作，仍然需要11天。

并且Fable 5.2的action token，只用了那个未发布版本的三分之一。

换成1000个Opus 5.5的agent，结果显示，18小时完成26%，30小时27%，然后任务就卡住不动了。

除了数学推理这些显而易见的长任务，在Anthropic给出的性能表中所有的长任务基准里，RoboDojo Sim是涨幅最大的一项。博主@himanshu特地发文提醒，在Fable 5.2中，尤其要关注机器人和蛋白质设计这两项。

这个公开基准有42个仿真任务和18个真机任务，双臂，模型只能从摄像头画面里读环境。五个评分维度是泛化、记忆、精度、长程执行和开放词汇指令。

它考的是看着画面、记住前面、连续走完一串动作，如果过程中机器人“歪了”，那它必须得自己纠正。

Anthropic官方表示，它超过了“大多数专为控制机器人而建的AI系统”，因为这些任务都是机器人们完全没有在现实世界中见到过的。

过去大家都觉得，机器人需要专门训练具身智能模型，以解决空间理解、动作规划等问题。而Fable 5.2是一个通用模型，任何一家公司都可以直接用它来训练机器人。这就相当于大幅降低了具身智能公司的训练门槛。

而在Anthropic最擅长的编程领域里，官方博客给出了这样一张图，分别是几个当下最强的大模型在FrontierCode 2.0基准里的跑分。

并且Anthropic还用Fable 5.2不同的effort程度来进行跑分，结果非常令人意外，甚至我一度怀疑是填表的时候写错了。

Fable 5.2的Xhigh模式为全球最强，得分49.1%，每任务14.19美元。而effort调到最高的max档位，得分反而下来了，得分为Max 45.6%，平均每个任务44.70美元。

等于说花了更多时间去思考，还花了更多token，效果反而不如Xhigh模式好。

Anthropic官方给出的原因是：高effort制造的是过度斟酌。

Anthropic认为，较高effort处理例行工作时可能“搜集超出任务所需的上下文并过度斟酌”，还备了防“过度规划”的提示词。而FrontierCode考的是补丁够不够格合进真实仓库，上下文早就在diff里，把两行修复做成带主张的重构，在这套基准里就是不合格，因此得分低于Xhigh。

另外，Anthropic也表示，可能是因为模型想太久导致没法按时交卷，超时会导致扣分。

Fable最大特点是……便宜？

Fable 5.2的token价格从每百万输入10美元降到8，输出从50降到40，降幅20%；输出速度比5.1最多快30%。

fast mode另算，输入16、输出80，价格翻倍，token生成最多再快2.5倍。

缓存读0.20美元，Fable 5是1美元。

Anthropic表示，将Fable 5.2的effort开到High，成绩就能跟Opus 5.5开到头（Max）差不多，而且每个任务的成本只要后者的一半左右。

但Anthropic官方通篇没解释为什么降价。

那这20%从哪来？

9月12日，阿莫迪发文“We Must Pace the Frontier”，说放慢“不意味着停止模型训练或技术进步，而是确保公司有足够时间对齐并给模型加防护”。

10天后的9月22日，Anthropic发Opus 5.5，标价降20%到4和20，并说运行成本比Opus 5低约40%。约两小时后OpenAI发GPT-6 Sol和Luna，比GPT-5.6促销价低约50%。

Ramp经济学家阿拉·哈拉齐安（Ara Kharazian）表示：“这不是什么技术革新，这其实是一种价格战，压低AI价格，也压低了自己的利润率。”

还有一件事让人非常在意，那就是版本序号是5.2，而此前的Opus已经更新到了5.5版本。The New Stack表示，“竟然没叫Fable 5.5，真让人有点意外”。不过对于版本序号，Anthropic并没有任何解释。

在Fable 5.2发布后不到一个小时，打脸的就来了。

独立评测机构Artificial Analysis，发布长帖。说他们把Fable 5.2放上Intelligence Index v5，max档65分登顶，比Opus 5.5的59分高6分，比上一代Fable 5.1的49分高约15分，九项评测里拿下五项最高分。

别急，Fable系列一直是智力天花板，这个毋庸置疑。Artificial Analysis接下来写到，max档平均每个任务要花26.5美元，是Opus 5.5在max档10美元的约2.6倍，也是Fable 5.1的两倍左右。

单价是降了20%，可总成本却翻了一番。并且Artificial Analysis还“补了一刀”，说Fable 5.2在评测里生成了约2.75亿token，同类模型中位数只有7280万，“它话太多了”。

最后一点，性能跑分是能用数值进行衡量的，Anthropic表示，Fable 5.2还在设计方面进行了升级迭代。

于是在Fable 5.2发布不到半个小时，社区当时就有人尝试用Fable 5.2开发FPS游戏。

演示里，枪械、射击反馈和场景都有了。评论区有网友看完，觉得都可以直接发布了。

如果你只知道自己想玩一款什么样的游戏，连第一行代码都还没写，这时候倒可以让 Fable 多想几步。