Claude Fable 5.2发布：能力往上走，价格往下走，Anthropic这次两头都要

前面写 Fable 5.1 时，最大的变化是缓存读取降了 75%，但输入输出单价一分没动。

后来 Opus 5.5 把价格打到 4 / 20 美元，GPT-6 Astra 把 Agent 上限推到新高。Fable 夹在中间，位置开始尴尬：又贵，又不再是唯一的最强。

11 月 10 日，Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2。

这次终于是输入输出单价一起降：10 / 50 美元降到 8 / 40 美元，生成速度最高快 30%，跑分在大多数项目上重新拉开了距离。

先说结论：Fable 5.2 仍然是攻坚模型，不是日常模型。但它现在比 GPT-6 Astra 便宜，低 Effort 档已经能追平 Opus 5.5 的最高档，选它的门槛确实降了。

一、5.2到底更新了什么

项目	Claude Fable 5.2
发布时间	2026 年 11 月 10 日
同时发布	Mythos 5.2（同一底层模型，放开网络安全和生物限制，只向审核组织开放）
API 模型名	claude-fable-5-2
输入价格	8 美元 / 百万 Token（原 10 美元）
输出价格	40 美元 / 百万 Token（原 50 美元）
缓存读取	0.20 美元 / 百万 Token（原 0.25 美元）
缓存写入	10 美元 / 百万 Token（原 12.50 美元）
生成速度	比 5.1 最高快 30%
Fast Mode	速度约 2.5 倍
安全误判	安全策略误介入减少约 55%

价格四项全部下调 20%。

这张图回答的是：从 5.1 到 5.2，输入和输出都是 -20%，速度最高 +30%。注意速度那根柱子带了星号，130 是“最高提升幅度”，不是所有请求都快 30%。

拿同代竞品对一下账：

模型	输入 / 输出（美元 / 百万 Token）
Claude Fable 5.2	8 / 40
GPT-6 Astra	10 / 50
Claude Opus 5.5	4 / 20

Fable 5.2 现在比 Astra 便宜两成，但仍是 Opus 5.5 的两倍。

官方的建议也很直接：日常用 Opus 5.5 或 Sonnet 5.5，只有真正难的任务才请出 Fable 或 Mythos。

订阅侧也有动作。Claude Code 负责人 Boris Cherny 公布了 Fable 额度重置规则，订阅越久，重置机会越多：

不满 6 个月 1 次，6 到 12 个月 2 次，超过 12 个月 3 次。另据报道，20 美元的 Pro 套餐在 11 月 16 日前也能用上 Fable 5.2，属于限时开放，具体以自己账号里的模型列表为准。

二、官方跑分：大多数项目领先，但不是全部

先看官方总表：

这张图回答的是：Fable 5.2 和 Fable 5.1、Opus 5.5、GPT-6 Astra、Gemini 4 Carbon 在编程、科研、安全、电脑操作、机器人和知识工作上的对比。绿色列是 Fable 5.2。

挑几项对 Agent 最有参考价值的：

评测	Fable 5.2	Fable 5.1	Opus 5.5	GPT-6 Astra	Gemini 4 Carbon
FrontierCode 2.0	49.1%	32.4%	45.5%	42.8%	41.1%
FrontierSWE v2	69.9%	56.3%	62.3%	65.5%	61.2%
Terminal-Bench-Science 0.1	74.6%	52.6%	58.7%	68.1%	64.8%
OSWorld 2.1	89.3%	83.5%	87.2%	79.5%	81.5%
Remote Labor Index	41.3%	17.9%	21.3%	20.8%	—
RoboDojo Sim	64.9%	27.6%	39.4%	29.8%	—
AutomationBench	51.4%	31.4%	42.5%	41.4%	53.9%

两个地方值得多看一眼。

第一，Remote Labor Index 和 RoboDojo 几乎翻倍。 RLI 测的是真实远程外包工作能不能交付，从 17.9% 到 41.3%；机器人从 27.6% 到 64.9%。这两项比纯编程分更接近“能不能真干完一件事”。

第二，AutomationBench 上 Gemini 4 Carbon 是第一。 所以“全面碾压”的说法不准确。业务流程自动化这类任务，Gemini 4 Carbon 依然值得一起测。

更细的拆分表里还有 SWE-bench 系列：

SWE-bench Pro 93.0%，Opus 5.5 是 89.9%，Fable 5.1 是 81.2%。这个榜单已经接近饱和，差 3 个点在真实项目里未必能感知到。

脚注也要带上：GPT-6 Astra 的部分成绩是 Anthropic 通过 OpenAI API 自己跑的；网络安全、蛋白质设计等项目用的是 Mythos 5.2 和无安全限制的版本。厂商自测的竞品分，参考价值要打折扣。

三、第三方榜单：AA第一，ARC-AGI 3冲到81%

自家表看完，再看第三方。

Artificial Analysis Intelligence Index v5，Fable 5.2 max 拿到 65 分，排第一：

这张图回答的是：Fable 5.2 的 max、xhigh、high 三档包揽前三，第四是 Gemini 4 Carbon（60 分），Opus 5.5 max 是 59 分，GPT-6 Astra max 是 57 分。

还有一个细节：Fable 5.2 medium 是 56 分，已经和 GPT-6.1 Sol max 的 55 分持平。 不一定要开到最高档。

ARC-AGI 3 上，Fable 5.2 拿到 81%，带 Provider Adapter 的版本更高：

这张图回答的是：横轴是单任务成本（对数刻度），纵轴是得分。黄色两条线是 Fable 5.2，位于右上角，说明分最高，但成本也在 1 万美元量级。

ARC-AGI 3 的成本坐标轴提醒的是同一件事：高分是用钱堆出来的，看分数之前先看横轴。

四、最该看的一张图：低档就能追上Opus 5.5最高档

如果只看一张图，我建议看这张 WANDR 智能搜索的 Effort 曲线：

这张图回答的是：横轴是单次任务成本，纵轴是得分。绿色是 Fable 5.2，橙色是 Opus 5.5，灰色是 Fable 5.1。

从图上读：

• Fable 5.2 Low 大约 71 分，单次成本约 10 美元出头；
• Opus 5.5 最高一档大约 72 分，成本接近 40 美元；
• Fable 5.1 整条曲线都在 Opus 5.5 下面。

也就是说，这类智能搜索任务上，Fable 5.2 Low 用约三分之一的成本，接近 Opus 5.5 的最高档。

这比单价降 20% 更重要。单价是表面账，达到同样效果花多少钱才是真账。

但别把它推广到所有任务。这是厂商挑出来的一项评测，你的任务分布可能完全不同。实际接入时，拿自己的 20 到 50 个任务，分别跑 Fable 5.2 Low / Medium 和 Opus 5.5 High，记录成功率、总 Token 和人工接管次数，再决定。

五、1000个Agent，30小时形式化费马大定理

发布内容里最出圈的是这个案例。

先纠正一个常见误读：不是 AI 第一次证明了费马大定理。 证明早在 1994 年就由怀尔斯完成，这次做的是把整个证明翻译成机器可检查的形式化证明，并通过验证。

难度依然很大。此前一个未发布版本的 Claude 在人类指导下花了 11 天才完成。

这次研究员换了做法：给 1000 个 Fable 5.2 Agent 一段基础 Prompt，不提供数学参考资料，让它们自己组织。

架构长这样：

这张图回答的是：每个 Agent 跑在独立沙盒里（1 个 lead + 999 个 helper），模型请求、Git 和 SQL 请求都经过沙盒外的 Gateway，共享状态放在 Git 仓库和 Postgres 数据库里。

Agent 之间不直接聊天，而是通过几张共享“表”协作：

这张图回答的是：lead 往 Announce 发全局指令、往 Assign 分配任务；helper 在 Notes 上报进度、在 Subtasks 认领子任务，完成后写入 Landed 日志。读写方向不同，避免了 1000 个 Agent 互相打架。

这套设计和 Multi-Agent 角色分工 里讲的思路一致：多智能体能不能跑起来，关键不在 Agent 数量，而在共享状态怎么设计。

结果是 30 小时完成形式化：

这张图回答的是：中心是 Langlands-Tunnell 等关键子领域，向外每一圈是依赖它的定理，颜色越深表示越晚被标记完成。整个证明是从核心向外一层层“长”出来的。

官方还给了两个对比：生成的证明代码比之前短约 7 倍；Opus 5.5 跑了 18 小时只完成 26%，然后卡住。

这个案例真正有意义的不是“AI 懂数学”，而是长链路、多 Agent、可验证的工程任务第一次有了这么大规模的公开样本。 Lean 能检查每一步对不对，这才让 1000 个 Agent 的产出能被信任。

六、操作系统、物理和硬件：更多长任务案例

8天写出能启动的操作系统

Anthropic 工程师给 Fable 5.2 一个空文件夹，要求设计原型操作系统。模型协调 1000 多个子 Agent，连续写代码、测试、审查 8 天，做出了能在笔记本上启动的系统：内核、磁盘 / 键盘 / 网络驱动、文件存储、窗口界面、登录屏幕都有。

官方还提到两个工程数据：Anthropic 核心代码库超过 90% 的合并代码由 Claude 在人类引导下编写；Fable 5.2 把一个生产服务从 Python 重写为 Rust，启动速度提升 26 倍。

两个理论物理公开问题

第一个是 2003 年就列出计算框架、但 20 多年没人算完的全息对偶问题：

这张图回答的是：横轴是耦合强度，纵轴是温度。Fable 5.2 补上了左下角那段橙色曲线，说明即使在只适用量子描述的极小宇宙里，黑洞形成也是突变式的，类似水沸腾。

第二个是给一项用了 15 年以上的技术算出精确极限：

这张图回答的是：过去只知道最优值在 8.503 到 12 之间，Fable 5.2 给出了精确值约 9.1266。两项结果都已作为预印本发布。

一段话做出三款电子设备

只给一段 Prompt，Fable 5.2 写规格书、联网挑元器件、画四层 PCB、做 3D 打印外壳、写驱动，不到一天交付制造。做出的语音助手、USB 扬声器和手持电子宠物，打样回来一次通电成功：

此外，Mythos 5.2 自己写代码整合多个开源模型，预测腺相关病毒衣壳结构，34 种衣壳命中 28 种。

这些案例的共同点是：任务以天计，产出可以被外部检查（能启动、能通电、能被 Lean 验证、能发预印本）。 这正是 Fable 相比 Opus 真正拉开差距的地方。

七、被刻意压住的能力：AI研发停在Opus 5.5水平

长长的发布文档里，有一段很容易被忽略：

这张图回答的是：Anthropic 在训练中刻意限制了模型在加速 AI 研发上的能力。在加速器 Kernel 优化、改进大模型架构这两个领域，Fable 5.2 和 Mythos 5.2 只保持在 Opus 5.5 的水平。

几个要点：

• 限制发生在训练阶段，不是推理时临时拦截；
• 官方称 Agentic Coding、硬件开发、传统机器学习研究、可解释性研究不受影响；
• 部分非标准加速器的 Kernel 开发问题，会透明回退到 Opus 5。

对开发者来说，最实际的影响是：如果你的工作是写 CUDA / Triton Kernel、做模型结构优化，别指望 Fable 5.2 比 Opus 5.5 强。 这部分直接用 Opus 5.5 更划算。

另外两个安全相关的变化：

• 反蒸馏保护：官方称可被用于蒸馏的数据抓取量减少 90% 到 99%，针对的是大规模假账号刷输出训练别的模型；
• 沙盒越狱测试：1800 个场景的压力测试里，Mythos 5.2 尝试越狱的比例是 3.1%，Mythos 5.0 时是 39%。

Fable 5.2 的安全误介入比 5.1 降低约 55%。和 Fable 5.1 一样，安全回退会换模型，生产环境要记录最终响应的模型、是否触发回退、回退后的质量和费用。

八、Fable 5.2、Opus 5.5、GPT-6 Astra、Gemini 4怎么选

还是那句话：不是站队，是算账。看失败成本、任务时长和任务量。

你的任务	优先试谁	原因
多天运行、多 Agent 协作、失败一次代价很高	Fable 5.2	长链路上限最高，低 Effort 档的性价比也上来了
高频 Claude Code、日常功能开发和代码审查	Opus 5.5	单价是 Fable 5.2 的一半，日常任务差距不大
Kernel 优化、模型架构研究	Opus 5.5	Fable 5.2 在这两个领域被刻意压到 Opus 5.5 水平，多花钱没收益
业务流程自动化	Fable 5.2 和 Gemini 4 Carbon 一起测	AutomationBench 上 Gemini 4 Carbon 反而领先
已在 Codex / ChatGPT 工作流里	GPT-6 Astra	工具链迁移成本也是成本，Astra 单价反而更高，要算清楚
还在用 Fable 5.1	直接换 Fable 5.2	价格降 20%、速度更快，没有留在旧版的理由
大批量、成本敏感	GPT-6 Luna、DeepSeek V4	Fable 这个价位不适合跑量

Fable 5.2 这次最值得关注的，不是又多了几个第一。

而是 Anthropic 开始同时压单价、速度和达到同等效果的 Effort 档位。前两项写在价目表上，第三项要你自己测出来。

先拿 Low 和 Medium 跑你的真实任务，跑不动了再往上加。

资料来源

• Anthropic：Claude Fable 5.2 与 Mythos 5.2 官方发布页：https://www.anthropic.com/claude-fable-and-mythos-5-2

• Claude 官方博客：千 Agent 团队形式化费马大定理：https://claude.dev/blog/safely-scaling-multi-agent-teams-with-fable-5-2/

• Anthropic：Claude 自主设计电子设备：https://www.anthropic.com/research/claude-electronics-design

• Artificial Analysis 榜单发布：https://x.com/ArtificialAnlys/status/2119878995386982508

• ARC Prize 榜单发布：https://x.com/arcprize/status/2119871080525373922