Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2

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

Claude Fable 5.2 和 Claude Mythos 5.2 在编程、推理和视觉等领域均有提升。在预发布测试中，它们帮助我们的工程师完成了原本难以实现的软件迁移，从零设计了三个可工作的电子设备，解决了黑洞物理学中的两个开放问题，在机器人评估方面取得了实质性进展，并在 30 小时内完成了费马大定理的证明形式化——此外还有许多其他应用，我们将在下文讨论。

Claude Fable 和 Claude Mythos 是同一个底层模型。Fable 具备强大的网络安全和生物学防护措施以防止滥用，这使我们能够将其提供给所有用户。从事网络安全或生物医学研究有益应用的组织，可以通过我们近期扩展的 生命科学 和 网络安全 验证计划申请访问 Mythos。

测试人员发现，Fable 5.2 和 Mythos 5.2 的沟通比以往的 Fable 和 Mythos 模型更加清晰。它们的输出生成速度比 Claude Fable 5.1 和 Claude Mythos 5.1 快最多 30%，且价格更低：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，可将 token 生成速度提升最多 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。 为帮助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 的底层模型进行了广泛的预发布安全测试。这包括开发新的评估方法，以更深入地洞察沙箱逃逸等特定的令人担忧的行为。我们认为来自失准的高风险仍然较低，且该模型在大多数对齐指标上的表现与我们的近期模型相当或更好。Fable 5.2 的网络和生物学防护措施与 Fable 5.1 一样稳健，但产生的误拦截更少，并且我们实施了有史以来最强的防蒸馏攻击保护。

我们在下文进一步介绍了安全测试的相关内容，完整细节也可在 Claude Fable 5.2 与 Mythos 5.2 系统卡 中查阅。

何时使用 Claude Fable 5.2 与 Mythos 5.2。 Fable 与 Mythos 最适合最具雄心、开放式的技术工作。对于大多数编程与知识类任务，我们建议用户先从 Claude Opus 5.5 入手——它是我们最强的日常主力模型——然后根据工作的范围与复杂度按需切换到其他模型：向上切换至 Fable 或 Mythos，或向下切换至 Claude Sonnet 5.5 或 Claude Haiku 5.5。Fable 5.2 还可以扮演 Advisor（由 Haiku、Sonnet 或 Opus 模型向其咨询，以帮助解决更难的问题）或 Orchestrator（将更简单的任务委派给更小的模型）的角色。

评估 Claude Fable 5.2 与 Mythos 5.2

基准测试表现。 下表的基准测试结果显示，在我们评估的几乎所有能力上，Claude Fable 5.2 与 Mythos 5.2 都比 Opus 5.5 更胜一筹：

| | Fable 5.2 | Fable 5.1 | Opus 5.5 | GPT-6 Astra | Gemini 4 Carbon | | --- | --- | --- | --- | --- | --- | | Agentic codingFrontierCode 2.0 | | | | | | | Agentic codingFrontierCode 2.0 | 49.1%Xhigh effort | 32.4%Xhigh effort | 45.5% | 42.8% | 41.1%Medium effort | | Agentic codingFrontierSWE v2 | | | | | | | Agentic codingFrontierSWE v2 | 69.9% | 56.3% | 62.3% | 65.5% | 61.2% | | Business workflowsAutomationBench | | | | | | | Business workflowsAutomationBench | 51.4% | 31.4% | 42.5% | 41.4% | 53.9% | | Agentic scientific researchTerminal-Bench-Science 0.1 | | | | | | | Agentic scientific researchTerminal-Bench-Science 0.1 | 74.6%75.3% (Mythos 5.2) | 52.6% | 58.7% | 68.1% | 64.8% | | CybersecurityCyScenarioBench† | | | | | | | CybersecurityCyScenarioBench† | 76.3%Mythos 5.2 | 61.7%Mythos 5.1 | 67.6%without safeguards | 61%GPT-6 Cyber | — | | CybersecurityCVE Rediscovery | | | | | | | CybersecurityCVE Rediscovery | 89.6%Mythos 5.2 | 78.3%Mythos 5.1 | 81.3%without safeguards | — | — | | Protein designDe novo binder design (24 hr) | | | | | | | Protein designDe novo binder design (24 hr) | 85.1%Mythos 5.2 | 79.1%Mythos 5.1 | 82.6%without safeguards | — | — | | Agentic searchWANDR (relaxed score) | | | | | | | Agentic searchWANDR (relaxed score) | 82.1% | 68.7% | 72.3% | — | — | | Computer useOSWorld 2.1 (offline set, partial) | | | | | | | Computer useOSWorld 2.1 (offline set, partial) | 89.3% | 83.5% | 87.2% | 79.5% | 81.5% | | RoboticsRoboDojo Sim‡ | | | | | | | RoboticsRoboDojo Sim‡ | 64.9% | 27.6% | 39.4% | 29.8% | — | | Knowledge workAA-Briefcase v1.1 | | | | | | | Knowledge workAA-Briefcase v1.1 | 66.1%rubric | 61.5%rubric | 61.2%rubric | 52.0%rubric | 61.8%rubric | | 1785Elo | 1669Elo | 1800Elo | 1569Elo | 1611Elo | | | Knowledge workRemote Labor Index (RLI) | | | | | | | Knowledge workRemote Labor Index (RLI) | 41.3%High effort | 17.9% | 21.3% | 20.8% | — | | Multidisciplinary reasoningHumanity’s Last Exam (with tools) | | | | | | | Multidisciplinary reasoningHumanity’s Last Exam (with tools) | 74.2% | 65.6% | 67.7% | 57.2% | — | | Visual chart recognitionChartography (no tools) | | | | | | | Visual chart recognitionChartography (no tools) | 73.4% | 44.8% | 64.4% | 71.0% | 72.5% |

关于评估方法的详细信息，请参阅 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 的分数均为开启安全防护措施后的结果。除非另有说明，所有分数均显示各模型可用的最高 effort 设置。† 在 CyScenarioBench 上，各实验室的分数基于唯一任务计算。‡ RoboDojo Sim 显示的是可用的最高 effort，且为内部运行。

Effort 与效率。 在 Medium effort（Claude 应用和 Claude Code 中的默认设置）下，Fable 5.2 能以比 Fable 5.1 更少的 token 完成具有挑战性的任务。在 FrontierCode 2.0 评估的早期测试中，Fable 5.2 在 High effort 下的得分与 Opus 5.5 在 Max effort 下大致相当，而每个任务的成本约为后者的一半。在 Xhigh effort 下，它也是我们测试过的所有已发布模型中得分最高的。

Agentic 编码：FrontierCode 2.0Agentic 搜索：WANDR硬件工程：BenchCAD 2.1多学科推理：Humanity's Last Exam视觉图表识别：ChartographyAgentic 编码：FrontierCode 2.0Agentic 搜索：WANDR硬件工程：BenchCAD 2.1多学科推理：Humanity's Last Exam视觉图表识别：ChartographyFrontierCode 2.0准确率与成本对比

• Fable 5.2
• Opus 5.5
• Fable 5.1
• GPT-6 Astra
• Gemini 4 Carbon

10203040500得分 (%)125102050每任务成本（美元，对数刻度）LowMedHighXhighMax

FrontierCode 衡量的是模型的代码改动能否被开源仓库的维护者合并。在 High effort 下，Fable 5.2 的得分与 Opus 5.5 的最佳得分大致相同（45.3% 对 45.5%），而每个任务的成本约为后者的一半，并且在成本大致相同的情况下领先于 GPT-6 Astra 的最佳成绩（42.8%）。在 Xhigh effort 下，Fable 5.2 达到 49.1%，是我们测试过的所有已发布模型中的最高分。

WANDR（宽松评分）准确率与成本对比

• Fable 5.2
• Opus 5.5
• Fable 5.1

304050607080900得分 (%)125102050每次尝试成本（美元，对数刻度）LowMedHighXhighMax

Perplexity 的 WANDR 基准测试衡量 agent 在大型数据收集任务上的表现。在 Medium effort 下，Fable 5.2 达到 Opus 5.5 的最高分，而每个任务的成本约为后者的 40%。

BenchCAD 2.1（含工具）准确率与成本对比

• Fable 5.2
• Opus 5.5
• Fable 5.1

020406080得分（0–100）0.030.100.30131030每次尝试成本（美元，对数刻度）LowMedHighXhighMax

BenchCAD 2.1 衡量硬件工程能力，具体评估模型的设计与参考几何结构和电路图的匹配程度，采用 0–100 分制并给予部分得分。在 Max 努力级别下，Fable 5.2 得分为 83.5，领先于 Opus 5.5（65.3）和 Fable 5.1（44.4）。

Humanity's Last Exam（使用工具）准确率与成本对比

• Fable 5.2
• Opus 5.5
• Fable 5.1

506070800得分 (%)0.100.200.50125每次尝试成本（美元，对数刻度）GPT-6 Astra (Max)：57.2%LowMedHighXhighMax

Humanity's Last Exam（HLE）是一项测试专家级学术知识与推理能力的基准。在 Low 努力级别下，Fable 5.2 便达到了 Opus 5.5 的最高得分，而每次任务的成本不到后者的十分之一。

Chartography（不使用工具）准确率与成本对比

• Fable 5.2
• Opus 5.5
• Fable 5.1

3040506070800得分 (%)0.020.050.100.200.501每次尝试成本（美元，对数刻度）GPT-6 Astra (Max)：71.0%Gemini 4 Carbon：72.5%LowMedHighXhighMax

Chartography 测试模型读取图表和图形的准确程度。在 Medium 努力级别下，Fable 5.2 得分为 66.4%，超过了在 Max 努力级别下的 Opus 5.5（64.4%），而每次任务的成本不到后者的十分之一。

编程

如今，合并进 Anthropic 核心代码库的变更中，超过 90% 由 Claude 编写（在人类指导下）。我们已使用 Fable 5.2 在几分钟内修复顽固的 bug、优化所有服务的性能，并完成那些原本因耗时过长或成本过高而无法尝试的高价值软件项目。一个运行早期版本 Fable 5.2 的智能体团队将一个关键生产服务从 Python 迁移到了 Rust——该服务如今更高效、更可靠，启动速度提升了约 26 倍。我们发现，Fable 5.2 展现出强大的工程判断力，即使面对模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 承担设计一个原型操作系统的任务。从一个空文件夹开始，该模型协调了 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。它产出了一个可运行的操作系统，能在笔记本电脑上启动，拥有自己的运行机器的内核、磁盘、键盘和网络驱动、永久文件存储、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 的编程能力能够成功应用于广泛任务感到印象深刻：

VercelShopifyDatadogUnityUberOracleiGentSnowflakeCognitionVercelShopifyDatadogUnityUberOracleiGentSnowflakeCognition引用

“这个模型仿佛就在我脑子里。它能理解我给出的每一条提示背后的意图。我一次都不用说‘不，我的意思是……’。我们用其他模型推进了好几周的项目，在 Claude Fable 5.2 的帮助下几天内就完成并得到了队友的批准，而审查其代码的人也没什么可挑剔的。”

公司Vercel作者Joe Haddad，技术员工成员引用

“Claude Fable 5.2 非常擅长把一个粗略的想法打磨完善。它的回答经过深思熟虑，通常几轮对话之内我几乎总能说‘好，就这么做’，并且相信它几乎不需要干预就能完成。感觉就像和另一位资深工程师一起工作。”

公司Shopify作者Tom Pritchard，资深工程师引用

“你可以直接把 Claude Fable 5.2 丢进它从未见过的新颖、模糊的系统里，它会自己弄清楚如何真正在其中运作。它几乎就像一个事故指挥官，能派出更快的模型去获取快速信号并进行协调，从而减轻了我作为操作员的负担。”

公司Datadog作者Matt Lee，高级资深工程师引用

“Claude Fable 5.2 能完成之前模型难以胜任的任务。目前最明显的例子是从零构建更高质量的 3D 场景，以及根据视觉参考重建一段体验。它在较难的 game-dev 任务上非常强，会不断迭代改进，而不是卡住不动。”

公司Unity作者Sam Zhang，创意技术专家引用

“我让 Claude Fable 5.2 跑了一次 10–12 小时的安全审计。它派出了大约 170 个审查 agent，最后交回了一份报告、修复 PR 和一份策略提案。它会一直工作到任务真正完成，而不是停在一个看似合理的检查点。它的自我纠错和对缺口的坦诚让我印象深刻。在 High effort 下，对于长时间无人值守的审计和文档繁重的工作，我会选择用它而不是我现在用的东西。”

公司Uber作者Andrew Mager，资深工程师，Agentic Systems引用

“在一项结合了国家债务摘要、还款历史和区域基准的测试中，Claude Fable 5.2 生成的 SQL 返回了预期结果。另外两个模型生成的 SQL 也成功运行，但错误地对国家级汇总金额进行了求和，产生的数值是预期金额的 5–8 倍。正是这些业务计算能否做对，让我们看到了使用 Fable 5.2 进行企业级 SQL 生成的价值。”

公司Oracle作者Liyu Gong，机器学习高级经理引言

“在一次会话中，Claude Fable 5.2 构建了一个 hypervisor，也就是将共享同一台机器的虚拟计算机彼此隔离的软件。其核心经过数学证明能够将它们隔开。超过 3,500 个机器校验证明覆盖了所有情况，而不仅仅是你测试过的那些。这是我见过的第一个能把如此庞大的问题拆解成可证明的片段、将它们组合起来，并持续承担更具挑战性工作的模型。相比 Fable 5.1 是一次非常明显的升级。”

公司iGent作者Sean Ward，联合创始人兼 CEO引言

“Claude Fable 5.2 是我们在 data-eng-bench 上测得过的最强模型，这是我们开源的包含 103 个数据工程任务的基准测试。它在重复运行中稳定地解决了任务，并通过了我们交给它的每一个交互式编码任务。”

公司Snowflake作者Bala Kasiviswanathan，AI 与开发者体验副总裁引言

“Claude Fable 5.2 会说它不知道某些事情，而不是产生幻觉。有一次它告诉我它上一次的估计是错的，并且在测量变化之前不会给出数字。非常令人印象深刻！”

公司Cognition作者Adhyyan Sekhsaria，技术员工

网络安全

Claude Mythos 5.2 是我们用于网络安全工程的最强模型。它比我们之前的模型发现更多漏洞，并且更擅长复现和修复这些漏洞（请注意，Claude Fable 5.2 的防护措施会阻止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 发现的已确认漏洞中，有六分之一被他们所测试的所有其他前沿模型遗漏。在我们的内部评估 CVE Rediscovery¹ 中，Claude Mythos 5.2 发现的漏洞比 Claude Opus 5.5 多 10.2%，比 Claude Mythos 5.1 多 14.4%。Claude Mythos 5.2 还表现出更好的判断力和校准能力——一位测试人员发现，之前的模型曾夸大过大约二十分之一发现结果的严重性，而 Claude Mythos 5.2 没有夸大任何一项。²

CVE Rediscovery准确率 vs. 成本

• Mythos 5.2
• Opus 5.5
• Mythos 5.1

发现公告 (%)0.100.200.5012510每次尝试成本（美元，对数刻度）低中高极高最高

CVE Rediscovery 是一项内部网络安全评估，用于衡量模型在给定 CVE 修复前项目快照的情况下，能够独立发现多少已公开的 CVE（通用漏洞与暴露）。我们在 2026 年 10 月针对 1,829 个 CVE 的运行结果显示，Claude Mythos 5.2 在每个努力级别上都优于 Claude Mythos 5.1 和 Claude Opus 5.5。

Claude Mythos 5.2 的网络能力可通过我们的 Cyber Verification Program 获取，我们正在持续扩展和改进该计划。Claude Enterprise 客户（即使不是 Cyber Verification Program 的成员）也可以访问 Claude Security，它使用我们最强大的模型扫描代码库中的漏洞——现在包括 Claude Mythos 5.2。Claude Security 的近期更新帮助它在代码更新时监视代码仓库、跟踪任何发现以确保其得到修复、从额外上下文中学习，并通过 API 和 MCP 连接到用户的工具。

RubrikMozillaRubrikMozilla引用

“我们与 Anthropic 的新模型 Claude Mythos 5.2 密切合作，在我们自己的系统中进行了下一轮高保真威胁发现和消除，针对我们此前用早期 Mythos 模型未能发现的问题。输出更易读，使我们的团队能够更快、更轻松地进行抽查。我们用 Mythos 5.1 构建了 Code Guardian harness，我们将切换到 Mythos 5.2，为客户提供更强大的网络能力。”

公司Rubrik作者Arvind Nithrakashyap，联合创始人兼首席技术官引用

“Claude Mythos 5.2 好得惊人。我们全年与 Anthropic 团队密切合作，用 successive generations of Claude 模型加固 Firefox，每一轮留下的可发现漏洞都更少、更隐蔽。即便如此，Mythos 5.2 在各自的扫描活动中，漏洞发现指标大约是 Mythos 5.1 的两倍。”

公司Mozilla作者Brian Grinstead，杰出工程师

科学与工程

科学、工程和数学领域的重要任务正日益依赖编程：数据分析、分子建模、零件设计和仪器控制都通过软件来完成。下面，我们讨论 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。两者都涉及黑洞，以及统一现代物理两大支柱理论——相对论与量子力学——的努力。

Claude 的两项结果都依赖于全息对偶，即某些包含引力的宇宙可以由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 年已经证明，随着这些宇宙升温，黑洞会像水沸腾一样突然形成；但他们的方法只适用于大到足以应用相对论的大宇宙。2003 年提出了一个计算方案，用以确定在只能使用量子描述的极小宇宙中是否同样如此，但该计算过于繁重，无法完成。Fable 5.2 在很大程度上自主完成了这一计算，并发现那里的转变同样是突变的。在第二个问题中，Fable 5.2 找到了物理学家使用超过 15 年的一种技术的精确极限，该技术用于在简化宇宙中排除量子引力的候选理论。有关这些结果的更多信息，请参阅各自的预印本，此处和此处。

蛋白质折叠

腺相关病毒是一种小型、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——但它也高度复杂。现有的蛋白质折叠模型（如 AlphaFold）可以预测单个蛋白质，但一个衣壳由数十个蛋白质构建而成。基于两个开源蛋白质折叠模型，Claude Mythos 5.2 找到了一种准确预测整个衣壳结构的新方法。它编写了代码，在重叠的蛋白质链组上运行这些模型，并利用关于衣壳已知对称性的信息将它们合并在一起。

Claude 的方法在多种衣壳上均奏效，无论是天然的还是经过工程改造的（在我们的测试中，它准确建模了所尝试的 34 个衣壳中的 28 个）³。三位计算生物学家分享了以下见解，探讨如何利用 Claude 的能力来加速他们在基因治疗领域的研究：

Dyno Therapeutics哥伦比亚大学BiohubDyno Therapeutics哥伦比亚大学Biohub引用

“这种加速可以为我们的衣壳折叠流程节省大量时间和成本，使我们能够更高效地将算力分配到基因药物所需的众多衣壳特性上。我们很高兴能帮助 Anthropic 进一步推进推理能力，从而降低衣壳设计的整体成本。”

公司Dyno Therapeutics作者Sam Sinai，联合创始人兼 AI 负责人引用

“包括衣壳在内的大型蛋白质组装体，由于需要准确预测和定位数十个独立大分子结构，加之涉及的计算成本极其高昂，仍然是蛋白质建模领域的一个未解难题。Claude 的方法巧妙地解决了对称组装体的这一问题，使得单个科学家能够在个人工作站上对系统进行建模，而此前这需要专用集群才能完成。”

公司哥伦比亚大学作者Mohammed AlQuraishi，系统生物学与计算机科学助理教授引用

“Biohub 开源 ESMFold2 的目标，是让科学界能够在其所学到的生物学知识基础上继续构建。我们很高兴看到 Claude 原型验证了一种新的采样流程，能够预测大型对称复合物，例如 AAV 衣壳——一种用于递送基因治疗的蛋白质。我们将继续吸纳社区中此类贡献，把我们的工具扩展到重要的应用领域。”

公司Biohub作者Zeming Lin，首席研究科学家

数学

数学形式化。 形式化是将数学证明转换为计算机能够逐步检查的语言的过程。它可以帮助人类数学家在不需手动检查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，这一点尤为重要）。由于形式化是一个极其费力的过程，如果 AI 能够协助完成，数学家就能有更多时间去探索新颖的想法。

我们首次对费马大定理的形式化由 Claude 的一个未发布研究版本完成，耗时 11 天。它依赖一套专门构建的 harness，以及一位人类研究者的指导。相比之下，一个由 1,000 个 Fable 5.2 智能体组成的团队仅用 30 小时就完成了该定理的完整形式化，且几乎无需人工干预。Fable 5.2 从极简提示出发，自行构建了协调方式，并且没有使用任何数学参考资料，只使用了一份中间定理陈述列表来评估进展。它所需的 action token 仅为我们首次形式化的三分之一，并生成了短七倍的证明。如下图所示，Opus 5.5（在相同的 1,000 智能体设置下）在 18 小时内仅完成了 26% 的形式化，并且在 30 小时之后几乎没有取得更多进展。