Claude Fable 5.2 和 Mythos 5.2

Anthropic 发布新的旗舰模型 Claude Fable 5.2 和 Mythos 5.2,引发了关于它们在现实编码、研究和 agent 工作负载中究竟比 Opus 5.5 进步多少的分歧反应,尤其是在它们成本更高、token 消耗更大的情况下。评论者仔细审视 Anthropic 不断变化的基准测试、在新发布前据称对旧模型进行的“降智/阉割”,以及有意限制某些 AI 研究和硬件优化能力的问题,并对其在 IPO 前是否出于战略考虑而隐瞒前沿系统的能力提出质疑。除技术层面的印象——强劲的数学、代码、机器人和形式推理——之外,还伴随着对统一化写作风格、通过多 agent 群实现的能力快速扩展,以及这对软件工作、科学进步和 AI 权力集中意味着什么的更广泛焦虑。

版本命名、定位与发布时间

  • 许多人觉得在 Opus/Sonnet/Haiku 已经到 5.5 的情况下,“5.2” 这个品牌命名很令人困惑;有人猜测更强的“Model 4”之后会被命名为 5.5 或 6,可能会在 IPO 前后,或为了回应竞争对手而推出。
  • 系统卡 / METR 的引用暗示 Fable 5.2 ≈ 内部的“Model 3 early”,而且内部其实还有一个更好的模型在使用。
  • 有些人认为 Anthropic 在故意留一手;另一些人则认为这次发布说明他们还没有比 Opus 5.5 强得多的东西。

能力与基准测试

  • Anthropic 声称 Fable/Mythos 5.2 在大多数内部基准上都优于 Opus 5.5,并展示了:
    • 用 1,000 个 agents 比以往内部运行快得多地形式化费马大定理。
    • 理论物理、蛋白质建模、机器人控制,以及 PCB/电子设计。
    • 大型软件项目(例如原型操作系统、重大迁移)。
  • 用户反馈:
    • Fable 5.2 明显比 5.1 更快,也没那么容易“卡住”;在深度审计、架构、SVG/图形,以及电子/PCB 工作流方面非常强。
    • 对于日常编码,很多人觉得相较 Opus 5.5 只有边际提升;也有人认为整体上 Opus 5.5 仍然更好,尤其是按成本算。
  • 外部评测(Artificial Analysis、MacBook SVG、PacBench 等)通常显示 Fable 5.2 略领先或与 Opus 5.5 大致打平,但代价是更高的 effort/cost。

成本、使用与方案

  • API 定价:输入 $8/M,输出 $40/M;与 GPT‑6.1 Sol 或 DeepSeek 这类更便宜的模型相比,有人称之为“明抢”。
  • 也有人认为,如果更多推理能减少重试,那么按任务成本算,Fable 仍可能更划算。
  • 订阅用户可获得 Fable 专属的“重置”,但几个人在它生成大型 agent 集群时,几分钟内就把整周的 Fable 配额烧光了。

写作风格与 UX

  • 长期以来的抱怨是 Claude/Fable 的文风过于密集、充满 anaphora,而且有时很晦涩;输出风格调优只能部分改善。
  • 有些人觉得 Opus 5.5 曾短暂改善,随后在可读性上又退步了;也有人认为它是目前最易读的前沿模型。
  • Fable 5.2 的多 agent 实验有时会演变成庞大、自我生成的官僚体系(规则手册、审查层),这让人既着迷又担忧。

“降智/阉割”争议

  • 一个很大的讨论串声称 Opus 5.5(以及其他前沿模型)会在新版本发布前被悄悄削弱,通常通过隐藏的 effort-level 或 harness 变更实现。
  • 反方观点:
    • 一些独立基准会重新跑旧测试,结果并未看到性能下降,有时甚至略有提升且响应更快。
    • 还有人强调,自然波动很大以及 A/B 测试可以解释这些现象;以量化为主的“nerf trackers”也因对细微变化不敏感而受到批评。
  • 也有人提出伦理和法律担忧:在订阅期间悄悄替换模型行为,类似“劣质双标食品”丑闻和“先诱后换”。

安全、网络安全与 AI 对 AI 的限制

  • 系统卡称,训练时有意限制了 Fable/Mythos 5.2 在加速器 kernel 优化和 LLM 架构设计方面的能力,以避免过度加速 AI R&D;在某些 kernel 领域还回退到较旧的 Opus 5。
  • 一些研究者担心,这将成为系统性地向公众隐瞒先进的 comp-arch / EDA 能力、以维持竞争优势的第一步。
  • Mythos 5.2 被定位为顶级 cyber 模型,但访问受限;一些在 cyber/crypto 领域的用户报告,即使在特殊项目下也会遭到强硬拒绝。
  • 一个“CVE rediscovery”基准被批评为主要是在测试对已公开 CVE 的记忆。

更广泛的影响:agents、劳动与奇点

  • 关于 agent 群(数百到数千个实例)作为新扩展路径的广泛讨论:虽然边际收益递减,但在高度并行任务上潜力巨大。
  • 有些人把数学、物理、机器人和代码方面的当前结果视为我们正在进入 Kurzweil/Vinge 风格“奇点”的证据;另一些人则认为我们看到的主要是巨大的算力 + RL,而非质变临界点。
  • 很多人强烈担心,前沿 AI + 机器人会显著让资本攫取收益,挤压大量劳动岗位,并扩大不平等;本地/开源模型被视为部分缓解手段。
  • 情绪反应很复杂:一方面为其能力惊叹,另一方面又担心工作被侵蚀,以及监督“vibecode”和庞大 agent 输出带来的精疲力竭。