返回资讯中心
外部精选
ai-models
#AI 工程#ainews: weekday roundups

Anthropic 发布 Claude Fable 5.2,重夺全球 LLM 第一

来源标题:[AINews] Fable 5.2 retakes World #1 LLM spot as $ANT IPO roadshow begins

Anthropic 在 IPO 路演首日发布 Claude Fable 5.2 和 Mythos 5.2,Fable 5.2 以 16.4% 的成绩从 Gemini 4 Carbon 手中夺回全球第一。其单 token 价格下降 20%(输入 8 美元、输出 40 美元/百万 token),但因大量调用子代理自查,SemiAnalysis 实测每任务成本从 67.16 美元升至 88.15 美元。

Latent Spaceswyx .ai2026/11/10 · 7 天前30 分钟阅读

以下正文由 AI 翻译自 Latent Space(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

周五,我们问过 Jamin Ball,Anthropic 的 IPO 接下来会怎么走。周一,路演开始了,Anthropic 也发布了大家期待已久的 Claude Fable 和 Mythos 下一代版本。当然,它是全球新的最强模型,从 Gemini 4 Carbon 手中夺回了 Opus 5.5 曾拥有的第一宝座——后者只风光了短短 10 天。 在 X 上查看帖子 ↗ Fable 的每 token 价格降低了 20%……但更耗 token,SemiAnalysis GDPx 和 Artificial Analysis 都同意这一点: Fable 5.1 的输入价格为每百万 token 10 美元,输出为每百万 token 50 美元。Fable 5.2 则是 8 美元和 40 美元。然而在专业任务基准 GDPx 上,SemiAnalysis 每任务花费 88.15 美元,高于此前的 67.16 美元。运行日志提供了线索。Opus 5.5 和 Fable 5.1 大约会尝试 20 个测试用例,而 5.2 有时会写数百甚至数千个,并启动子代理来独立检查自己的工作。所有这些检查帮助 Fable 以 16.4% 的成绩拿下第一。无论如何,你都要为这些检查买单。 生产环境该用哪个 effort 设置?在 FrontierCode 2.0 上,Anthropic 报告称 Fable 在 High 档与 Opus 5.5 在 Max 档表现相当,而每任务成本约为后者的一半……但别谈 Fable 在 Max 档的表现。 2026 年 11 月 7 日至 11 月 9 日的 AI 新闻。我们检查了 12 个 subreddit、544 个 Twitter 账号,没有再查 Discord。AINews 的网站可以搜索所有过往期刊。提醒一下,AINews 现在是 Latent Space 的一个栏目。你可以选择订阅或退订邮件!

AI Twitter 回顾

头条:Claude Fable 5.2 / Mythos 5.2 的基准测试、经济性、限制与初体验

发生了什么

Anthropic 发布了 Claude Fable 5.2 和 Claude Mythos 5.2,声称两者“在我们评估的几乎所有能力上都比 Opus 5.5 更胜一筹”。它在大多数独立排行榜上位居榜首。同时,它还刻意削弱了 RSI、提高了每任务成本,并限制了订阅访问权限。

  • 发布声明。@claudeai 宣布这对模型专为“最艰巨的技术挑战”打造,在编程、推理和视觉方面都有提升。@marktenenholtz 指出了系统卡中不寻常的措辞:“构成 Claude Fable 5.2 和 Claude Mythos 5.2 基础的那个模型。”这暗示两者共享同一个基础模型。
  • 厂商报告的核心数据,据 @kimmonismus:
  • 输出速度比 5.1 模型快最多 30%。
  • 在 FrontierCode 2.0 上,Fable 5.2 在 High 档与 Opus 5.5 在 Max 档表现相当,而每任务成本约为后者的一半;在 Xhigh 档,它是已发布模型中最强的。
  • 1,000 个 Fable 5.2 代理在 30 小时内将费马大定理的现有证明形式化。在相同设置下,Opus 5.5 在 18 小时内完成了 26%。
  • Mythos 5.2 准确建模了 34 个基因治疗衣壳中的 28 个。
  • 对齐水平达到或超过近期 Claude 模型,并经过了外部发布前测试。
  • 默认 effort。Claude 应用和 Claude Code 中默认 effort 为 Medium。
  • 定价。每百万输入/输出 token 分别为 8 美元/40 美元,比 Fable 5.1 的 10 美元/50 美元低 20%(@jaminball、@arena)。其余规格据 Artificial Analysis:
  • 缓存写入费用为 10 美元(5 分钟 TTL)或 16 美元(1 小时 TTL);缓存读取费用为 0.20 美元。
  • 100 万 token 上下文,支持文本和图像输入。
  • 五档 effort 级别:low、medium、high、xhigh、max。
  • Anthropic 的长时程演示。
  • 1,000 多个子代理在 8 天内从空文件夹构建了一个操作系统。它能在笔记本电脑上启动,拥有自己的内核、磁盘/键盘/网络驱动、持久存储、窗口管理、登录、安装程序和内置 Claude(@kimmonismus)。
  • Fable 根据简短提示设计了三款可工作的电子设备(@kimmonismus)。
  • 它提出了未经测试的化学合成路线。
  • 它改进了 72 个开放优化问题的现有已列出解法。
  • @RLanceMartin 发表了针对 1,000 代理 FLT 运行的安全边界扩展报告。
  • 订阅访问。
  • Ultra 和 Team Premium 用户获得按订阅时长缩放的 Fable“重置”次数:不足 6 个月 1 次,6–12 个月 2 次,超过 12 个月 3 次,可使用至 3 月 8 日(@ClaudeDevs;@bcherny 和 @edwinarbus 亦有相同表述)。
  • Pro 和 Team Standard 用户获得一周试用,上限为每周限额的一半,外加一次重置。
  • Fable 最多只能消耗每周限额的 50%。
  • 数据保留。Fable 5.2 默认要求数据保留,以便 Anthropic 的安全分类器运行。零数据保留仅面向符合条件的企业客户(@code)。
  • 首日上线情况:
  • Cursor(@cursor_ai)。
  • GitHub Copilot / VS Code,它“比 Fable 5.1 解决了更多任务,同时使用的步骤和工具调用更少”(@code)。
  • Perplexity Computer(Pro/Max)和 Search(Max)(@perplexity_ai)。@AravSrinivas 将其设为“新的默认”。
  • Factory(@factory)。
  • 通过 Nous Portal 和 OpenRouter 接入的 Hermes Agent(@Teknium)。
  • Arena(@arena)和 DesignArena(@grx_xce)。
  • 官方模型选择指南。@ClaudeDevs 发布了关于 Fable vs Opus vs Sonnet vs Haiku 的选型建议。内容涵盖何时应提高 effort 而非切换模型,以及何时应将子代理交给更小的模型。

独立评测(事实)

  • Artificial Analysis Intelligence Index v5(@ArtificialAnlys,明细):Fable 5.2 以 65 分(max)位列第一。
  • Fable 5.2(max)— Index 得分 65
  • Gemini 4 Carbon(high)— Index 得分 60
  • Opus 5.5(max)— Index 得分 59
  • GPT-6 Astra(max)— Index 得分 57
  • Fable 5.1(max)— Index 得分 49
  • 新纪录:
  • HLE-Diamond — Fable 5.2 80% · 此前最佳 69%
  • AA-Omniscience v1.1 — Fable 5.2 67 · 此前最佳 54
  • Terminal-Bench-Science — Fable 5.2 73% · 此前最佳 65%
  • CritPt v2 hard — Fable 5.2 77% · 此前最佳 72%
  • FrontierCode 2.0 — Fable 5.2 49% · 此前最佳 46%(Opus 5.5)
  • 较弱之处:
  • AA-Briefcase:1785 Elo,处于 Opus 5.5(1800)的置信区间内,落后于 Sonnet 5.5(1813)。
  • GDP.pdf:全通过率 24%,Opus 5.5 为 26%。
  • Terminal-Bench 4.0:60%,与 Opus 5.5 持平,落后于 Kimi K3.1 Pro(67%)、Gemini 4 Carbon(65%)和 Sonnet 5.5(64%)。
  • AutomationBench-AA:76%,领先 Opus 5.5(70%),但落后于 Gemini 4 Carbon(78%)。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →