Anthropic Releases Claude Fable 5.2 and Mythos 5.2…

Anthropic 正踩在一个非常微妙的时间节点上。

一边是充满变数的IPO考卷。哪怕估值已收敛至约 1.5 万亿美元，潜在投资者对Anthropic巨额投入回报率的质疑依然未散。就在刚刚，路透社披露了一段耐人寻味的插曲：Anthropic 曾向承销银行发送了一份关键文件，列出约 8.67 亿股的发行规模、每股 70 至 80 美元的定价区间，对应最高约 693.6 亿美元的发行总额。

然而文件发出后，公司又紧急撤回相关定价信息，称其“并不准确，将另行更新”。

另一边，在资本市场的密切审视下，Anthropic 抛出了筹备已久的技术底牌：新一代旗舰档位模型 Claude Fable 5.2 和 Mythos 5.2。其中，Fable 5.2 通过网络安全和生物学领域的安全限制面向普通用户开放，Mythos 5.2 则主要向经过审核的网络安全和生命科学研究机构提供。

但在A社传统强项的自主编程工程能力之外，这次更增加了一个新变量——加速向物理世界与具身领域的渗透。

在行业公认的权威基准——机械臂操作仿真 RoboDojo 上，Fable 5.2 跑出了 64.9% 的平均成功率，不仅是将上一代 Fable 5.1（27.6%）和 Opus 5.5（39.4%）甩在身后，更直接达到了 GPT-6 Astra（29.8%）的两倍以上。

此外，这种能力正快速渗透进现实——在第三方开发者随后进行的真机盲测中，它接管真实机械臂完整下完了一局 62 步的跳棋，并在频繁遭遇物理接触失误与硬件形变时，展现出了罕见的纠偏能力。

同一时间，前特斯拉 Optimus 团队灵巧操作工程师 Bingjie Tang 确认以 MTS（Member of Technical Staff）身份加入 Anthropic。在特斯拉期间，她长期从事人形机器人基于学习的灵巧操作，工作范畴覆盖数据采集、策略训练、模型评估以及真实机器人部署；此前在英伟达机器人实验室，她的研究重点则是接触丰富（Contact-rich）环境下的操作与仿真到真实迁移（Sim-to-Real）。

事实上，这次人才流动并非偶发动作。回顾过去一年，Anthropic 在物理世界的测试链条其实非常清晰：

2025 年启动 Project Fetch，最初让 Claude 协助非机器人专家编程操控机器狗，随后进一步测试模型自主连接设备、读取传感器和执行任务的能力；

2026 年 7 月发布 《Claude Plays Robotics》 研究，将测试范围扩展至机械臂、四足机器人和人形机器人，探索通用大模型如何通过视觉感知、任务规划和调用运动策略来控制机器人。同月推出的 Project Pilot 则把实验对象扩展到无人机，测试自主导航与目标追踪能力。

8 月发布的 Model Hardware Standard（MHS），尝试建立 AI 操作显微镜、机械臂等物理设备的统一接口。

可以看到，Anthropic 显然不再满足于让 Claude 只在软件环境中执行任务。而这种向物理世界的试探，本质上是一场被商业现实倒逼的边界突围。

正值筹备上市的关键节点，资本市场对 Anthropic 高达 1.5 万亿美元估值的审视日趋严苛。尽管整体营收仍在狂奔，但其第三季度环比增速已从上一季度的 144% 显著放缓至 47%。伴随着巨额算力投入带来的毛利压力，纯粹依赖屏幕内的 API 调用和企业软件订阅，正肉眼可见地撞上发展增速的天花板。

Physical AI 的战略权重正是由此被迅速抬升。

从联手工程服务商 UST 将 Claude 嵌入芯片制造与汽车产线的实际研发，到推出 MHS 规范直接调度科研仪器与工业设备；再到如今 Fable 5.2 机器人仿真跑分翻倍、前特斯拉 Optimus 灵巧操作工程师 Bingjie Tan 火速入职——Anthropic 正在试图向投资者证明：Claude 不会止步于聊天框里的智囊，它具备成为物理生产力执行核心的可能。

尽管具身业务短期内尚难成为业绩支柱，但行业竞争重心的偏移也是不争事实：大模型不再满足于“回答问题”，而是要“接管工作”。

这种以“最终交付结果”算账的逻辑，同样延伸到了软件开发端。一个最具戏剧性的反差随即在 Fable 5.2 身上出现：即便它的 Token 标价是 Opus 5.5 的整整两倍，但在高难度工程任务中，它交出的实际成本账单反而便宜了一半。

跑分倍超 GPT-6 实测学会纠偏

还记得今年 9 月，GPT-6 Astra 在机器人仿真领域引发的那场讨论吗？

当时，论文《An Unexpected Robot Policy》展示了一个颇具冲击力的方向：不必专门为每项机器人任务训练策略模型，通用大模型也可以通过视觉观察、推理和动作接口，直接参与机器人控制。这让不少人开始重新审视通用大模型与专用具身模型之间的关系。

如今，Anthropic 又把这项成绩大幅向前推进。

在官方公布的 RoboDojo Sim 测试中，Fable 5.2 达到 64.9%，GPT-6 Astra 为 29.8%，自家上一代 Fable 5.1 为 27.6%，Opus 5.5 为 39.4%。

换算下来，Fable 5.2 的成绩是 GPT-6 Astra 的 2.18 倍，是 Fable 5.1 的 2.35 倍。

△ 各模型 RoboDojo Sim 成绩。图源：Anthropic。该组结果由 Anthropic 内部运行，采用各模型最高可用推理强度。

RoboDojo 考核的不是概念理解，而是端到端的任务执行：模型仅凭摄像头输入的连续画面，必须自主判断机械臂各关节的空间轨迹与抓取力度。64.9% 的平均得分，意味着它已经脱离了“偶然尝试”的试错范畴，开始具备跨场景规划连续动作的稳定性。

官方发布的真机演示中，Fable 5.2 在未经过特定任务针对性微调的前提下，完成了操作益智方块、拧开瓶盖以及执笔在纸板上绘制简笔画等精细动作。

此外，来自第三方开发者的无滤镜实测，进一步测出了 Fable 5.2 泛化能力上限。

测试中，开发者 Karolina Dubiel（@karolina_dubiel）将 Fable 5.2 直连一台真实的物理机械臂，让它在真实桌面环境下与人类下一局完整的跳棋。

这项看似简单的对抗测试，实际上挑战了真实物理世界的粗糙与不可控：

- 容错能力： 在整局棋的 62 步动作中，由于桌面的反光、棋子微小位移和抓夹摩擦力不足，机械臂先后出现了 14 次抓取脱落或偏移。但在没有人工重写代码的前提下，测试者仅通过自然语言输入“再试一次”，Fable 5.2 就能结合视觉回传主动复盘上一步的失败原因，重新计算抓取角度并完成动作重试。

- 物理反馈感知与动态补偿： 机械臂在伸展负载时，末端因重力和机械间隙下垂了约 7 毫米。面对这种非预设的物理形变，Fable 5.2 并没有机械执行原先的理论空间坐标，而是读取了关节传感器传回的扭矩与位移遥测数据，在后续动作中自主叠加了补偿偏量，完成了准确落子。

而与此同时，Dubiel 的测试也暴露了当前方案的明显局限。

她在评论区补充，整局对弈实际耗时约 46.5 分钟，平均每步约 45 秒。公开视频经过了数倍乃至上百倍加速，实际操作并没有视频看起来那么流畅。

名义 Token 贵一倍 为何交付成本反砍半？

在商业端，Fable 5.2 制造了一个表面上的定价悖论。

它的 API 输入为每百万 Token 8 美元、输出 40 美元，虽然较上一代降低了 20%，但依然是主力模型 Opus 5.5 的整整两倍。常规逻辑下，单价翻倍意味着研发成本的水涨船高。

然而，在多项涉及真实工程的测试中，账本却走向了相反的方向：

代码合并基准 FrontierCode 2.0： Fable 5.2 仅需开启 High 推理档位即可跑出 45.3%，战平 Opus 5.5 最高档位的 45.5%，单任务总成本直接减少约 50%；若堆到 Xhigh 档位，成绩更直接冲至 49.1%，甩开 GPT-6 Astra（42.8%）。

知识与图表任务： 在 Perplexity WANDR 大规模信息收集与 Chartography 图表基准中，Fable 5.2 分别以 Opus 5.5 约 40% 和不到 10% 的单任务成本，拿下了相同甚至更高的准确率。

这种成本倒挂的本质，在于“一次通过率”（First-pass Yield）对算力消耗的降维打击。

社区开发者的实测暴露了其中的关键差距：在制作 3D 潜艇场景时，Opus 5.5 耗时 6 小时 40 分钟且需要人类频繁介入纠错补充细节；而 Fable 5.2 仅耗时 1 小时 26 分钟，几乎是一次性成型。

在多轮嵌套的复杂工程中，传统大模型最烧钱的地方从来不是单次输出的 Token 标价，而是逻辑断点引发的无限次上下文返工、调试回溯以及人类工程师的人工介入时长。

当然，这种优势并不适用于所有场景：在系统操作测试 OSWorld 2.1 中，Fable 5.2（89.3%）仅比 Opus 5.5 领先 2.1 个百分点；在业务流 AutomationBench 中，甚至以 51.4% 落后于 Gemini 4 Carbon 的 53.9%。

也就是说，在处理基础表格与浅层系统点击，Fable 5.2 可能是性能过剩的高价工具；但在需要高容错、深度逻辑自洽的深水区，它是一个能帮你省掉几十轮无效调试的熟练工。

智能体临界点：超长推理周期

如果说代码与机器人测试展现了局部生产力，那么在极限工程实验中，Fable 5.2 第一次让大规模智能体集群的持续运转具备了工业可用性。

最典型的验证是费马大定理的形式化转写。Anthropic 调度约 1,000 个 Fable 5.2 智能体，在少有人工干预的环境下，仅用约 30 小时便使用 Lean 语言完成了定理的形式化全流程，而此前系统需要耗时 11 天。

更关键的一组对照发生在任务中后程：

在连续运行 18 小时后，Fable 5.2 完成进度达到 86%，Opus 5.5 仅为 26%；

继续推进至 30 小时，Fable 5.2 顺利收敛完成 100%，而 Opus 5.5 仅艰难蠕动至 27%，陷入了逻辑死锁。

这种在极深推理网络中抵抗上下文漂移、避免逻辑死循环的能力，直接复现到了真实的工程开发中：

纯白纸构建系统： 工程师让其从空文件夹起步，调度 1,000 多个子智能体连续无休运转 8 天，最终完整交付了一套包含内核、驱动、文件系统、窗口交互并内嵌 Claude 的可用笔记本操作系统原型。

底层架构迁移： 一组智能体直接将某关键生产服务从 Python 全量改写为 Rust，上线后服务启动速度提升 26 倍。

软硬件端到端穿透： 仅凭需求描述，与 Diode 合作设计出三款物理电子产品，从器件选型、画电路板、外壳 3D 建模到固件烧录一次性贯通，硬件打样后无需修改电路即可通电运转。

过去，行业内常谈多 Agent 协作，但在数十次工具链调用之后，累积误差往往会让整个系统陷入幻觉雪崩。Fable 5.2 展示的技术增量，恰恰是将长程任务的容错阈值向外推了一大步。

结语

从屏幕内连续 8 天的底层系统推理，到物理世界里对机械臂末端的自适应校正，冲击二级市场的 Anthropic 显然不再满足于做一个高溢价的软件 Copilot。

在资本市场的聚光灯下，它正在重构的故事，是一个正在迈向实体生产力的自主执行单元。

本文来自微信公众号 “AI前线”（ID：ai-front），作者：飞野、青和，36氪经授权发布。