文章核心观点 - Anthropic抢先发布Claude Fable 5.2与Mythos 5.2，在编程、机器人、推理等几乎每一行都较上一代大幅提升，并压过Opus 5.5和GPT-6 Astra [1][3] - 模型定价下降且速度提升，同等成本下得分更高、同等分数下花费更少，指数登顶 [5][7][9] - 该模型定位为面向公众最强一档，专攻难且长的开放式技术活，覆盖长时间代理、多步骤深度研究、从模糊需求到成品文档/代码/硬件 [14] 性能基准对比 - Agentic coding（FrontierCode 2.0，Xhigh effort）：Fable 5.2达49.1%，高于Fable 5.1的32.4%、Opus 5.5的45.5%、GPT-6 Astra的42.8%、Gemini 4的41.1% [5] - Agentic coding（FrontierSWE v2）：Fable 5.2达69.9%，高于Fable 5.1的56.3%、Opus 5.5的62.3%、GPT-6 Astra的65.5%、Gemini 4的61.2% [5] - Business workflows（AutomationBench）：Fable 5.2达51.4%，高于Fable 5.1的31.4%、Opus 5.5的42.5%、GPT-6 Astra的41.4%，略低于Gemini 4的53.9% [5] - Agentic scientific research（Terminal-Bench-Science 0.1）：Fable 5.2达74.6%，Mythos 5.2达75.3%，均高于Fable 5.1的52.6%、Opus 5.5的58.7%、GPT-6 Astra的68.1%、Gemini 4的64.8% [5] - Cybersecurity（CyScenarioBench）：Fable 5.2达76.3%，高于Fable 5.1的61.7%、Opus 5.5的67.6%、GPT-6 Astra的61% [5] - Cybersecurity（CVE Rediscovery）：Mythos 5.2达89.6%，高于Mythos 5.1的78.3%及无防护措施的81.3% [5] - Protein design（De novo binder design，24小时）：Mythos 5.2达85.1%，高于Mythos 5.1的79.1%及无防护措施的82.6% [5] - Agentic search（WANDR relaxed score）：Fable 5.2达82.1%，高于Fable 5.1的68.7%、Opus 5.5的72.3% [5] - Computer use（OSWorld 2.1离线集部分）：Fable 5.2达89.3%，高于Fable 5.1的83.5%、Opus 5.5的87.2%、GPT-6 Astra的79.5%、Gemini 4的81.5% [5] - Robotics（RoboDojo Sim）：Fable 5.2达64.9%，大幅高于Fable 5.1的27.6%、Opus 5.5的39.4%、GPT-6 Astra的29.8% [5] - Knowledge work（AA-Briefcase v1.1，rubric）：Fable 5.2达66.1%，高于Fable 5.1的61.5%、Opus 5.5的61.2%、GPT-6 Astra的52.0%、Gemini 4的61.8% [5] - 综合Elo评分：Fable 5.2为1785，高于Fable 5.1的1669、Opus 5.5的1800、GPT-6 Astra的1569、Gemini 4的1611 [5] - Knowledge work（Remote Labor Index，High effort）：Fable 5.2达41.3%，高于Fable 5.1的17.9%、Opus 5.5的21.3%、GPT-6 Astra的20.8% [5] - Multidisciplinary reasoning（Humanity's Last Exam，带工具）：Fable 5.2达74.2%，高于Fable 5.1的65.6%、Opus 5.5的67.7%、GPT-6 Astra的57.2% [5] - Visual chart recognition（Chartography，无工具）：Fable 5.2达73.4%，高于Fable 5.1的44.8%、Opus 5.5的64.4%，略高于GPT-6 Astra的71.0%、Gemini 4的72.5% [5] 定价与效率 - 输入定价为每百万token 8美元，输出为每百万token 40美元，较5.1版本便宜两成，输出速度最快提升30% [5] - 同等成本下Fable 5.2得分更高，同等分数下花费更少 [7] - 相关指数登顶 [9] 长周期自主工程能力实测 - 从空文件夹起步，协调1000+子代理连续8天写代码、测试、审查，产出可在笔记本启动的原型操作系统，含内核、驱动（磁盘/键盘/网络）、文件系统、窗口管理、登录界面、安装器，并内置Claude功能 [15][16][17] - 1000个Agent用30小时将费马大定理由人类350多年证明转为计算机可逐步验证的Lean代码，过程几乎无需人工干预，Token消耗和证明长度均大幅下降；同设置下Opus 5.5跑18小时仅完成26%后基本停滞 [18] - 一段话设计3款可用电子设备：家庭语音助手hub、USB扬声器电话、掌上虚拟宠物，模型自行写规格、选元件、设计四层电路板、做3D打印外壳、写软件并指导合作方制造 [19][20] - 3D制作喷气式飞机，共931个零件、24260颗铆钉，全部通过代码在Blender中建模；搭建方式为接入连接Claude的Higgsfield MCP并打通Blender，输入简短提示词写明目标物体、零件数量、影片时长及最终视觉效果 [21][22] - 可调动Blender和云端GPU制作3D短片，并完成游戏3D效果与粉笔画制作 [14][23] - Anthropic自家核心代码库中超过90%已合并改动由Claude在人类指导下编写 [23]