文章核心观点 - Anthropic发布Claude Fable 5.2和Mythos 5.2两款顶级模型，在科学研究与机器人控制领域展示多项突破性成果 [1] - 通用大模型在机器人控制领域正验证“苦涩的教训”，即随着计算资源和模型规模增长，通用学习方法在越来越多任务上取得竞争力 [18][19] - Anthropic正积极拓展Claude的机器人控制能力，并通过引入前特斯拉Optimus核心研究员强化该方向布局 [12][22] 新模型科学研究成果 - 通过约1000个AI智能体协作，仅用30小时完成费马大定理证明的形式化 [1] 机器人控制能力表现 - 官方发布文章在科学与工程部分专门设置“硬件与机器人”小节 [2] - 官方演示视频中，Claude Fable 5.2控制机器人完成操作益智方块、拧开瓶盖、绘制机器人图案等任务 [3] - Claude Fable 5.2在RoboDojo Sim上得分达64.9%，较上一代Fable 5.1的27.6%提升37.3个百分点 [6] - 该得分超过Claude Opus 5.5的39.4%和GPT-6 Astra的29.8% [6] - Fable 5.2在此次评测中超过多数专门面向机器人控制开发的AI系统 [7] - Anthropic产品经理Alex Albert直言机器人的“苦涩的教训”已经到来 [8] 前期机器人研究积累 - 7月Anthropic发布《Claude plays robotics》，测试Claude在仿真机器人、机械臂及真实四足机器人上的表现 [13] - 研究人员尝试多种控制方式，包括生成底层控制指令、编写控制程序以及调用预训练机器人策略 [14] - 实验发现Claude已具备一定机器人环境理解和操作规划能力，具体表现受控制接口、动作精度和推理延迟等因素影响 [15] - 10月Robocurve等研究机构发表论文《The Bitter Lesson Comes to Robotics》，评估前沿通用多模态模型控制真实机械臂的能力 [16] - 该研究发现通用模型已能完成多种实体机器人操作任务，相关能力在数月内持续改善，但操作精度、执行速度和推理成本仍是实际应用的重要约束 [16] - 论文作者之一Jay Chooi在Fable 5.2发布后于社交平台提到机器人领域的“苦涩的教训” [17] - “苦涩的教训”源自机器学习经典观点，如今讨论开始延伸到机器人领域 [18][19] - 随着通用模型视觉理解、空间推理和任务规划能力提高，研究人员正探索其在机器人控制系统中能承担多大程度的工作 [20] 人才布局 - 曾参与特斯拉Optimus人形机器人研发的研究员Bingjie Tang确认加入Anthropic，担任Member of Technical Staff [22] - 她此前在特斯拉Optimus AI团队从事学习式灵巧操作研究，工作涵盖数据采集、机器人策略训练、评估及真实机器人部署 [25] - 加入特斯拉前，Bingjie Tang在南加州大学获得计算机科学博士学位，博士期间与NVIDIA Seattle Robotics Lab研究人员密切合作，开展接触丰富的机器人操作、机器人学习及Sim-to-Real相关研究 [25] - Sim-to-Real是当前机器人学习重要方向之一，主要研究如何将仿真环境训练得到的操作策略迁移到真实机器人上 [26] - 现实环境中的摩擦力、接触状态、物体形态和硬件误差都会影响机器人动作表现，从仿真训练到真实部署仍有大量技术问题需要解决 [27] - Bingjie Tang此前参与的Refinery、FORGE等研究涉及机器人策略学习、真实交互和操作适应 [28] - 其个人履历覆盖数据、算法训练到真实机器人部署的研究经验，与Anthropic近期展示的机器人能力具有较强技术关联 [29] 行业趋势 - 2026年具身智能持续升温，从世界模型、空间智能到机器人基础模型，越来越多AI公司开始探索物理世界，通用大模型的机器人控制能力也在快速进步 [30] - 随着通用大模型能力持续提高，其在未来机器人智能系统中将承担怎样的角色值得关注 [31]