Claude Fable 5.2 / Mythos 5.2 发布：几乎所有能力比 Opus 5.5 高一档，1,000 个智能体 30 小时形式化费马大定理，价格降到 8/40 美元

我们升级了 Claude Fable 和 Claude Mythos——这两款模型专为应对最艰巨的技术挑战而设计。

Claude Fable 5.2 和 Claude Mythos 5.2 在编程、推理和视觉等方面都有提升。在预发布测试中，它们帮助我们的工程师完成了原本无法实现的软件迁移，从零设计了三款能正常工作的电子设备，解决了黑洞物理中的两个开放问题，在机器人评估上取得了实质性进展，并在 30 小时内完成了费马大定理证明的形式化——以及许多我们将在下文讨论的其他应用。

Claude Fable 和 Claude Mythos 是同一个底层模型。Fable 带有强力的网络安全和生物学防护措施以防滥用，这让我们可以向所有用户开放它。在网络安全或生物医学研究领域开展有益应用的组织，可以通过我们最近扩大的生命科学验证计划和网络安全验证计划申请使用 Mythos。

测试者发现，Fable 5.2 和 Mythos 5.2 的沟通比以往的 Fable 和 Mythos 模型更清晰。它们生成输出的速度比 Claude Fable 5.1 和 Claude Mythos 5.1 最多快 30%，价格也更低：每百万输入 token 8 美元，每百万输出 token 40 美元。

Fable 5.2 和 Mythos 5.2 还提供可选的快速模式，能把 token 生成速度最多提升 2.5 倍。快速模式的价格为每百万输入 token 16 美元、每百万输出 token 80 美元。

安全与对齐。 为确保安全与对齐跟上模型能力的增长，我们对 Fable 5.2 和 Mythos 5.2 背后的模型进行了大量预发布安全测试。其中包括开发新的评估，以更深入地了解沙箱逃逸等特定的令人担忧的行为。我们认为，未对齐带来的高风险仍然很低，该模型在大多数对齐指标上的表现与我们近期的模型持平或更好。Fable 5.2 的网络安全和生物学防护与 Fable 5.1 一样稳健，但产生的不必要拦截更少；我们还实施了迄今最强的防蒸馏攻击保护。

我们在下文会进一步介绍安全测试，完整细节见《Claude Fable 5.2 与 Mythos 5.2 系统卡》。

何时使用 Claude Fable 5.2 和 Mythos 5.2。 Fable 和 Mythos 最适合最雄心勃勃、开放式的技术工作。对于大多数编程和知识类任务，我们建议用户先从我们最强的日常主力模型 Claude Opus 5.5 开始，再根据工作的范围和复杂度按需切换——向上切到 Fable 或 Mythos，或向下切到 Claude Sonnet 5.5 或 Claude Haiku 5.5。Fable 5.2 还可以担任「顾问」（Haiku、Sonnet 或 Opus 模型向它咨询以解决更难的问题）或「编排者」（由它把较简单的任务委派给较小的模型）。

评估 Claude Fable 5.2 和 Mythos 5.2

基准表现。 下面的基准测试表显示，在我们评估的几乎所有能力上，Claude Fable 5.2 和 Mythos 5.2 都比 Opus 5.5 高出一档：

评估方法详见《Claude Fable 5.2 与 Claude Mythos 5.2 系统卡》。除非另有说明，Fable 5.2、Fable 5.1 和 Opus 5.5 的分数均为开启防护时的结果。除非另有说明，所有分数均为各模型可用的最高推理强度。† 在 CyScenarioBench 上，各实验室的分数基于各自不同的任务。‡ RoboDojo Sim 为最高可用强度，由内部运行。

推理强度与效率。 在 Medium 强度（Claude 应用和 Claude Code 的默认设置）下，Fable 5.2 能用比 Fable 5.1 更少的 token 完成有挑战性的任务。在 FrontierCode 2.0 评估的早期测试中，High 强度的 Fable 5.2 得分与 Max 强度的 Opus 5.5 大致持平，而单任务成本大约只有一半。在 Xhigh 强度下，它也是所有已发布并测试过的模型中得分最高的。

编程

如今，合并进 Anthropic 核心代码库的改动有超过 90% 是由 Claude（在人类指导下）编写的。我们用 Fable 5.2 在几分钟内修复顽固 bug，优化了所有服务的性能，并完成了一些原本太慢或成本太高而无法尝试的高价值软件项目。一个运行 Fable 5.2 早期版本的智能体团队把一个关键生产服务从 Python 迁移到了 Rust——这个服务现在更高效、更可靠，启动速度快了约 26 倍。我们发现，Fable 5.2 有很强的工程判断力，即使面对含糊的需求也能产出高质量的结果。

作为一项实验，一位 Anthropic 工程师让 Fable 5.2 设计一个原型操作系统。模型从一个空文件夹开始，协调了 1,000 多个子智能体，昼夜不停地工作了八天，编写、测试和审查代码。它做出了一个能在笔记本电脑上启动的可用操作系统，包括自己的内核来运行机器、磁盘、键盘和网络驱动、持久化文件存储、窗口、登录界面、安装程序，以及内置的 Claude 功能（见下方视频）。

早期测试者对 Fable 5.2 的编程能力能成功应用到如此广泛的任务上印象深刻：

网络安全

Claude Mythos 5.2 是我们在网络安全工程方面能力最强的模型。它能比以往模型发现更多漏洞，也更擅长复现和修复漏洞（注意，Claude Fable 5.2 的防护措施会拦截大多数与网络安全相关的任务）。一家安全公司发现，Claude Mythos 5.2 找到的已确认 bug 中，每六个就有一个是他们测试过的其他所有前沿模型都漏掉的。在我们的内部评估 CVE Rediscovery¹ 上，Claude Mythos 5.2 比 Claude Opus 5.5 多发现 10.2% 的漏洞，比 Claude Mythos 5.1 多发现 14.4%。Claude Mythos 5.2 还表现出更好的判断和校准——一位测试者发现，以往模型会夸大大约 1/20 发现的严重程度，而 Claude Mythos 5.2 一个都没有夸大。²

Claude Mythos 5.2 的网络安全能力可通过我们的网络安全验证计划获取，我们正在继续扩大和改进这一计划。Claude Enterprise 客户（即使不是网络安全验证计划成员）可以使用 Claude Security，它用我们能力最强的模型扫描代码库中的漏洞——现在也包括 Claude Mythos 5.2。Claude Security 最近的一次更新让它可以在代码更新时持续监控仓库、跟踪每个发现以确保被修复、从额外上下文中学习，并通过 API 和 MCP 连接用户的工具。

科学与工程

科学、工程和数学中的重要任务越来越依赖编程：分析数据、模拟分子、设计零件、控制仪器，都是通过软件完成的。下面我们介绍 Claude Fable 5.2 和 Claude Mythos 5.2 如何帮助研究人员在这些领域的难题上取得进展。

理论物理

Claude Fable 5.2 解决了理论物理中的两个开放问题。两者都与黑洞有关，也都关乎统一现代物理两大支柱理论——相对论与量子力学——的努力。

Claude 的两项成果都依赖全息对偶，即某些包含引力的宇宙可以用一个完全不含引力的量子理论精确描述。在第一个问题中，物理学家在 1983 年证明，当这类宇宙升温时，黑洞会突然形成，就像水沸腾一样；但他们的方法只适用于足够大、能够应用相对论的宇宙。确定在只能使用量子描述的极小宇宙中是否同样如此的计算方法早在 2003 年就已提出，但因过于繁琐而一直未能完成。Fable 5.2 在很大程度上自主地完成了这项计算，发现那里的转变同样是突然的。在第二个问题中，Fable 5.2 找到了物理学家 15 年多来一直用来在简化宇宙中排除候选量子引力理论的一种技术的确切极限。关于这些成果的更多内容，请分别阅读相应的预印本。

蛋白质折叠

腺相关病毒（AAV）是小型、无害的病毒，其蛋白质外壳——衣壳——可用于递送基因疗法。衣壳的蛋白质结构很重要——例如它会影响疗法是否会被患者的免疫系统阻断——但它也极其复杂。AlphaFold 等现有蛋白质折叠模型可以预测单个蛋白质，但一个衣壳由几十个蛋白质组成。Claude Mythos 5.2 在两个开源蛋白质折叠模型的基础上，找到了一种准确预测整个衣壳结构的新方法。它编写代码让这些模型在相互重叠的蛋白质链组上运行，再利用衣壳已知的对称性把结果拼合起来。

Claude 的方法在多个天然和工程化衣壳上都有效（在我们的测试中，它尝试的 34 个里准确建模了 28 个）。³ 三位计算生物学家分享了他们对 Claude 的能力如何加速其基因疗法研究的看法：

数学

数学形式化。 形式化是把数学证明翻译成计算机可以逐步检查的语言的过程。它可以帮助人类数学家在不必手工核对的情况下对结果建立信心（当 AI 模型生成人类难以验证的结果时，这一点更加重要）。由于形式化极其费力，如果 AI 能协助完成，数学家就能把更多时间用于探索新想法。

我们对费马大定理的第一次形式化由一个未发布的 Claude 研究版本完成，耗时 11 天。它依赖一个专门打造的框架以及一位人类研究员的指导。相比之下，一个由 1,000 个 Fable 5.2 智能体组成的团队仅用 30 小时、在极少人为干预的情况下就完整形式化了这一定理。Fable 5.2 从极简的提示开始，自行建立协调方式，没有使用任何数学参考资料，只用了一份中间定理陈述清单来给进度打分。它所需的动作 token 只有第一次形式化的三分之一，产出的证明短了七倍。如下图所示，Opus 5.5（使用同样的 1,000 智能体设置）在 18 小时内只完成了 26% 的形式化，30 小时后也几乎没有更多进展。

关于这次形式化的更多内容请见相关文章。

硬件与机器人

AI 的许多潜在好处——比如加速实验室研究——取决于它能否在物理世界中行动。Claude Fable 5.2 延续了我们模型在现实世界中越来越有用的趋势，在设计硬件设备等任务上表现出可喜的结果，在控制实体机器人方面也有大幅进步。

硬件工程。 我们测试了 Fable 5.2 的硬件工程能力：用一段话的提示，让它设计并制造三款能工作的电子设备，各自带有电路板、3D 打印外壳和软件。这三款设备（见下图）分别是一个家用语音助手中枢、一个 USB 免提电话和一个手持电子宠物。我们与设计和制造电路板的公司 Diode 合作完成了这个项目。

Claude 自己编写了规格说明，从美国分销商那里挑选可购买的电子元件，为每台设备的四层电路板布线，用计算机辅助设计为外壳建模，并为设备编写了软件。每块电路板都在不到一天内就可以投产，几乎不需要人工输入。Diode 造好电路板后，Claude 指导该公司的工程师完成了设备的测试和组装。三台设备全部无需任何电气修改就能正常工作。关于 Claude 硬件工程能力的更多内容请见相关文章。

机器人。 与早期 Claude 模型相比，Fable 5.2 在控制实体机器人方面的能力大幅提升——即使是它从未专门训练过的机器人任务也是如此。下面的视频展示了由 Fable 5.2 控制的机器人完成各种任务，包括还原魔方、拧开瓶盖和画一幅机器人的画。在公开的 RoboDojo 基准（测试 AI 如何根据摄像头图像控制一个模拟双臂机器人）上，Fable 5.2 的表现超过了在同一框架上运行的其他前沿模型，也超过了大多数专门为控制机器人而打造的 AI 系统。

研究与分析

把 Claude Fable 5.2 用于研究和分析任务的早期测试者发现，它能处理比以往模型更含糊、更数据密集的任务，在含糊任务上——尤其是需要抽象推理和设计的任务——判断也更好。自营交易公司 Jump Trading 在类似其部分量化研究任务的代理评估上测试了 Fable 5.2，并把它嵌入一个与该公司自己做研究所用框架相似的环境中。在其中一次运行中，Fable 5.2 实际上承担了所有必需的角色：写代码、协调、规划和提交任务。以往的模型则需要投入大量时间，手动重新分配角色，以适应不同模型的长处和短板。

来自研究与分析机构的其他测试者向我们发来了他们使用 Fable 5.2 的体会：

安全与对齐

没有任何单一测试能告诉我们一个能力很强的模型部署后会如何表现，所以我们在发布前依靠许多不同的测试和许多不同类型的证据。对于 Claude Fable 5.2 和 Claude Mythos 5.2 背后的模型，我们的部署前安全工作包括对齐训练与测试、针对模型采取无益行动倾向的新设计评估、构建更强的防滥用措施，以及扩大行为监控的规模。该模型在发布前还接受了外部评估方的测试，包括英国 AI 安全研究所、Frontier Design 和 METR。关于他们报告的摘要⁴以及我们自己安全和能力测试的完整说明，请见《Claude Fable 5.2 与 Mythos 5.2 系统卡》。

对齐测试

我们运行了一系列评估，测试 Claude Fable 5.2 和 Claude Mythos 5.2 在行为层面的对齐程度，即它们以非预期且可能不安全的方式行事的频率。综合各项评估中看到的一切，我们评估这些模型在高风险情境中做出不安全行为的风险很低（与我们其他近期模型一样）。

我们在自动化行为审计上测试了 Claude Mythos 5.2（与 Fable 5.2 是同一底层模型，但没有部分网络安全或生物学防护），该审计测试模型在大约 1,900 个场景中的行为。Claude Mythos 5.2 在大多数指标上的表现与 Opus 5.5、Sonnet 5.5 和 Claude Mythos 5.1 持平或更好。例如，在大多数涉及误导用户的指标上，它的得分都优于这三个模型。虚构输入、谎称已完成任务、遗漏重要信息、不披露糟糕或偷懒的工作，这些情况在 Claude Mythos 5.2 中都更少。⁵

在测试中，我们特别关注了导致近期一些引人注目的网络安全和对齐事件的行为。例如，我们发现 Claude Mythos 5.2 进行有偏或动机性推理的倾向低于 Opus 5.5、Sonnet 5.5 和 Mythos 5.1（这类推理可能意味着它会「解释掉」表明自己并非身处模拟环境的证据，从而在不真正理解后果的情况下采取行动）。

我们运行了多项不同的评估来测试模型试图逃逸沙箱的倾向。在我们以前使用过的两项评估中，Claude Mythos 5.2 尝试沙箱逃逸的次数大幅少于我们测试过的任何其他模型。在一项专门的评估中——一个包含 1,800 多个场景的对抗性实验，其中大多数场景不逃逸沙箱就无法解决，而且沙箱被故意留有弱点——Claude Mythos 5.2 在 3.1% 的场景中使用了我们放在沙箱外的凭据或文件，与 Opus 5.5（3.3%）相当，低于 Sonnet 5.5（5.1%），并远低于以往的 Claude Mythos 版本（Mythos 5 和 5.1 分别为 39% 和 21%）。我们发现，描述沙箱情况、增加用于报告弱点的工具等其他技术，能进一步减少 Claude Mythos 5.2 的逃逸尝试。在其他指标上——例如其中一项涉及在错误地认定自己处于模拟环境后采取有害行动——Claude Mythos 5.2 的得分略逊于 Opus 5.5，与 Claude Mythos 5.1 大致持平。

在模型部署前构建能可靠捕捉每一种失败的评估，这个问题仍未解决。评估高能力模型的复杂性常常让情况变得模糊——例如，Claude Mythos 5.2 和 Fable 5.2 各自表达「怀疑自己正在被评估」的频率都高于我们近期的任何模型，这给我们评估它们在真实环境中会如何行动带来了挑战。随着这些环境的扩展、未来模型能力的提升，我们预计这一挑战还会加大。这就是为什么我们不单靠这些评估来全面了解安全性：我们还借助训练期间的监控、对内部使用记录的审查、外部评估方的测试，以及用于检查模型内部发生了什么的可解释性技术。我们也在努力让评估更贴近现实，并更好地理解它们遗漏了什么。

防护措施

网络安全和生物学防护。 与以往的 Claude Fable 模型一致，Fable 5.2 配有安全分类器，会拦截高风险的网络活动，包括渗透测试、漏洞利用生成和基于二进制的漏洞分析，以及研究型生物学中的大多数任务。当查询被拦截时，用户会改为收到来自 Opus 4.8（网络安全）和 Opus 5（生物学）的回复。自 Claude Fable 5.1 发布以来，我们一直在持续减少安全分类器的误报。根据在 claude.ai、Claude Code 和 Cowork 上的早期测试，我们观察到 Fable 5.2 的拦截比 Fable 5.1 少了约 55%——网络安全方面少约 60%，生物学方面少约 40%。Claude Mythos 5.2 向在这些两用领域工作的经过审核的组织开放。

AI 研发。 Claude Fable 5.2 和 Claude Mythos 5.2 背后的模型在通用能力上向前迈进了一步。不过，在模型训练期间，我们采取措施限制了最可能直接加速 AI 发展的特定研究能力的进步。因此，在加速器内核优化和改进大语言模型架构等相关领域，Fable 5.2 和 Claude Mythos 5.2 的表现大约与 Opus 5.5 相当。重要的是，我们确保这些训练上的改动没有影响相关能力，比如智能体编程、硬件开发，以及传统的 AI 或机器学习研究（包括可解释性研究）。我们不会在模型为用户提供服务时（即推理阶段）改变这些能力。如系统卡第 1.5 节所述，与以往模型类似，Fable 5.2 和 Claude Mythos 5.2 在这一领域的一小部分主题上（包括在某些非标准加速器上的内核开发）也会透明地回退到 Opus 5。

防蒸馏。 蒸馏是指用更先进模型的输出训练另一个模型，以提取先进模型的能力。这种行为正在以工业规模非法发生，往往涉及成千上万个假冒的 Claude 账号。由于蒸馏会让先进能力在没有我们为 Claude 构建的防护措施的情况下被释放出去，它会带来安全和国家安全风险（关于我们迄今发现并阻断的非法蒸馏活动，详见我们 2026 年 9 月的威胁情报报告）。Fable 5.2 拥有我们发布过的所有模型中最强的防蒸馏保护；它采用了我们在近期一份报告中介绍的技术，这些技术已让蒸馏者获取的数据减少了 90% 到 99%。

我们还在扩大一项帮助防范非法蒸馏的 API 功能的推广范围：「保留思考」（preserved thinking）现在适用于所有账号。保留思考可以防止蒸馏者通过编辑 Claude 之前的上下文来提取其推理过程（开发者可参阅我们的保留思考文档，了解如何更新集成以适配新的 API 功能）。

数据隐私与 Enterprise Frontier Safeguards

一些更复杂的 AI 模型滥用形式，只有在观察多个请求之间的模式时才能被发现。因此，像 Claude Fable 5.2 和 Claude Mythos 5.2 这样的强大模型依赖于监控一段时间窗口内使用数据（而不是单个回复）的防护措施。借助 Enterprise Frontier Safeguards，自动化安全监控会在存储于客户自有基础设施中的提示和回复上运行，从而与零数据保留（ZDR）兼容。Enterprise Frontier Safeguards 目前处于私有测试阶段，客户包括 Bridgewater、Salesforce 和 Stripe。

企业客户可以联系客户团队或填写表单申请使用 Enterprise Frontier Safeguards。符合条件的客户在接入 EFS 安全监控之前，可以继续以零数据保留的方式使用 Claude Fable 5.2 和 Claude Mythos 5.2。对其他客户，我们为安全监控保留 30 天的数据。

可用性

Claude Fable 5.2 今天起在所有平台上可用，包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。开发者可以在 Claude Platform 上通过 claude-fable-5-2 开始使用。

本周，我们为符合条件的付费套餐订阅用户提供额外的 Fable 用量。包含 Fable 模型的套餐和席位将根据订阅时长获得一到三次 Fable 用量重置；对于 Pro 套餐和 Team 套餐的标准席位，Fable 最多可占每周用量上限的 50%。了解更多关于 Fable 5.2 发布促销的信息。

网络安全专业人士可以通过网络安全验证计划申请使用 Claude Mythos 5.2。Claude Enterprise 客户也可以使用由我们全系列模型（包括 Claude Mythos 5.2）驱动的 Claude Security。生命科学研究人员也可以通过生命科学验证计划申请使用。

Claude Fable 5.2 和 Claude Mythos 5.2 的快速模式可在 Claude Code、Claude Platform、Google Cloud 上的 Claude 模型（Anthropic 托管和 Google 托管）以及 Microsoft Foundry（Anthropic 托管）上使用。请注意，Claude Mythos 快速模式仅向参与我们验证计划的组织开放。

脚注

¹ CVE 指通用漏洞披露（Common Vulnerabilities and Exposures），是一个对软件漏洞进行编号登记的系统。

² 这些数字是一位测试者审计中的原始发现，不过测试者们一致发现 Claude Mythos 5.2 比早期模型识别出更多漏洞。在我们自己的评估中，漏洞识别能力大致与 Opus 5.5 相当（见系统卡）。

³ 此前关于建模 AAV 衣壳和其他大型对称蛋白质系统的工作包括 FoldaVirus、EvoDOCK 及其对称扩展、SymProFold、CapBuild、MoLPC、CombFold、Uni-Fold Symmetry、Apodex Discovery，以及「大爆炸」初始化（最后一项在我们给 Claude Mythos 5.2 的提示中被提及）。这些方法通常是用分别预测的单链或小组链来组装完整结构。Claude 被允许使用已知的对称性，但被要求不得依赖组装。注意，准确度是通过与实验结构比较 Cα RMSD 来衡量的：在 AAV2（PDB:1LP3）上，OpenFold3-preview2 为 1.2 Å，ESMFold2 为 1.4 Å。只要任一模型的结果在 3 Å 以内，该衣壳即算作准确建模。对 AAV2，Claude 的方法在一块 NVIDIA H200 GPU 上用 OpenFold3-preview2 推理约需 58 分钟，用 ESMFold2 约需七分钟。

⁴ 所有外部机构均未审阅本博文或系统卡的内容。这些机构不一定认同两份文件中的任何说法。

⁵ 我们在 Claude Mythos 5.2 上运行这些测试，是因为在防护措施较少的情况下测试模型，能最全面地了解模型行为。我们预计 Fable 5.2 的行为会与之类似；在某些情况下，鉴于其防护更强，更多潜在的滥用路径应会被拦截。