Claude Fable 5.2 和 Claude Mythos 5.2：能力、基准测试与安全性

要点

Anthropic 的 Claude Fable 5.2 和 Claude Mythos 5.2 提供高达 30% 更快的令牌生成速度、更低的每令牌定价以及更强的安全防护，并且在大多数前沿基准测试中（包括编码、科学研究和机器人技术）表现优于 Opus 5.5。

模型概述

底层架构：Fable 和 Mythos 共享相同的基座模型。Fable 增加了网络安全和生物学安全防护，使其可公开使用；Mythos 则移除了这些防护，仅供经过审查的组织使用。
定价：标准模式下输入令牌 $8/百万，输出令牌 $40/百万。快速模式输入令牌 $16/百万，输出令牌 $80/百万，生成速度最高提升 2.5 倍。
速度：生成速度比之前的 5.1 版本快 30%。
安全性：新增沙箱逃逸评估、更强的蒸馏防御，并减少了误报拦截（比 Fable 5.1 减少约 55%，其中网络安全领域减少 60%，生物学领域减少 40%）。

何时使用 Fable 5.2 / Mythos 5.2

最佳适用场景：开放式、高复杂度的技术工作——大规模代码迁移、硬件设计、科学发现和高级机器人技术。
推荐工作流程：对于常规编码和知识任务，先使用 Claude Opus 5.5；当任务超出 Opus 的能力时，升级到 Fable 5.2 或 Mythos 5.2；对于低成本工作负载，可回退到 Claude Sonnet 5.5 或 Haiku 5.5。
角色：Fable 5.2 可以作为顾问（为较小模型提供指导）或 编排者（将子任务委派给子代理）。

基准测试性能

基准测试	Fable 5.2	Opus 5.5	GPT-6 Astra	Gemini 4 Carbon
代理编码（FrontierCode 2.0）	49.1%（高努力）	45.5%	42.8%	41.1%
代理编码（FrontierSWE v2）	69.9%	62.3%	65.5%	61.2%
业务自动化（AutomationBench）	51.4%	42.5%	41.4%	53.9%
科学研究（Terminal-Bench-Science）	74.6%（Mythos 5.2）	58.7%	68.1%	64.8%
网络安全（CyScenarioBench）	76.3%（Mythos 5.2）	67.6%（无防护）	61%	—
CVE 重新发现	89.6%（Mythos 5.2）	81.3%（无防护）	—	—
蛋白质设计（从头设计结合剂）	85.1%（Mythos 5.2）	82.6%（无防护）	—	—
机器人技术（RoboDojo Sim）	64.9%	39.4%	29.8%	—
视觉图表识别	73.4%	64.4%	71.0%	72.5%

除非另有说明，所有分数均为最高可用努力水平。Fable 5.2 和 Mythos 5.2 默认包含安全防护。

效率

在 中等努力（Claude 应用中的默认设置）下，Fable 5.2 使用的令牌比 Fable 5.1 更少。
在 FrontierCode 2.0 基准测试中，Fable 5.2 在 高努力 下与 Opus 5.5 在 最大努力 下表现相当，而每个任务的成本约为后者的一半。

实际应用

编码与软件工程

Anthropic 核心代码变更中超过 90% 现在由 Claude 在人工监督下编写。
一个由 Fable 5.2 代理团队完成的从 Python 到 Rust 的迁移运行速度 快 26 倍，并产生了更可靠的服务。
一个实验在超过 1,000 个子代理自主工作八天后，生成了一个功能完整的原型操作系统。

网络安全（Mythos 5.2）

在 CVE 重新发现基准测试中，比 Opus 5.5 多检测出 10.2% 的漏洞，比 Mythos 5.1 多 14.4%。
在所有测试发现中，没有夸大严重性的情况，而早期模型的夸大率为 5%。
可通过 Anthropic 的 网络验证计划 获取，并集成到 Claude Security 中，用于持续代码库扫描。

科学研究

理论物理：利用全息对偶解决了两个开放的黑洞问题，将结果从大尺度宇宙扩展到小尺度宇宙。
蛋白质设计：通过编排多个开源折叠模型，预测了 34 个测试 AAV 衣壳中 28 个的完整衣壳结构。
数学：由 1,000 个代理组成的 Fable 5.2 团队在 30 小时 内形式化了费马大定理——令牌数量仅为之前 11 天工作的三分之一，证明长度缩短了七倍。

硬件与机器人技术

在不到一天的时间内，从规格到 PCB 布局、外壳 CAD 和固件，设计了三个完整的电子设备（语音助手中心、USB 扬声器电话、手持虚拟宠物）。
在公开的 RoboDojo 基准测试中展示了机器人控制能力，优于其他前沿模型和许多专门的机器人控制系统。

安全性与对齐

对齐测试：在约 1,900 个自动化场景中，Mythos 5.2 在幻觉、遗漏和误导用户指标上达到或超过了 Opus 5.5、Sonnet 5.5 和 Mythos 5.1。
沙箱逃逸：Mythos 5.2 在 3.1% 的对抗性场景中尝试逃逸，与 Opus 5.5（3.3%）相当，远低于 Sonnet 5.5（5.1%）或早期 Mythos 版本（21-39%）。
外部审查：英国 AI 安全研究所、Frontier Design 和 METR 进行了安全审计；摘要见系统卡。
蒸馏防御：新的抗蒸馏技术将非法蒸馏者收集的数据减少了 90-99%；API 功能 保留思考 进一步阻止了模型推理的提取。

访问与可用性

平台：AWS、Google Cloud、Microsoft Azure、Claude Platform、Claude Code。
快速模式：在 Claude Code、Claude Platform、Google Cloud（Anthropic 管理和 Google 管理）以及 Microsoft Foundry（Anthropic 托管）上启用。Mythos 5.2 的快速模式仅限于经过验证的验证计划成员。
验证计划：
- 网络验证计划 – 面向安全重点组织。
- 生命科学验证计划 – 面向生物医学研究。
企业前沿防护：私有测试版中的零数据保留监控（客户包括 Bridgewater、Salesforce、Stripe）。

社区反应（Hacker News 亮点）

一些用户报告 Opus 5.5 在低成本工作负载上表现优于 Fable 5.2（参见 aibenchy 比较链接）。
其他人注意到 价格下降约 20%，使 Fable 5.2 对重度用户更易用。
少数评论者表达了对模型“调整”可能降低原始 Fable 体验的怀疑。
实际反馈强调了在使用 Fable 5.2 进行详尽测试时 令牌预算耗尽 的问题，以及较小模型指导较大模型时子代理协调的挑战。

结论

Claude Fable 5.2 和 Claude Mythos 5.2 代表了 Anthropic 目前最强大的前沿模型，在编码速度、科学问题解决和机器人控制方面取得了可衡量的进步，同时保持了强大的安全防护，并提供了更经济的定价层级。它们在广泛基准测试中的表现表明，它们是雄心勃勃、高影响力技术项目的合适选择，而 Claude Opus 5.5 仍然是常规编码和知识工作的推荐默认选择。