文 | 字母 AI
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。