1000 个 AI Agent，30 小时完成费马大定理的形式化证明，连续工作 8 天，从零造出一套能在笔记本电脑上运行的操作系统。 就在刚刚，Anthropic 正式发布 Claude Fable 5.2 和 Mythos 5.2 两款新模型。 除了上述成果，新模型还解决了两个黑洞物理难题，生成速度最高提升 30%，API 价格降低 20%。 有意思的是，距离 Anthropic CEO Dario Amodei 公开呼吁放缓 AI 开发速度才过去两个月，Anthropic 就再次推出了更强的前沿模型。与此同时，Anthropic 正筹备估值高达 1 万亿至 1.5 万亿美元的 IPO。 一边呼吁放慢 AI，一边冲刺万亿美元 IPO，Anthropic 这次究竟拿出了什么新东西？ 1000 个 Agent 连干 8 天，从零造出一套操作系统 按照 Anthropic 的定位，Claude Fable 5.2 和 Mythos 5.2 是专门面向复杂技术挑战的旗舰模型，重点提升了 编程、推理、视觉理解以及科学研究等能力。 两者采用相同的底层模型，主要区别在于安全限制。Fable 5.2 增加了针对网络安全和生物研究的防滥用机制，面向普通用户开放；Mythos 5.2 则保留了更完整的专业能力，主要向通过审核的机构提供。 从官方公布的基准测试来看， 新模型的表现相当亮眼。 在衡量 AI Agent 编程能力的 FrontierCode 2.0 测试中，Fable 5.2 获得 49.1% 的成绩，超过 Claude Opus 5.5 的 45.5%、GPT-6 Astra 的 42.8% 和 Gemini 4 Carbon 的 41.1%。 在 FrontierSWE v2 软件工程测试中，Fable 5.2 得分达到 69.9%，相比上一代提升 13.6 个百分点。而在 FrontierCode 2.0 测试中，Fable 5.2 以较低的推理强度取得了接近 Opus 5.5 最高推理强度的成绩，单任务成本约为后者的一半。 第三方评测机构 Artificial Analysis 的最新榜单也印证了这一点。 Claude Fable 5.2 以 65 分登顶 Intelligence Index v5，领先 Gemini 4 Carbon 5 分、Claude Opus 5.5 6 分，并在 9 项测试中的 5 项取得第一。 主要优势集中在科学推理、知识理解和编程能力上。不过，最强推理模式下的平均单任务成本达到 26.5 美元， 约为 Opus 5.5 的 2.6 倍。 不过，比跑分更值得关注的，是 Anthropic 展示的实际工程案例。 一名工程师向 Fable 5.2 提出了从零设计操作系统的要求。模型从一个空文件夹开始，自主协调超过 1000 个子 Agent，连续工作 8 天，完成代码编写、测试和审查。 最终，Claude 成功开发出 一套能够在笔记本电脑上启动运行的操作系统。 按照官方展示，该系统拥有自己的内核，支持磁盘、键盘和网络驱动，还具备文件存储、窗口界面、登录屏幕、安装程序以及内置 Claude 功能。 虽然仍属于实验性质的原型系统，但 AI 已经能够自主协调上千个 Agent，完成如此复杂的软件工程项目，足以体现其能力的变化。 另一项实际案例中，早期版本的 Fable 5.2 还将 Anthropic 一项关键生产服务从 Python 迁移至 Rust，使其启动速度提升至原来的约 26 倍。 发布后，AI 创业者 Matt Shumer 评价 Fable 5.2 是自己用过的最强模型，甚至能够完成过去其他模型难以实现的复杂项目，但它有时又「过度负责」，连正常的工作任务都要横加阻拦。 网友 Kevin Ngo 也晒出了一款由 Fable 5.2 制作、可以直接在浏览器中游玩的 3D 游戏，玩家能够乘船穿越 8 个梦幻世界； 另一位开发者 Flavio Adamo 也展示了模型生成的 3D 作品，直呼其三维创作能力强得惊人。 此外，网友 Synopsis 还用经典的「鹈鹕骑自行车」测试挑战 Fable 5.2，晒出模型生成的作品，并直接称其为新一代 BOSS。 Anthropic 同时透露，目前公司核心代码库中， 超过 90% 被合并的代码变更都由 Claude 在人类指导下编写。 从修复简单 Bug，到自主规划和执行持续数天的大型工程任务，AI 编程正在逐渐具备独立承担复杂项目的能力。 30 小时完成费马大定理形式化证明，还解决黑洞物理难题 如果说编程能力的提升还在预期之内，那么 Anthropic 公布的科学研究成果就更加令人意外。 费马大定理是数学史上最著名的难题之一，虽然数学家安德鲁·怀尔斯早在上世纪
分享给更多关注行业变化的朋友。
