我们升级了 Claude Fable 和 Claude Mythos——这两款模型旨在攻克最棘手的技术挑战。
Claude Fable 5.2 和 Claude Mythos 5.2 在编程、推理和视觉等方面均有提升。在预发布测试中，它们帮助我们的工程师完成了原本难以实现的软件迁移、从零设计了三个可工作的电子设备、解决了黑洞物理学中的两个开放问题、在机器人评测上取得实质性进展，并在 30 小时内形式化证明了费马大定理——此外还有许多其他应用，我们将在下文中讨论。
Claude Fable 和 Claude Mythos 是同一个底层模型。Fable 具备强大的网络安全和生物学防护措施以防滥用，这使我们能够向所有用户开放。从事网络安全或生物医学研究有益应用的组织，可以通过我们近期扩展的生命科学和网络安全验证项目申请访问 Mythos。
测试人员发现，Fable 5.2 和 Mythos 5.2 的沟通比过去的 Fable 和 Mythos 模型更清晰。它们的输出生成速度比 Claude Fable 5.1 和 Claude Mythos 5.1 快最多 30%，且价格更低：每百万输入 token 8 美元，每百万输出 token 40 美元。
Fable 5.2 和 Mythos 5.2 还提供可选的快速模式，可将 token 生成速度提升最多 2.5 倍。快速模式的价格为每百万输入 token 16 美元，每百万输出 token 80 美元。
安全与对齐。 为帮助确保安全与对齐跟得上模型能力的增长，我们对 Fable 5.2 和 Mythos 5.2 背后的模型进行了广泛的预发布安全测试。其中包括开发新的评测方法，以更深入地洞察沙箱逃逸等特定令人担忧的行为。我们认为，失准带来的高风险仍然较低，该模型在大多数对齐指标上的表现与我们近期的模型相当或更好。Fable 5.2 的网络和生物学防护措施与 Fable 5.1 一样稳健，但产生的误拦截更少，并且我们实施了有史以来最强的防蒸馏攻击保护。
我们在下文进一步描述了安全测试，完整细节可在 Claude Fable 5.2 与 Mythos 5.2 系统卡中找到。
何时使用 Claude Fable 5.2 和 Mythos 5.2。 Fable 和 Mythos 最适合最具雄心、开放式的技术工作。对于大多数编程和知识任务，我们建议用户从 Claude Opus 5.5 开始——这是我们最强的日常主力模型——然后根据工作的范围和复杂度按需切换到其他模型：向上切换到 Fable 或 Mythos，或向下切换到 Claude Sonnet 5.5 或 Claude Haiku 5.5。Fable 5.2 还可以扮演顾问（Haiku、Sonnet 或 Opus 模型向其咨询以帮助解决更难的问题）或编排者（将更简单的任务委托给更小的模型）的角色。
评估 Claude Fable 5.2 和 Mythos 5.2
基准测试表现。 下表中的基准测试显示，在我们评估的几乎所有能力上，Claude Fable 5.2 和 Mythos 5.2 都比 Opus 5.5 更胜一筹：
| Fable 5.2 | Fable 5.1 | Opus 5.5 | GPT-6 Astra | Gemini 4 Carbon | |
|---|---|---|---|---|---|
| 智能体编程 FrontierCode 2.0 | 49.1% Xhigh 努力 | 32.4% Xhigh 努力 | 45.5% | 42.8% | 41.1% 中等努力 |
| 智能体编程 FrontierSWE v2 | 69.9% | 56.3% | 62.3% | 65.5% | 61.2% |
| 业务工作流 AutomationBench | 51.4% | 31.4% | 42.5% | 41.4% | 53.9% |
| 智能体科学研究 Terminal-Bench-Science 0.1 | 74.6%（Mythos 5.2 为 75.3%） | 52.6% | 58.7% | 68.1% | 64.8% |
| 网络安全 CyScenarioBench† | 76.3% Mythos 5.2 | 61.7% Mythos 5.1 | 67.6% 无防护 | 61% GPT-6 Cyber | — |
| 网络安全 CVE 重现 | 89.6% Mythos 5.2 | 78.3% Mythos 5.1 | 81.3% 无防护 | — | — |
| 蛋白质设计 从头结合体设计（24 小时） | 85.1% Mythos 5.2 | 79.1% Mythos 5.1 | 82.6% 无防护 | — | — |
| 智能体搜索 WANDR（宽松评分） | 82.1% | 68.7% | 72.3% | — | — |
| 计算机使用 OSWorld 2.1（离线集，部分） | 89.3% | 83.5% | 87.2% | 79.5% | 81.5% |
| 机器人 RoboDojo Sim‡ | 64.9% | 27.6% | 39.4% | 29.8% | — |
| 知识工作 AA-Briefcase v1.1 | 66.1% 评分标准 | 61.5% 评分标准 | 61.2% 评分标准 | 52.0% 评分标准 | 61.8% 评分标准 |
| 1785 Elo | 1669 Elo | 1800 Elo | 1569 Elo | 1611 Elo | |
| 知识工作 远程劳动指数（RLI） | 41.3% 高努力 | 17.9% | 21.3% | 20.8% | — |
| 多学科推理 Humanity’s Last Exam（使用工具） | 74.2% | 65.6% | 67.7% | 57.2% | — |
| 视觉图表识别 Chartography（不使用工具） | 73.4% | 44.8% | 64.4% | 71.0% | 72.5% |
努力与效率。 在中等努力（Claude 应用和 Claude Code 中的默认设置）下，Fable 5.2 能用比 Fable 5.1 更少的 token 完成具有挑战性的任务。在 FrontierCode 2.0 评测的早期测试中，高努力下的 Fable 5.2 得分与最高努力下的 Opus 5.5 大致相当，而每任务成本约为其一半。在 Xhigh 努力下，它还在所有已发布并测试的模型中得分最高。
智能体编程：FrontierCode 2.0 智能体搜索：WANDR 硬件工程：BenchCAD 2.1 多学科推理：Humanity’s Last Exam 视觉图表识别：Chartography 智能体编程：FrontierCode 2.0 智能体搜索：WANDR 硬件工程：BenchCAD 2.1 多学科推理：Humanity’s Last Exam 视觉图表识别：Chartography
FrontierCode 衡量的是模型所做的代码更改是否会被开源仓库的维护者合并。在高努力下，Fable 5.2 的得分与 Opus 5.5 的最佳得分大致相同（45.3% 对 45.5%），而每任务成本约为其一半，并在成本大致相同的情况下领先于 GPT-6 Astra 的最佳得分（42.8%）。在 Xhigh 努力下，Fable 5.2 达到 49.1%，是我们测试过的所有已发布模型中的最高分。
Perplexity 的 WANDR 基准测试衡量智能体在大型数据收集任务上的表现。在中等努力下，Fable 5.2 以约 40% 的每任务成本匹配 Opus 5.5 的最高分。
BenchCAD 2.1 衡量硬件工程，具体是模型设计与参考几何结构和电路的接近程度，评分为 0–100，并有部分得分。在最高努力下，Fable 5.2 得分为 83.5，领先于 Opus 5.5（65.3）和 Fable 5.1（44.4）。
Humanity’s Last Exam（HLE）是一项对专家级学术知识和推理的测试。在低努力下，Fable 5.2 以不到十分之一的每任务成本匹配 Opus 5.5 的最高分。
Chartography 测试模型读取图表和图形的准确程度。在中等努力下，Fable 5.2 得分为 66.4%，领先于最高努力下的 Opus 5.5（64.4%），且每任务成本不到其十分之一。