LONG AI
首页 › 博客 › Claude Fable 5.2 登顶:编程 49.1%

Claude Fable 5.2 登顶:编程 49.1%

分类:行业资讯 · 21 分钟 · 2026-11-10

本栏目每天汇总近 1–2 天全球新发布 / 新开源的大模型与重要行业动态,信息来自官方公告与多家媒体交叉核验;性能数据区分「官方口径」与「已复测 / 第三方实测」,没复测的明确标注。配图为原创示意插画。

蓝白扁平插画:一摞半透明玻璃面板层层叠起,一只小机器人踩上最顶层,面板之间连着细细的光弧
同一套底座,两种包装:本事一样大,能让你用多少,由门口那道闸决定(示意插画)

今日最重磅:Anthropic 把最强模型拆成两半卖,编程跑分一次跳 16.7 个点,价格反而降了两成

11 月 9 日,Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2。先说最容易误读的一点:这不是两个模型,是同一个模型的两种包装。官方原话是「Fable 和 Mythos 是同一个底层模型」,Fable 身上带着完整的网络安全与生物安全防护,所以敢开放给所有人;Mythos 把防护拆掉一部分,能深挖漏洞、能做双用途科研,因此只发给通过审核的机构——要过 Cyber Verification Program(网络安全)或 Life Sciences Verification Program(生命科学)两道门。

这个时间点很微妙:公司正在冲刺 IPO,10 月 26 日已公开递交 S-1,最早 11 月 10 日才够格启动路演。这也是 CEO Dario Amodei 今年 9 月公开呼吁「放慢前沿 AI 开发速度」之后,Anthropic 发布的第一个新前沿模型。一边喊减速,一边把最强的拿出来卖,这个张力本身就说明竞争没停。

硬指标三条:

跑分是这次最扎眼的部分(下面全部是 Anthropic 自己的表,第三方复测见后一节):

基准(官方口径)Fable 5.2对照
FrontierCode 2.0(智能体编程,最高推理档)49.1%自家 5.1 为 32.4%;Opus 5.5 为 45.5%;GPT-6 Astra 42.8%;Gemini 4 Carbon 41.1%
FrontierSWE v2(智能体改真实工程)69.9%5.1 为 56.3%;Opus 5.5 为 62.3%;GPT-6 Astra 65.5%
Chartography(无工具读图表)73.4%5.1 为 44.8%;Opus 5.5 为 64.4%
RoboDojo Sim(遥操作机器人仿真)64.9%5.1 为 27.6%;Opus 5.5 为 39.4%;Gemini 4 Argon 34.2%
Terminal-Bench-Science 0.1(智能体科研)74.6%5.1 为 52.6%;Opus 5.5 为 58.7%;GPT-6 Astra 68.1%
OSWorld 2.1(部分完成计分)89.3%—
Humanity's Last Exam(带工具)74.2%—
CVE Rediscovery(Mythos 5.2,1829 个历史漏洞)89.6%Mythos 5.1 为 78.3%
CyScenarioBench(Mythos 5.2)76.3%—

第三方给了两个坐标,方向一致:Artificial Analysis 的智能指数 v5 给 65 分,排第一,比 Gemini 4 Carbon 的 60 分、Opus 5.5 的 59 分都高;不过它的单任务成本算到 26.54 美元(默认高档位下是 62 分、9.08 美元)。Epoch AI 的能力指数给 174,超过 GPT-6 Astra 的 169。两家都是外部尺子,不是厂商表——这一点比任何一个单项分数都重要。

官方还讲了几件事,听着像科幻,但都有具体数字:一名工程师让它从空文件夹开始做一套能开机运行的操作系统,它调度超过 1000 个子智能体连干 8 天,最后产出有自研内核、磁盘与网络驱动、持久化文件存储、窗口程序、登录界面和安装程序;30 小时内完成费马大定理证明的形式化;顺手解决了两个黑洞物理的公开问题;从零设计了三套不改电路板就能工作的电子设备;生物侧准确建模了 34 种腺相关病毒载体中的 28 种。公司内部还有个数字:合并进核心代码库的改动里,超过 90% 是 Claude 在人类引导下写的。

该泼的冷水,四条:

另外两件配套的小事值得记:反蒸馏做到了官方史上最强,声称能把蒸馏者能采到的数据砍掉 90% 到 99%;企业侧推出 Enterprise Frontier Safeguards(安全监控跑在客户自己的基础设施内、可与零数据保留并存),私募测试客户是桥水、Salesforce、Stripe。非零保留客户默认保留 30 天用于安全监控——这一点对金融、医疗选型是硬约束,别只看价格。

今日其他新发布

模型 / 工具日期类型要点
Meta Muse Ember 1.011-9轻量执行模型 / 闭源 APIMeta 目前最小的模型,专打智能体里那些重复一万遍的活:调工具、写小段代码、路由、抽取、解析长文档。100 万 Token 上下文、最多输出 51.2 万 Token,原生吃文本 / 图片 / 音频 / 视频 / PDF。价格是它全部的武器:每百万输入 0.10 美元、输出 0.50 美元、缓存命中 0.004 美元(超 20 万 Token 的请求涨到 0.30 / 1.50)。第三方 AA 智能指数 36 分,与 Claude Haiku 5.5 最高档持平,但单任务成本 0.14 美元 vs 0.41 美元。官方自报:AutomationBench-AA 37.8%(Haiku 13.9%、GPT-6 Luna 20.2%)、Agents' Last Exam 61.6%、Terminal-Bench 4.0 40.9%、细粒度视觉 80.6%;但 FrontierCode 2.0 只有 27.2%,输给 Haiku 的 34.9%——写代码别指望它。它是第一个用 Muse Wonder Full 训出来的模型。权重没开,仓库也找不到。
字节 Seedream 5.5(图像)11-9图像生成 / 编辑三件事:同一张图能连改 100 轮不崩(非编辑区域做到像素级保持,压住色彩偏移和画质衰减);原生输出带 Alpha 通道的透明图,省掉抠图修边,还能分层出素材;写实质感与小字渲染改善,严重文字崩坏率降到 0.4%、轻微 1.7%。官方 MagicArena 测试里,影视与办公两个场景的可用率都翻倍以上;真实感图生图的偏好分 GSB 达 +55.62%。价格:2K 方图编辑单张约 0.28 元,不到上代 5.0 Pro 的一半,速度提升近 40%。已上豆包、豆包工作、即梦,火山方舟陆续开放,Pro 版在路上。全部官方口径,无第三方复测。
NVIDIA GR00T 2 / Turbo11-9机器人世界-动作模型 / 12 月开源在 CoRL 2026 上发布。和传统「看图直接出动作」的模型不同,它一次同时预测未来画面和机器人动作——先在模型里想象物理变化,再决定怎么动。训练数据量很夸张:402,730 小时人类第一视角视频 + 10,184 小时手持夹爪演示(覆盖 2,897 个任务)+ 23,500 小时真机遥操作。效果:50 个目标机器人没练过的任务,零样本平均成功率 40%(其中 40 项至少成功过一次),每项给 1 次示范升到 71%,给 5 次升到 95%;每次适配只需单张 RTX 5090 上做 30 分钟 LoRA。轻量版 Turbo 只有 20 亿参数,单次推理 RTX 5090 上 38 毫秒、机载 Jetson Thor 上 124 毫秒,能直接跑在宇树 G1 上。富士康已用于服务器制造自动化、西门子在评估。权重 12 月才开,届时连仿真流程、智能体框架、10 万小时数据和采集硬件图纸一起放。
Amazon HOPE(开源方法)11-9MoE 专家剪枝 / Apache 2.0解决一个很实在的钱问题:MoE 模型每个 Token 只激活极少数专家,但全部专家都得常驻显存——Qwen3.5-122B 约 250GB 参数里 95% 是专家权重,每层 256 个专家只用 8 个。过去按「单个专家重要性」排序删,会拆散那些总是一起激活的专家搭档。HOPE 改成给成对专家打分,解一个二次规划,最优地删掉一半。砍 50% 专家,Qwen3.5-122B 省下约 115GB 显存;剪枝后的 Qwen3.5-35B-A3B 在 SWE-Bench Pro 上拿 42.3 分,反超未剪枝的 41.8,而次优方法 REAP 只有 36.2。代价很小:校准时间多 6%–8%,每层求解 1–2 秒,不需要重训,产出直接能在 vLLM / SGLang 里跑。局限官方自己写了:只在层内做、只算两两交互、剪枝率低于约 40% 时优势消失。
LingBot-Touch(蚂蚁灵波,开源)11-9触觉基础模型 / Apache 2.0让机械手有「手感」。三种触觉传感器(压阻、磁、视触觉)本来信号互不兼容,各配一个专用 tokenizer,再共用一个 Transformer,把所有触点映射到同一套「标准指尖坐标」。预训练用了 4,983 小时真实触觉数据(约 13.3 亿帧、46.4 万个交互片段)。两档权重极小:Tiny 545 万参数、Small 2,176 万参数,加到下游策略上只多 0.2% 的参数。真机 26 个任务、每个 20 次:π0.5 成功率 48.1%→69.9%、LingBot-VLA 48.3%→73.1%、Diffusion Policy 21.6%→35.6%。最实用的一点是换传感器不用重训——没见过的磁性灵巧手上,冻结编码器直接可用。注意范围:这次只放推理代码与冻结编码器,5000 小时语料和训练代码没公开,全部结果都是厂商自测。
Zyphra ZONOS3-Mini(开源 TTS)11-9语音合成 / Apache 2.0稀疏 MoE,8 亿总参数、每次推理只激活 1 亿,上一代是 80 亿——直接砍了一个数量级。重点在「能跑在哪」:浏览器走 WebGPU,Pixel 9 手机上首段音频 570 毫秒内出声,M3 芯片的 MacBook Air 上 150 毫秒以内;服务端有 SGLang / vLLM,其他设备走 GGML。训练只用了 112 张 H100 跑 2.5 天。零样本克隆音色,可调年龄/性别/口音,也可调语速、情绪、音量。厂商自建榜单 ZTTS2-Eval 上排开源第一(其后是 Fish S2 Pro、MOSS TTS v1.5)。它没公布中文单独得分,普通话多音字、儿化音效果得自己下下来试;国内做语音克隆还要注意深度合成备案与人声授权。
蓝白扁平插画:三只同款白瓷瓶并排,左侧两只被浅蓝色丝网包住,右侧一只裸露,前方一只机械手拿着标尺比对
这一天的共同动作:把同一个模型切成不同规格,分别定价、分别限流、分别贴标签(示意插画)

行业资讯

本期排雷

今天聚合站的日期错配比较集中,四条要留意。第一,多篇稿件把「英伟达发布 Lyra 2.0,单图生成 90 米 3D 世界」写成 11-10 的新发布——这个项目今年 4 月就已发布,11 月初只是 X 上宣传加 SIGGRAPH Asia 露出,本报 11-8 期已排过一次,今天换个站又冒出来。第二,「腾讯 11-9 发布混元 Hy4 正式版、幻觉率降到 7.2%」——Hy4 正式版是 11-4 发布的,本报 11-5 期已完整报过(含两套幻觉率口径并存的说明),今天只是被早报重挂了日期。第三,「美团 11-10 开源 LongCat-2.5」——开源是 11-9,本报 11-9 期已作头条,10 日的稿件都是跟进稿。第四,「云栖大会千问 Qwen4 正式亮相/发布」的表述流传较广,但官方书面口径仍是「训练中」、HF 无权重,按预告处理,不写成已发布。另外,模型库里把 GPT-5.1、Claude 4、Gemini 3 等 2025 年旧模型标成近两天发布的,一律不采信。老规矩:聚合站的「今日」不可信,回到官方或多源对时;权重有没有、什么时候有,只认仓库。

一句话趋势

前沿竞争的焦点,正从「能做什么」转向「敢让你做什么」——Anthropic 把同一个模型拆成带锁和不带锁两个版本,还在训练阶段主动掐掉最危险的那类能力(能加速 AI 自我改进的部分锁在上一代水平),把「身份验证」变成了访问控制的一层;同一天,Meta 用 0.1 美元把智能体的执行层打到近乎白送,亚马逊开源了一套能省 115GB 显存的剪枝方法。两个方向看似相反,其实是一件事:能力越强,边界越要提前画;成本越低,边界越容易越界。对做产品的人,含义很具体——选型时不只看跑分,还要问三句:它的红线在哪、我的数据会在它那儿留多久、出问题时我能不能在 35 秒内把它停下来。

(数据来自官方公告与公开报道,2026-11-10;官方口径与第三方实测已分别标注,未复测项已在文中说明。模型能力强弱会影响选型,但实际价格以本站模型广场实时报价为准。)

相关文章

GPT-6.2发布降价20%:大模型价格战下怎么买模型更省

OpenAI发布GPT-6.2并把旗舰价下调20%,阿里、腾讯同周把单任务成本和缓存价压到新低。结论:官方降价仍远高于本站实付价,gpt-6-astra现在最深0.099折,实付$0.099/百万输入token。日常用现款便宜档,追新等上架比价。

大模型缓存token是什么?缓存命中一次能省多少钱

大模型缓存token是什么?一句话:把重复的提示词前缀存下来,命中后按缓存读计价,通常只有正常输入价的5%到12%。本文用在售模型的真实缓存价,讲清缓存读写怎么算钱、什么情况命中,以及怎么把账单压下来。

Claude有哪些模型?12个在售版本实付价与选型指南

Claude 有哪些模型?站内 12 个版本按实付价排完发现:最新的 opus-5-5 月成本 $8.91,最老的 opus-4-6 反而 $49.50。本文给出全系价格表、真实实测数据与四个场景的选型结论,日常开发选 sonnet-5-5 最稳。

写代码用哪个AI模型?2026年11月编码模型实测与价格榜

写代码用哪个 AI 模型?按本站实付价和 24 小时实测:gpt-5.6-terra、deepseek-v4.1-flash 各三千多次调用零失败,每月千次请求分别 $2.85 和 $1.66;gemini-3.8-flash 出字 111 token/s 最快。附完整实付价表与三档选型建议。

一个 API Key 怎么调用 500+ 模型?平台接入教程与代码示例

拿到密钥后把 API 地址改成平台地址,就能用一个 Key 调用在售的 138 个模型(覆盖 51 家厂商),同时兼容 OpenAI 和 Anthropic 两种请求格式。本文给出可直接复制的接入代码、模型切换方法和常见坑,全部接口已实测验证,数据截至 11 月 16 日。