Anthropic发布ClaudeFable5.2与Mythos5.2，1000智能体30小时完成费马大定理形式化验证

美国当地时间11月9日，AI公司Anthropic在IPO前夕同步发布两款新模型：Claude Fable 5.2与Claude Mythos 5.2。二者基于同一底层模型架构，但面向不同用户群体与使用场景：Fable 5.2经过网络安全与生物学领域的安全限制后向公众开放；Mythos 5.2则专供经审核的网络安全与生命科学研究机构使用。此次更新未聚焦传统基准测试分数，而是以一系列端到端实际任务演示为核心，展现其在长时程、多智能体协同、跨模态工程实现方面的实质性进展。

最引人注目的案例来自数学领域。Anthropic调用1000个Fable 5.2智能体，协作将费马大定理的既有数学证明转化为计算机可验证的形式化版本（使用Lean语言）。整个过程耗时30小时，仅需极少量人类干预。模型自主建立任务分配机制、生成中间步骤、编写验证代码，并最终输出完整形式化证明。值得注意的是，该任务并非“发现新证明”，而是对已有证明进行严谨的机器可读转化——这恰恰是当前AI在科学推理中最具实用价值的方向之一。

对比此前研究版本（耗时11天、需人工搭建执行框架），Fable 5.2使用的行动Token减少至三分之一，最终证明长度压缩为原版的七分之一。更关键的是，与同规模智能体配置下的Opus 5.5相比，后者运行30小时仅完成约26%的形式化工作，而Fable 5.2已达成100%闭环。

在理论物理方向，Fable 5.2完成了两项长期悬而未决的黑洞计算问题。其中一项涉及全息对偶理论——2003年提出的方法因计算量过大始终未能落地，模型基本自主完成推导，确认了小宇宙中存在“突然形成黑洞”的相变现象。Mythos 5.2则在蛋白质结构预测上采用新策略：面对由数十条链组成的腺相关病毒衣壳，它融合两个开源预测模型，利用链间重叠与结构对称性整合结果，在34个测试样本中准确预测28个，展现出对复杂生物大分子体系的建模潜力。

相较抽象科学任务，Fable 5.2在工程实践中的表现更易被大众感知。一名Anthropic工程师给出指令：“从一个空文件夹开始，构建一套可在笔记本电脑启动的原型操作系统。”模型协调超过1000个子智能体，连续工作8天，完成内核、驱动、文件系统、窗口管理、登录界面及安装程序的全流程开发，甚至内置了轻量级Claude功能模块。最终交付的是一套真实可运行的系统，而非概念原型。X平台用户@chetaslua评价称：“这已接近AGI级别的工程组织能力。”

硬件设计方面，Anthropic联合电路板厂商Diode，让Fable 5.2根据文字描述独立完成三款设备开发：家庭语音助手中枢、USB会议扬声器与手持虚拟宠物。模型自行撰写技术规格、选型元器件、设计四层PCB、生成3D外壳模型，并编写嵌入式软件。电路板制造准备不到一天即完成；量产交付后，模型还指导工程师完成测试与组装，三款设备均一次通过功能验证，无需电路修改。

游戏与视觉创作亦有实证。开发者@kevin_t_ngo展示了一款由Fable 5.2全程构建的浏览器游戏：玩家乘船穿越8个风格迥异的梦幻世界，涵盖场景生成、逻辑编程与交互设计。宾夕法尼亚大学沃顿商学院教授Ethan Mollick则让模型制作一款反向《史酷比》游戏——玩家扮演反派，目标是吓退爱管闲事的孩子团队，并配套生成带音乐与音效的宣传预告片。

实体机器人控制是另一重点方向。Anthropic演示了Fable 5.2在模拟双臂机器人平台上执行魔方还原、拧开瓶盖与绘制图案等任务。虽未披露具体硬件平台细节，但视频显示模型能将高层指令分解为低层运动序列，并在动态环境中调整策略。

性能与成本层面，Anthropic宣称新模型推理速度最高提升30%，标准定价调整为每百万输入Token 8美元、每百万输出Token 40美元，较此前版本更具性价比。

此次发布正值Anthropic加速推进IPO进程之际。随着OpenAI、谷歌与Meta密集推出聚焦编程、推理与智能体的新模型，市场对其技术差异化提出更高要求。Fable 5.2与Mythos 5.2的共同特征，是将“长时程任务规划”与“多智能体自治协作”作为核心能力支柱——不再满足于单轮问答或短流程生成，而是试图构建可支撑数小时乃至数天连续工作的AI工作流。

行业观察指出，此类能力仍面临判断力不足与执行冗余问题。多位第三方测试者反馈，模型在任务拆解初期常出现无效分支，需依赖后期修正；部分工程实现虽功能完整，但代码结构冗余、调试成本较高。这表明，当前AI的“执行力”已显著提升，但“决策质量”与“资源效率”仍是瓶颈。

从技术演进路径看，Anthropic正逐步将早期提出的“宪法AI”（Constitutional AI）理念延伸至系统级应用：安全约束不仅用于内容过滤，更嵌入任务执行全过程；而“智能体协作”模式，则是对单一模型能力边界的务实拓展——当单个模型难以胜任超复杂任务时，通过分布式智能体网络实现能力叠加，成为现阶段通往通用人工智能的可行折中方案。

目前，Fable 5.2已向公众开放API访问，Mythos 5.2则通过申请制向特定科研机构提供。随着IPO临近，这两款模型的实际落地效果与客户反馈，将成为验证其技术叙事可信度的关键观测点。