网易首页 > 网易号 > 正文 申请入驻

赶在IPO前,Claude最强模型空降!宾大教授感慨“几乎达到AGI”

0
分享至


智东西
编译 程茜 王涵
编辑 心缘

迄今地表最强模型来了!?

智东西11月10日消息,今日,Anthropic全新最强双模型Claude Fable 5.2、Claude Mythos 5.2正式登场,基准测试里几乎碾压Fable 5.1、Opus 5.5、GPT-6 Astra。


Claude Fable 5.2、Claude Mythos 5.2能干的事真的有点超出想象。Anthropic称,这两个模型在预发布测试中,帮工程师完成了原本无法实现的软件迁移、从0设计出三台可用的电子设备、解决了两个黑洞物理学中的公开问题,甚至只用30小时就完成了费马大定理的形式化证明。

这俩模型一发布,就冲上Artificial Analysis Intelligence Index v5排行榜第一,得分高达65分,比上一代的Fable 5.1高出16分。


这俩模型今日就能上手。Anthropic宣布,Claude Fable 5.2今日已在亚马逊云服务、谷歌云以及微软Azure平台上线,开发者可以在Claude平台上使用claude-fable-5-2。

本周,符合条件的付费订阅用户可享额外的Fable额度福利。凡是包含Fable模型的订阅套餐,Anthropic会根据订阅时长赠送1~3次Fable额度重置;对于Pro套餐以及团队版标准席位,Fable的调用额度最高可占到每周限额的50%。

对比上代Fable 5.1、Mythos 5.1,新模型输出速度最高提速30%,价格下降20%,为每百万输入token 8美元(约合人民币53.39元),每百万输出token 40美元(约合人民币266.93元),上代模型输入价格10美元(约合人民币67.21元),输出价格50美元(约合人民币336.04元)。

在快速模式下,模型的token生成速度提升最高至2.5倍。其收费标准为每百万输入token 16美元(约合人民币106.77元),每百万输出token 80美元(约合人民币533.86元)。


Anthropic也给了实在的选型建议,Fable和Mythos最适合高难度、开放式的技术研发工作。对于绝大多数编程与知识类任务,其建议用户优先选用Anthropic综合能力最强的日常主力模型Claude Opus 5.5;之后再根据工作范围和复杂度按需切换模型:难度更高时选用Fable或Mythos,需求轻量化则改用Claude Sonnet 5.5或Claude Haiku 5.5。

Fable 5.2还可充当顾问模型,帮助Haiku、Sonnet或Opus协同攻克高难度问题,或是编排调度模型,把简单任务分派给轻量模型执行。

距离上一版的Fable和Mythos发布已过去61天。Fable和Mythos底层仍是同一个模型,差别只在安全策略。Fable搭载了针对网络安全与生物领域的强化安全防护机制,向全体用户开放使用;研究机构可通过生命科学与网络安全核验项目申请访问Mythos。

Anthropic的IPO正在有序推进。该公司最快将于明天正式启动IPO路演,向投资者推介上市计划。 一、早期用户实测评价:模型水平超二年级博士生、人类专家

YouTuber Riley Brown在直播中使用Fable 5.2一次性做出了一只完整的短片。只用了一条提示词,模型就自己写出了在Blender中搭建整个房间的代码:桌子、MacBook、灯光等,并自主完成所有动画。不仅如此,为了将视频渲染成4K,模型在RunPod上租了10块GPU,用52分钟就渲染完成,总成本5.75美元(约合人民币38.37元)。

宾夕法尼亚大学沃顿商学院教授Ethan Mollick此前拿到了模型的体验资格,并发布了一篇长文解析了Fable 5.2的优点和不足。他认为Fable 5.2已经几乎达到了AGI(通用人工智能)或者说锯齿形AGI(Jagged AGI).

首先,他让模型制作了一只短片:“我写OneUsefulThing(一个网站),我需要你创建一个最令人印象深刻的东西,以便在你发布时与大家分享。它需要能够嵌入到文章中,而且我可以随意添加你的前言。它需要对人们产生强烈的冲击,展现你的能力和范围。它应该能够迅速抓住人们的眼球。在这方面,你要展现出惊人的创造力。”

模型在没有反馈修改的情况下,一气呵成完成了以下内容。教授认为这部短片拥有创造力、判断力、趣味性和巧妙的构思,已经“达到了人类专家仅凭代码就能制作电影的水平”。

此外,Ethan Mollick还用Fable 5.2 将他的Codex Micro迷你USB键盘变成了一个小型的游戏机。教授介绍称,模型读取了控制键盘的两个应用程序的代码,弄清楚了如何设置每个按键的颜色,以及如何读取旋钮和摇杆的指令,并编写了六款游戏。

在学术研究上,教授委托Fable在创业研究领域寻找一个尚未解决的实证问题,收集数据,预先注册其假设和方法,撰写论文,并邀请其他研究人员进行评析。Ethan Mollick认为,模型给他呈现的最终成果“初读之下,远超我预期中二年级博士生的水平。”


连续创业者、YouTuber、Forward Future创始人兼CEOMatthew Berman分享到,他测试Fable 5.2消耗了超过1000亿token,在测试中,模型展现出高度自主性。模型可以在指令很少时能自行做出约99%符合评测者预期的假设,检查其全部代码库并找出其他模型未发现的bug。

Fable还可以控制Unreal Engine和Blender生成《战争机器》克隆及Unreal中的东京模拟城市,以高速直达解决路径完成大规模代码库审查,并在克隆Excel、克隆游戏、复刻城市等任务中实现高完整度交付,很少需要追加提示。


二、碾压Opus 5.5、GPT-6 Astra,能从零造出可启动操作系统

Anthropic放出的基准测试结果显示,Claude Fable 5.2和Mythos 5.2几乎在所有基准测试上都比,Fable 5.1、Opus 5.5、GPT-6 Astra更胜一筹。

其在办公业务自动化流程上略输Gemini 4 Carbon,在面向复杂知识工作的两两对战基准AA-Briefcase v1.1 Elo中,略逊于Opus 5.5。


效率方面,在中等投入度下,Fable 5.2完成高难度任务所需的token数量少于Fable 5.1。

Anthropic在FrontierCode 2.0早期测试中,高投入度模式下的Fable 5.2,跑分与最高投入度模式下的Opus 5.5大致持平,单任务成本仅约后者的一半;在超高投入度(Xhigh effort)模式下,它在所有参与测试的已发布模型中得分最高。


▲不同模式下,Fable 5.2在FrontierCode基准中的得分

编程方面,Anthropic透露,目前Anthropic核心代码库中合并上线的变更,超90%都是在人工引导下由Claude完成编写。

研究人员能借助Fable 5.2,在数分钟内搞定顽固疑难Bug、优化全线服务性能,还落地了一批高价值软件项目。一支基于早期版本Fable 5.2的智能体团队,把一项核心线上业务服务从Python迁移到了Rust;改造后的服务效率更高、稳定性更强,启动速度提升约26倍。

其中一项实验是,Anthropic的一名工程师让Fable 5.2设计一套原型操作系统。从空白文件夹起步,该模型调度了超过1000个子智能体,连续不间断运行8天,完成代码编写、测试与评审工作,最终产出一套可在笔记本电脑上启动运行的操作系统原型。

该原型自带负责调度硬件的内核,配套磁盘、键盘、网络驱动,支持持久化文件存储、窗口界面、登录界面、安装程序,并且内置Claude能力。


Claude Mythos 5.2在找漏洞方面也展现出了“天赋”。Anthropic在博客中提到,这是其在网络安全工程领域能力最强的模型。相比前代模型,它能够发现更多漏洞,并且更擅长复现、修复漏洞。

一家安全厂商测试发现,Claude Mythos 5.2找出的已确认漏洞里,有1/6是其他所有前沿模型遗漏的。在他们内部的CVE漏洞复现基准评测中,Claude Mythos 5.2检出漏洞数量比Claude Opus 5.5高10.2%,相比Claude Mythos 5.1提升14.4%。此外,有测试人员统计,前代模型给出的结果里大约每20条就有一条夸大了漏洞危害等级,Claude Mythos 5.2没有出现任何夸大风险的情况。


▲CVE漏洞复现基准评测结果

三、AI算出黑洞相变、完成费马大定理形式化,Fable 5.2包揽多学科硬核难题

如今,科研、工程与数学领域里的重要任务越来越依赖代码实现,数据分析、分子建模、零部件设计、仪器控制全都依靠软件完成。Claude Fable 5.2与Claude Mythos 5.2已帮助研究人员攻克这些领域中的各类难题。

1、理论物理学

Claude Fable 5.2解决了理论物理学中的两个公开问题。这两个问题均与黑洞相关,也关乎现代物理学的两大核心理论相对论与量子力学。

Claude的两项成果都建立在全息对偶的基础之上。全息对偶理论认为:某些包含引力的时空,可以完全由一套不含引力的量子理论精确描述。

第一个问题是,物理学家早在1983年就证明,这类时空升温时会突然生成黑洞,现象类似水的沸腾,但当时这套方法只适用于满足广义相对论适用条件的大尺度时空。2003年,学界提出了一套计算方案,用来验证极小尺度时空下是否也存在同样的现象,这类极小时空只能用量子体系描述,然而该计算工作量极大,一直没能完成。

Fable 5.2在高度自主的状态下完成了这套计算,并证实在这类小时空里,黑洞相变同样是突变式的。

第二个问题中,有一种技术已经被物理学家沿用超过15年,用来在简化时空模型中排除不合适的量子引力候选理论。Fable 5.2求出了该技术的精确适用边界。

论文成果:

https://hexagonmath.org/2611.00175v1

https://hexagonmath.org/2611.00174v1

2、蛋白质折叠

腺相关病毒(AAV)是一类小型、无致病性的病毒,其蛋白外壳衣壳(capsid)可用于递送基因治疗药物。衣壳的蛋白结构至关重要:比如它会决定疗法是否会被患者免疫系统拦截,但衣壳结构本身复杂度极高。AlphaFold等现有蛋白折叠模型只能预测单个蛋白结构,而衣壳是由数十个蛋白组装而成的。

Claude Mythos 5.2基于两款开源蛋白折叠模型,找到了一种能够精准预测完整衣壳结构的全新方案。它编写代码,对存在重叠的蛋白链分组运行上述模型,并利用衣壳已知的对称性信息,把各组预测结果融合拼接起来。

这套Claude提出的方法在多款天然衣壳与人工改造衣壳上均有效。Anthropic称,在测试中,它尝试建模的34个衣壳里,有28个得到了精准还原。

3、数学

形式化,是将数学证明翻译成一种计算机能够逐行核验的形式语言。它可以帮助数学家确认结论可靠,而无需人工逐条核验,当AI模型生成人类难以验证的结果时,这一点尤为重要。

Anthropic最早对费马大定理的形式化工作,是由一个尚未对外发布的Claude研究版本完成的,耗时11天。该过程需依托一套专门搭建的调度框架,同时需要一名研究员提供引导。

与之对比,由1000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,几乎不需要人工介入。

Fable 5.2收到简单的提示词,就会自主搭建协同方案,全程没有查阅数学参考文献,仅依靠一组中间定理陈述来衡量进度。相比第一次形式化工作,Fable 5.2消耗的动作token仅为原先的1/3,产出的证明代码长度缩短至原来的1/7。

而在同样配置1000个智能体的条件下,Opus 5.5在18小时内只完成26%的形式化工作,到30小时之后几乎不再推进。


4、硬件与机器人技术

Fable 5.2在设计硬件设备、控制实体机器人方面也实现了重大进展。

硬件工程能力方面,研究人员给了模型一段简短提示词,要求它独立设计并交付三套可正常工作的电子设备,包含配套电路板、3D打印外壳以及控制软件。三套设备分别是家用语音助手中枢、USB会议免提音箱、手持电子宠物。

Claude自行撰写了产品规格书,从美国元器件供应商选型可用电子器件,完成每台设备的四层电路板布线、用CAD软件完成外壳建模,并编写设备控制软件。

整套电路板在一天之内即可达到可投产状态,全程仅需少量人工参与。Diode生产出电路板之后,Claude还指导该公司工程师完成设备测试与组装。Anthropic称,三台设备全部一次通电可用,无需任何电路改动。


机器人技术方面,由Fable 5.2控制的机器人可以完成多项任务,如还原魔方、拧开瓶盖、绘制机器人简笔画。


公开基准测试集RoboDojo用于检验AI能否基于相机图像操控仿真双臂机器人。Anthropic公布的该测试结果显示,使用同一套调度框架运行的Fable 5.2,性能优于其他前沿模型,同时也超过大多数专门为机器人控制打造的AI系统。


结语:Fable 5.2重新定义通用AI的工程边界

从PCB硬件设计、3D结构建模,再到机器人视觉操控,Fable 5.2正在把AI的边界从纯数字世界往外延伸。以往硬件、机器人领域大多依赖专用模型,通用大模型很容易在物理规则、电路约束上翻车。

这次Anthropic的新模型展现出的潜力,说明通用模型正在学会理解现实世界的物理约束。未来不管是小批量硬件原型快速迭代,还是工业机器人的柔性任务,都有可能借助这类通用工程智能体,大幅缩短试错周期。

来源:Anthropic、X


特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
高校教师的黄金时代,一去不复返了!

高校教师的黄金时代,一去不复返了!

职场资深秘书
2026-11-17 15:38:44
你见过最没用的人脉是什么?网友:花70w到信用社当柜员,月薪800

你见过最没用的人脉是什么?网友:花70w到信用社当柜员,月薪800

另子维爱读史
2026-11-15 22:43:52
11月起开始严厉打击,这八类灰色行为将入刑!

11月起开始严厉打击,这八类灰色行为将入刑!

逍遥论经
2026-11-16 09:00:39
英国公布的圆明园被毁前照片,美如仙境,引发世界关注

英国公布的圆明园被毁前照片,美如仙境,引发世界关注

贱议你读史
2026-05-23 15:23:34
《多喜一家人》:全员演技惊艳,唯有一人挤眉弄眼差评一片

《多喜一家人》:全员演技惊艳,唯有一人挤眉弄眼差评一片

一娱三分地
2026-11-17 16:28:59
西方媒体再也捂不住了!胡塞武装的真实身份被揭开,压根不是伊朗的代理人,那真正的幕后玩家到底是谁?

西方媒体再也捂不住了!胡塞武装的真实身份被揭开,压根不是伊朗的代理人,那真正的幕后玩家到底是谁?

谈史论今1
2026-10-08 20:19:04
4分钟,20%涨停!光刻机,大爆发!发生了什么?

4分钟,20%涨停!光刻机,大爆发!发生了什么?

券商中国
2026-11-17 11:43:19
张学良至死不知:他最小的妹妹张怀敏,才是张家真正的传奇!

张学良至死不知:他最小的妹妹张怀敏,才是张家真正的传奇!

赵枹是个热血青年
2026-11-16 11:05:26
宝玉刚梦遗,袭人就伸手摸到了大腿根:这场“意外”也太巧了吧

宝玉刚梦遗,袭人就伸手摸到了大腿根:这场“意外”也太巧了吧

如玉公子
2026-11-04 08:30:16
2012年,太原公安局长李亚力想保酒驾儿子,偷偷将89mg酒精检测改成66mg,甚至抹掉袭警情节

2012年,太原公安局长李亚力想保酒驾儿子,偷偷将89mg酒精检测改成66mg,甚至抹掉袭警情节

磊子讲史
2026-11-13 17:21:50
一张“专科男生穿始祖鸟学习”照,被嘲笑惨了:穿上龙袍也不像太子

一张“专科男生穿始祖鸟学习”照,被嘲笑惨了:穿上龙袍也不像太子

泽泽先生
2026-11-15 13:59:44
霍啟山未婚妻娜然起底 173cm俄蒙混血名模曾出演周杰倫MV女主

霍啟山未婚妻娜然起底 173cm俄蒙混血名模曾出演周杰倫MV女主

粤睇先生
2026-11-14 20:43:59
原价500美元的哈曼卡顿音箱,黑五直降80%到99.99美元

原价500美元的哈曼卡顿音箱,黑五直降80%到99.99美元

晚星归航2
2026-11-17 07:03:22
以前被西方垄断,现在世道变了!广州番禺让国外奢侈品牌睡不着

以前被西方垄断,现在世道变了!广州番禺让国外奢侈品牌睡不着

去山野间追风
2026-11-17 15:29:50
格林谈伦德博格:把他放进库里的角色,这不公平

格林谈伦德博格:把他放进库里的角色,这不公平

日常碎碎念啊
2026-11-17 17:03:19
双脚出现这三个异常,是脑梗在敲门,很多人竟不当回事

双脚出现这三个异常,是脑梗在敲门,很多人竟不当回事

荔子言
2026-11-13 10:25:16
横店迎来三十年最为惨烈的一次断臂求生!130多座摄影棚,合计50万平方米,全部免租金向剧组开放

横店迎来三十年最为惨烈的一次断臂求生!130多座摄影棚,合计50万平方米,全部免租金向剧组开放

扶苏聊历史
2026-10-28 15:47:11
“差评”极多的国家:好色成瘾,骗子遍地?却被评为最佳旅行地

“差评”极多的国家:好色成瘾,骗子遍地?却被评为最佳旅行地

咸鱼金脑袋
2026-11-17 09:09:16
浙江女子深夜打车失禁尿后座,付566元清洗费,司机反被平台判加价处罚

浙江女子深夜打车失禁尿后座,付566元清洗费,司机反被平台判加价处罚

齐鲁壹点
2026-11-16 14:15:18
电视直播中,女主播突然宣布怀三胎?全网看傻:姐,你都59岁了啊!

电视直播中,女主播突然宣布怀三胎?全网看傻:姐,你都59岁了啊!

英国那些事儿
2026-11-17 00:47:46
2026-11-17 17:24:49
智东西 incentive-icons
智东西
智东西,AI产业新媒体,专注报道人工智能的前沿技术发展,和技术应用带来的千行百业产业变革。
12952文章数 117195关注度
往期回顾 全部

科技要闻

硅谷大佬组局,帮黄仁勋杀回来!

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

更豪华更好开 问界新M8细节升级见真章

态度原创

游戏
时尚
艺术
亲子
教育

小伙表示连玩7天《GTA6》 这下PS5可惨了

自骂“烂人”的黄仁勋,冤不冤?

艺术要闻

漫天香氛,秋风醉人~杭州的秋天从不让人失望!13个地方,秒出大片!

亲子要闻

宝宝气人但是聪明的4个行为

教育要闻

济南市历下区燕山小学教育集团将出席2026第四届课博会,解码“做中学”视域下小学科学教育生态构建

无障碍浏览 进入关怀版