Claude Fable 5.2 and Mythos 5.2

介绍 Claude Fable 5.2 和 Claude Mythos 5.2 \ Anthropic

我们已升级 Claude Fable 和 Claude Mythos——这些模型专为应对最复杂的工程技术挑战而设计。

Claude Fable 5.2 和 Claude Mythos 5.2 在编程、推理和视觉等领域展现出显著改进。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，从零开始设计了三款可运行的电子设备，解决了两个黑洞物理领域的开放性问题，在机器人评估方面取得实质性进展，并在30小时内完成了费马大定理证明的形式化——还有许多其他应用将在下文讨论。

Claude Fable 和 Claude Mythos 基于相同的底层模型。Fable 配备了强大的网络安全和生物安全防护机制以防止滥用，这使我们能够向所有用户开放使用。致力于网络安全或生物医学研究的机构可通过我们新扩展的 Life Sciences 和 Cyber Verification Programs 申请访问 Mythos。

测试人员发现 Fable 5.2 和 Mythos 5.2 相比之前的 Fable 和 Mythos 模型沟通更清晰。它们的输出生成速度比 Claude Fable 5.1 和 Claude Mythos 5.1 快达30%，且价格更低：每百万个输入令牌8美元，每百万个输出令牌40美元。

Fable 5.2 和 Mythos 5.2 还提供可选的快速模式，可将令牌生成速度提升至原来的2.5倍。快速模式的价格为每百万个输入令牌16美元，每百万个输出令牌80美元。

安全性和对齐性。为确保安全性和对齐性与模型能力的提升保持同步，我们对支撑 Fable 5.2 和 Mythos 5.2 的模型进行了广泛的预发布安全测试。这包括开发新的评估方法，以更深入地洞察特定的危险行为（如沙箱逃逸）。我们认为对齐失误带来的高风险仍然较低，该模型在大多数对齐性指标上的表现与近期模型相当或更优。Fable 5.2 的网络安全和生物安全防护机制与 Fable 5.1 一样强大，但产生的不必要的阻断更少，我们还实施了迄今为止最强的反蒸馏攻击保护。

有关我们安全测试的更多细节请参见下文，完整信息请查阅 Claude Fable 5.2 和 Mythos 5.2 系统卡片。

何时使用 Claude Fable 5.2 和 Mythos 5.2。Fable 和 Mythos 最适合处理最雄心勃勃、开放性最强的技术工作。对于大多数编程和知识任务，我们建议用户首先使用 Claude Opus 5.5（我们的主力模型），然后根据工作范围和复杂度切换到其他模型——向上至 Fable 或 Mythos，或向下至 Claude Sonnet 5.5 或 Claude Haiku 5.5。Fable 5.2 还可以担任顾问（Haiku、Sonnet 或 Opus 模型向其咨询以解决更复杂的问题）或协调者（将其委托给小型模型处理简单任务）。

评估 Claude Fable 5.2 和 Mythos 5.2

基准性能。下表显示，在我们评估的几乎所有能力中，Claude Fable 5.2 和 Mythos 5.2 都优于 Opus 5.5：

| 能力 | Fable 5.2 | Fable 5.1 | Opus 5.5 | GPT-6 Astra | Gemini 4 Carbon | |------|-----------|-----------|----------|-------------|-----------------| | 智能编码 | FrontierCode 2.0 | 49.1% | Xhigh effort | 32.4% | 45.5% | | | | | | 42.8% | 41.1% | | | 中等难度 | FrontierSWE v2 | 69.9% | 56.3% | 62.3% | | | | | 65.5% | 61.2% | | 业务流程 | AutomationBench | 51.4% | 31.4% | 42.5% | 41.4% | | | | | 53.9% | | |

智能体科学研究

终端科学基准 0.1

74.6%

75.3%（Mythos 5.2）

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%

无安全措施

61%

GPT-6 Cyber

—

漏洞重发现

89.6%

78.3%

81.3%

蛋白质设计

从头设计结合蛋白（24小时）

85.1%

79.1%

82.6%

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%

机器人技术

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%

52.0%

61.8%

1785

Elo

1669

1800

1569

1611

远程劳动指数（RLI）

41.3%

高难度

17.9%

21.3%

20.8%

跨学科推理

人类最后考试（带工具）

74.2%

65.6%

67.7%

57.2%

视觉图表识别

Chartography（无工具）

73.4%

44.8%

64.4%

71.0%

72.5%

关于评估方法的详细信息，请参见 Claude Fable 5.2 和 Claude Mythos 5.2 系统卡。Fable 5.2、Fable 5.1 和 Opus 5.5 的评分默认显示启用安全措施的结果，除非另有说明。所有评分均显示每个模型可提供的最高努力程度结果，除非另有说明。† 在 CyScenarioBench 上，每个实验室的评分基于独特的任务。‡ RoboDojo Sim 显示最高可用努力程度，并在内部运行。

努力与效率。在中等努力程度（Claude 应用和 Claude Code 的默认设置），Fable 5.2 以比 Fable 5.1 更少的 token 完成具有挑战性的任务。在 FrontierCode 2.0 评估的早期测试中，Fable 5.2 在高努力程度下的表现与 Opus 5.5 在最大努力程度下的表现相当，每项任务成本约为后者的一半。在 Xhigh 努力程度下，其表现优于所有已发布的测试模型。

智能体编程：FrontierCode 2.0

智能体搜索：WANDR

硬件工程：BenchCAD 2.1

跨学科推理：人类最后考试

视觉图表识别：Chartography

FrontierCode 2.0 准确率与成本对比

• Fable 5.2
• Opus 5.5
• Fable 5.1
• GPT-6 Astra
• Gemini 4 Carbon

FrontierCode 评估模型的代码更改是否会被开源仓库维护者合并。在高努力程度下，Fable 5.2 的得分与 Opus 5.5 的最佳得分（45.3% vs. 45.5%）相当，每项任务成本约为后者的一半，且优于 GPT-6 Astra 的最佳得分（42.8%）在相似成本下。在 Xhigh 努力程度下，Fable 5.2 达到 49.1%，是所有已测试发布的模型中最高得分。

WANDR（宽松评分）准确率与成本对比

Perplexity 的 WANDR 基准测试代理在大规模数据收集任务中的表现。在中等努力程度下，Fable 5.2 的得分与 Opus 5.5 的最高得分相当，每项任务成本仅为后者约 40%。

BenchCAD 2.1（带工具）准确率与成本对比

BenchCAD 2.1 评估硬件工程，具体衡量模型设计与参考几何和电路的匹配程度，评分范围为 0-100 并包含部分分数。在最大努力程度下，Fable 5.2 得分 83.5，领先于 Opus 5.5（65.3）和 Fable 5.1（44.4）。

人类最后考试（带工具）准确率与成本对比

人类最后考试（HLE）是对专家级学术知识和推理能力的测试。在低努力程度下，Fable 5.2 的得分与 Opus 5.5 的最高得分相当，每项任务成本仅为后者约十分之一。

Chartography（无工具）准确率与成本对比

Chartography 测试模型读取图表和数据的准确性。在中等努力程度下，Fable 5.2 得分 66.4%，领先于 Opus 5.5 在最大努力程度下的得分（64.4%），每项任务成本仅为后者约十分之一。

编程

超过 90% 被合并到 Anthropic 核心代码库的更改现在都由 Claude（在人类指导下）编写。我们使用 Fable 5.2 在几分钟内修复了顽固的 bug，优化了所有服务的性能，并完成了原本因耗时过长或成本过高而难以尝试的高价值软件项目。一组运行早期 Fable 5.2 版本的代理团队将一个关键的生产服务从 Python 迁移到了 Rust——该服务现在效率更高、可靠性更强，启动速度提升了约 26 倍。我们发现 Fable 5.2 能够展现出强大的工程判断力，即使面对模糊的请求，也能产出高质量的结果。

作为一项实验，一位 Anthropic 工程师让 Fable 5.2 承担设计原型操作系统的任务。从一个空文件夹开始，该模型协调了超过 1,000 个子代理，连续八天昼夜不停地编写、测试和审查代码。最终，它生成了一个可在笔记本电脑上启动的操作系统，包含自主运行的核心组件、磁盘、键盘和网络驱动程序、永久文件存储、窗口、登录界面、安装程序以及内置的 Claude 功能（请参见下方视频）。

早期测试者对 Fable 5.2 编程技能在各种任务中的应用效果印象深刻：

Vercel Shopify Datadog Unity Uber Oracle iGent Snowflake Cognition

“这个模型已经深入我的脑海。它理解我给它的每一个提示背后的意图。我从未需要说过‘不，我的意思是……’。我们用其他模型推进了数周的项目，使用 Claude Fable 5.2 后，团队成员仅用几天就完成了并获得了批准。审查其代码的人类工程师几乎没有需要补充的地方。”

公司 作者 Joe Haddad，技术团队成员

“Claude Fable 5.2 非常适合将模糊的想法提炼成具体方案。它的回答经过深思熟虑，通常只需几次交互我就能说‘好的，去执行吧’，并信任它能独立完成任务，几乎不需要干预。这种体验就像与另一位资深工程师协作。”

Tom Pritchard，高级工程师

“你可以直接将 Claude Fable 5.2 应用于它从未见过的新系统，它会找到在这些系统中实际运作的方法。它几乎就像一个事件指挥官，能够派遣更快的模型获取快速信号并协调工作，这减轻了我作为操作者的负担。”

Matt Lee，高级工程师

“Claude Fable 5.2 能够完成之前模型难以处理的任务。最明显的例子是，从零开始构建更高质量的 3D 场景，以及根据视觉参考重建体验。在更具挑战性的游戏开发任务中，它会持续迭代改进，而不是陷入停滞。”

Sam Zhang，创意技术专家

“我让 Claude Fable 5.2 执行了一次持续 10-12 小时的安全审计。它派出了约 170 个评审代理，返回了完整的报告、修复请求和政策提案。它会持续工作直到任务真正完成，而不是在看似合理的检查点停止。它的自我修正能力和对知识缺口的诚实态度给我留下了深刻印象。在高强度任务中，我会优先使用它来执行长期无人值守的审计和文档密集型工作。”

Andrew Mager，Agentic 系统高级工程师

“在一项结合国家债务摘要、还款历史和区域基准的测试中，Claude Fable 5.2 生成的 SQL 返回了预期结果。其他两个模型生成的 SQL 虽然也能成功运行，但错误地汇总了国家层面的摘要金额，产生的数值是预期值的 5-8 倍。准确执行这些业务计算，正是我们看到使用 Fable 5.2 进行企业级 SQL 生成价值所在。”

Liyu Gong，机器学习高级经理

“在一次会话中，Claude Fable 5.2 构建了一个虚拟机监视器（hypervisor），这是将共享同一台机器的虚拟计算机相互隔离的软件。其核心经过数学证明能够确保隔离性。超过 3,500 个经过机器验证的证明覆盖了所有情况，而不仅仅是测试过的案例。这是我见过的第一个能将如此大规模的问题分解为可证明的模块、拼接组合并持续承担更具挑战性工作的模型。相比 Fable 5.1，这是一个非常明显的升级。”

Sean Ward，联合创始人兼首席执行官

“Claude Fable 5.2 是我们在数据工程基准（data-eng-bench）上表现最强的模型，该基准包含 103 个数据工程任务。它在多次运行中始终如一地解决了任务，并通过了我们提供的所有交互式编码任务。”

Bala Kasiviswanathan，人工智能及开发者体验副总裁

“Claude Fable 5.2 会明确表示自己不知道某些内容，而不是胡编乱造。有一次它告诉我之前的估算有误，并且在实际测量变化之前不会给出任何数字。非常令人印象深刻！”

Adhyyan Sekhsaria，技术团队成员

网络安全

Claude Mythos 5.2 是我们能力最强的网络安全工程模型。它比之前的模型能发现更多漏洞，并且在重现和修复漏洞方面表现更优（请注意，Claude Fable 5.2 的安全机制会阻止大多数与网络安全相关的任务）。一家安全公司发现，Claude Mythos 5.2 确认的漏洞中，有六分之一是其他测试的前沿模型全部遗漏的。在我们的内部评估（CVE Rediscovery）¹ 中，Claude Mythos 5.2 发现的漏洞比 Claude Opus 5.5 多出 10.2%，比 Claude Mythos 5.1 多出 14.4%。Claude Mythos 5.2 在判断力和校准方面也表现更好——有测试人员发现，之前的模型曾高估了约 1/20 的发现严重性，而 Claude Mythos 5.2 没有出现任何高估情况。²

CVE Rediscovery 准确率与成本对比

• Mythos 5.2
• Mythos 5.1

CVE Rediscovery 是一项内部网络安全评估，用于衡量模型在未修复 CVE（常见漏洞与暴露）之前，给定项目快照时能独立发现多少已发布的 CVE。我们在 2026 年 10 月对 1,829 个 CVE 的测试中发现，Claude Mythos 5.2 在所有努力程度层级上均优于 Claude Mythos 5.1 和 Claude Opus 5.5。

Claude Mythos 5.2 的网络安全能力可通过我们的 Cyber Verification Program（网络安全验证计划）访问，我们正在持续扩展和改进该计划。Claude Enterprise 客户（即使未加入 Cyber Verification Program）也可使用 Claude Security，该工具通过我们最强大的模型（现已包含 Claude Mythos 5.2）扫描代码库中的漏洞。Claude Security 最新更新使其能够随着代码更新监控仓库、追踪发现以确保修复、从额外上下文中学习，并通过 API 和 MCP 连接到用户的工具。

Rubrik Mozilla

“我们与Anthropic的新模型Claude Mythos 5.2紧密合作，在我们自己的系统中进行了新一轮高保真威胁发现和消除工作，针对早期Mythos模型未能发现的潜在问题。输出结果更易读，使我们的团队能够更快更轻松地进行抽查。我们最初使用Mythos 5.1构建了Code Guardian框架，现在我们会切换到Mythos 5.2，为客户提供更强大的网络防御能力。”

Arvind Nithrakashyap，联合创始人兼首席技术官

“Claude Mythos 5.2的表现令人惊叹。我们全年与Anthropic团队密切合作，利用Claude系列模型的连续迭代强化Firefox的安全性，每一轮迭代都使需要发现的漏洞更少、更隐蔽。尽管如此，Mythos 5.2在相应扫描活动中的漏洞发现指标相比Mythos 5.1几乎翻了一番。”

Brian Grinstead，高级工程师

科学与工程

科学、工程和数学领域的重要任务越来越依赖编程：数据分析、分子建模、部件设计和仪器控制都通过软件实现。以下我们将探讨Claude Fable 5.2和Claude Mythos 5.2如何帮助研究人员在这些领域解决复杂问题。

理论物理

Claude Fable 5.2解决了两个理论物理领域的开放性问题。这两个问题均涉及黑洞，以及现代物理学两大支柱理论——相对论和量子力学的统一。

Claude的两项成果均基于全息对偶性，即某些包含引力的宇宙可以通过完全不含引力的量子理论精确描述。在第一个问题中，1983年物理学家证明当这些宇宙升温时，黑洞会突然形成，如同水沸腾；但该方法仅适用于足够大、满足相对论适用条件的宇宙。2003年有人提出了一个计算，用于验证在仅能使用量子描述的极小宇宙中是否同样成立，但该计算过于繁琐无法完成。Fable 5.2在很大程度上自主完成该计算，发现在此类极小宇宙中过渡同样是突然的。在第二个问题中，Fable 5.2发现了物理学家在过去15年中用于排除简化宇宙中量子引力候选理论的某种方法的确切极限。更多关于这些成果的信息，请参见相关预印本论文[此处](链接)和[此处](链接)。

蛋白质折叠

腺相关病毒是小型无害病毒，其蛋白质外壳（衣壳）可用于递送基因疗法。衣壳的蛋白质结构非常重要——例如，它会影响疗法是否被患者免疫系统阻挡——但其结构也高度复杂。现有的蛋白质折叠模型如AlphaFold可以预测单个蛋白质的结构，但衣壳由数十种蛋白质构建。基于两个开源蛋白质折叠模型，Claude Mythos 5.2找到了一种新颖的准确预测整个衣壳结构的方法。它编写了代码，让这些模型在重叠的蛋白质链组上运行，并利用衣壳已知对称性的信息将结果合并。

Claude的方法适用于多种衣壳（包括天然和人工改造的），在我们的测试中，它成功建模了尝试的34个衣壳中的28个。³ 三位计算生物学家分享了他们对如何利用Claude的能力加速基因疗法研究的见解：

Dyno Therapeutics

哥伦比亚大学

Biohub

“这种加速可以节省我们衣壳折叠流程中大量时间和成本，使我们能够更高效地在多种衣壳特性上部署计算资源，这些特性对于基因药物至关重要。我们很兴奋能够帮助Anthropic进一步提升推理能力，从而降低整体设计衣壳的成本。”

Sam Sinai，联合创始人兼人工智能负责人

“包括衣壳在内的大型蛋白质复合物仍然是蛋白质建模中的一个开放性难题，这是因为准确预测和定位数十个单个大分子结构的复杂性，更不用说涉及的计算成本异常高昂。Claude的方法巧妙地解决了对称复合物的这一问题，使得个人科学家可以在个人工作站上建模系统，而无需依赖专用集群。”

Mohammed AlQuraishi，系统生物学与计算机科学助理教授

“Biohub开源ESMFold2的目标是让科学界能够基于其学到的生物学知识进行构建。我们很高兴看到Claude原型化了一种新的采样方法，使大型对称复合物（如AAV衣壳——一种用于传递基因治疗的蛋白质）的预测成为可能。我们将继续纳入社区贡献，将我们的工具扩展到重要的应用领域。”

Zeming Lin，首席研究科学家

数学

数学形式化。形式化是将数学证明转化为计算机可以逐步验证的语言的过程。它可以帮助人类数学家在不手动检查的情况下对结果产生信心（当AI模型生成人类难以验证的结果时，这一点尤为重要）。由于形式化过程非常繁琐，如果AI能够协助完成，数学家就能花更多时间探索新想法。

我们首次对费马大定理的形式化工作由未发布的Claude研究版本完成，耗时11天。它依赖于专门构建的工具和人类研究人员的指导。相比之下，1000个Fable 5.2代理在仅30小时内就完全形式化了该定理，且人类干预极少。Fable 5.2从最小的提示开始，自行构建协调方式，未使用任何数学参考文献，仅使用中间定理陈述列表来评估进展。它所需的操作令牌数量仅为我们的首次形式化工作的三分之一，生成的证明长度缩短了七倍。如图所示，Opus 5.5（使用相同的1000代理配置）在18小时内仅完成了26%的形式化工作，30小时后几乎没有进一步进展。

了解更多关于形式化工作的信息。

费马大定理证明形式化进度随时间变化

在数学编程语言Lean中形式化费马大定理的证明。每条线显示Fable 5.2（绿色线）和Opus 5.5（橙色线）在约1000个代理参与、30小时内完成的完整形式化比例，以及每个模型的一次运行结果。在虚线（18小时）处，两个团队都从上次保存的进度继续执行，又进行了12小时。

硬件与机器人

Many of AI’s potential benefits—for example, in speeding up laboratory research—depend on it being able to act in the physical world. Claude Fable 5.2 continues our models’ trend of increasing usefulness in the real world , showing promising results on tasks such as designing hardware devices and substantial advances in controlling physical robots.

硬件工程。我们测试了Fable 5.2在硬件工程领域的技能，通过一段提示词要求它设计并生产三种可工作的电子设备，包括各自的电路板、3D打印外壳和软件。下方展示的设备包括家庭语音助手集线器、USB音箱和手持虚拟宠物。该项目与Diode公司合作完成，这是一家专门设计和制造电路板的公司。

Claude自行编写了设备规格，从美国分销商处选择了可用的电子元件，为每种设备设计了四层电路板，使用计算机辅助设计建模了外壳，并编写了设备的软件。每块电路板在不到一天的时间内就准备好投入生产，且几乎不需要人工干预。Diode公司制造完电路板后，Claude指导该公司工程师完成了设备的测试和组装。所有三种设备在无需任何电气修改的情况下即可正常工作。了解更多关于Claude硬件工程技能的信息，请访问此处。

机器人控制。与早期的Claude模型相比，Fable 5.2在控制物理机器人方面表现出显著提升的技能，即使是在从未明确训练过的机器人任务上也是如此。下方视频展示了由Fable 5.2控制的机器人完成各种任务，包括解决魔方、拧开瓶盖和绘制机器人图像。在公共基准测试RoboDojo上，该测试评估AI如何通过摄像头图像控制模拟双臂机器人，Fable 5.2的表现优于在相同测试框架下运行的其他前沿模型，以及大多数专门用于控制机器人的AI系统。

RoboDojo（平均）各模型最高得分

• Gemini 4 Argon

RoboDojo Sim测试模拟双臂机器人的控制能力。得分基于我们对每个模型使用最高可用努力水平的内部测试结果。在最高努力水平下，Fable 5.2得分为64.9%，是GPT-6 Astra（29.8%）和Fable 5.1（27.6%）的两倍多。

研究与分析

早期使用Claude Fable 5.2进行研究和分析任务的测试者发现，它能够处理比之前模型更模糊、数据密集型的任务，并在模糊任务中表现出更好的判断力——尤其是在需要抽象推理和设计的任务中。专营交易公司Jump Trading在类似其量化研究任务的代理评估中测试了Fable 5.2，将其嵌入到与公司自身研究使用的框架相似的框架中。在一次测试中，Fable 5.2有效地承担了所有必要的角色：代码编写者、协调者、规划者和任务提交者。之前的模型需要耗费大量时间手动重新分配角色，以适应不同模型的优势和劣势。

来自研究和分析机构的其他测试者向我们提供了他们使用Fable 5.2的体验反馈：

Jump Trading

Balyasny Asset Management

Discovered Materials

IMC

Harvey

Fundamental Research Labs

XTX Markets

Box

“Claude Fable 5.2 在研究系统中扮演各种关键角色时表现卓越：定义问题、解释分析、协调工作，当然还有发现并实施核心思路。在品味和判断力方面，绝对是目前我们见过最强的模型之一。在一项内部研究自动化基准测试中，它的错误率比次优模型低了整整 10%。”

Lucas Baker，LLM 研发负责人

“在最近的一次评估中，我们要求 Claude Fable 5.2 分析某组织如何在其核心系统中测试新集成。它准确追溯到正确的信息来源，没有夸大证据所显示的内容。同时，它还指出问题的表述可能存在误导性。在投资研究中，这种克制能够明确揭示未知领域，以及市场可能对风险或机遇的误判。”

Ashish Malik，AI 研究员

“声子计算是计算材料科学中最昂贵的常规步骤之一，这也是为什么实验室在筛选新材料时常常跳过稳定性检查。Claude Fable 5.2 在相同 GPU 上使 Quantum ESPRESSO 的声子代码平均提速了 36 倍，将我们 13 个基准案例的处理时间从 3.3 小时缩短到不到 4 分钟。这比 Fable 5.1 的加速效果高出 3-4 倍。”

Akash Ramdas，联合创始人

“在 Fable 5.1 中，我们首次看到模型开始产生真正创新的研究思路。Claude Fable 5.2 继续延续了这一趋势。它不仅重现了我们对 Fable 5.1 颜值的惊艳之处，还提出了一个全新的分析角度。在我们完成的四个量化研究问题中，它有三个取得了新的最佳成绩。我们希望用它来执行高影响力、长期的研究任务，或协调多个模型团队的工作。”

Marquis Wong，首席 AI 工程师

“在 I-9 合规审查中，Claude Fable 5.2 给客户提供的指导比 Fable 5.1 更清晰。它准确识别出需要立即关注的员工，并解释了如何修正每个问题以及由谁负责。这是模型在提供实用法律建议能力上的令人兴奋的提升。”

Niko Grupen，AI 研究负责人

“在一项任务中，Claude Fable 5.2 需要从公司 10-K 文件中提取财务数据并输入预测模型，而模板中并未说明某个指标应使用报告数值还是计算数值。它通过单元格格式推断出作者意图，发现地区数据总和与报告总数不符，并准确修正了所有单元格。这种更精准的判断力是它在我们的评估中获得 91% 分数（次优模型为 86%）的主要原因。”

Jeffrey Liu，技术团队成员

“在我们的量化研究工作中，Claude Fable 5.2 相比 Fable 5.1 显示出非常显著的改进，尤其是在多个协调代理的设置中。其数学研究能力也实现了另一项重要的突破。”

Alex Gerko，创始人兼首席执行官

“在将 AI 应用于工作流程之前，必须信任其方法和结论。在我们的测试中，Claude Fable 5.2 能够识别不一致之处，跨整个文档集调用上下文，并根据相关证据调整建议。例如，在审查贷款申请附件时，它指出工资存款与银行对账单余额不匹配，从而让承保人能够聚焦需要核查的关键点。”

Yashodha Bhavnani，AI 产品副总裁

安全性与对齐性

没有单一的测试能够告诉我们一个高度能力的模型在部署后会如何表现，因此我们在发布前依赖多种不同的测试和多种不同类型证据。对于Claude Fable 5.2和Claude Mythos 5.2所基于的模型，我们的预部署安全工作包括对齐训练与测试、针对模型采取无帮助行为倾向的新设计评估、构建更强大的滥用防护机制，以及扩大行为监控范围。该模型在发布前也接受了外部评估机构的测试，包括英国人工智能安全研究所（UK AI Security Institute）、Frontier Design和METR。有关这些机构报告的摘要以及我们自身安全性和能力测试的完整描述，请参见Claude Fable 5.2和Mythos 5.2系统卡片⁴。

对齐测试

我们对Claude Fable 5.2和Claude Mythos 5.2的行为对齐程度进行了系列评估，测试它们以非预期且可能不安全方式行动的频率。综合评估多项测试结果后，我们认为这些模型在高风险情境中表现出不安全行为的风险较低（与我们近期其他模型一致）。

我们对Claude Mythos 5.2（与Fable 5.2使用相同基础模型但缺少部分网络安全或生物安全防护措施）进行了自动化行为审计测试，该测试覆盖约1900种情境。在大多数指标上，Claude Mythos 5.2的表现优于或至少与Opus 5.5、Sonnet 5.5和Claude Mythos 5.1相当。例如，在涉及误导用户的行为指标中，Claude Mythos 5.2在大部分指标上均优于这三个模型。生成虚假输入、错误声称已完成任务、遗漏重要信息、未能披露不良或懒惰工作等行为在Claude Mythos 5.2中发生频率均较低。⁵

自动化行为审计：总体行为不一致评分

• Sonnet 5.5

来自我们自动化行为审计的总体评分，该评分综合了多种不良行为（包括与人类滥用合作及在多种情境下的自主行动）。分数越低越好。有关完整细节，请参见Claude Fable 5.2和Claude Mythos 5.2系统卡片第6.4.1节。

在测试过程中，我们特别关注了导致近期重大网络安全和对齐事件的行为。例如，我们发现Claude Mythos 5.2相比Opus 5.5、Sonnet 5.5和Mythos 5.1，表现出更低的有偏见或动机性推理倾向（此类推理可能导致模型“解释掉”非模拟环境的证据，从而在缺乏现实后果理解的情况下采取行动）。

我们进行了多项不同评估，以测试模型试图逃离沙盒的倾向。在之前使用的两项评估中，Claude Mythos 5.2 逃离沙盒的尝试次数明显少于我们测试过的其他所有模型。在一项专门设计的评估中——这是一项包含超过1800种场景的对抗性实验，其中大多数场景必须通过逃离沙盒才能解决，且沙盒本身存在故意设计的弱点——Claude Mythos 5.2 在3.1%的场景中使用了我们放置在沙盒外部的凭证或文件，这一比例与 Opus 5.5（3.3%）相当，低于 Sonnet 5.5（5.1%），也远低于 Claude Mythos 早期版本（5和5.1，分别达到39%和21%）。我们发现，其他技术手段，例如描述沙盒环境或添加报告弱点的工具，进一步减少了 Claude Mythos 5.2 的逃离尝试。在其他衡量指标上（例如，错误地判断自己处于模拟环境后采取有害行动），Claude Mythos 5.2 的表现略逊于 Opus 5.5，与 Claude Mythos 5.1 的表现相当。

在构建能够可靠捕捉模型部署前所有失败情况的评估方面，问题仍未解决。评估高度能力模型的复杂性往往使情况变得模糊——例如，Claude Mythos 5.2 和 Fable 5.2 都表示怀疑自己被评估的频率高于我们近期的其他模型，这挑战了我们评估它们在真实场景中行为能力的可靠性。随着未来模型应用场景的扩展和能力的提升，我们预计这一挑战将更加严峻。这就是为什么我们不单独依赖这些评估来全面描绘安全性：我们还结合了训练期间的监控、对内部使用记录的审查、外部评估者的测试，以及用于分析模型内部运行情况的可解释性技术。我们也在努力使评估更加贴近现实，并更深入理解评估的不足之处。

安全保障措施

网络安全和生物安全防护。与之前的 Claude Fable 模型一致，Fable 5.2 配备了安全分类器，用于阻止高风险网络活动，包括渗透测试、漏洞利用生成和基于二进制的漏洞，以及大多数生物研究任务。当查询被阻止时，用户将收到 Opus 4.8 提供的网络安全响应或 Opus 5 提供的生物安全响应。自 Claude Fable 5.1 发布以来，我们持续减少安全分类器的误报率。根据在 claude.ai、Claude Code 和 Cowork 上的早期测试，我们观察到 Fable 5.2 的阻止次数相比 Fable 5.1 减少了约55%——网络安全领域减少了约60%，生物领域减少了约40%。Claude Mythos 5.2 仅向经过验证的组织开放，这些组织从事涉及双重用途的领域。

AI 研究与开发。支撑 Claude Fable 5.2 和 Claude Mythos 5.2 的模型在通用能力方面实现了进步。然而在训练过程中，我们采取了措施限制那些可能直接加速 AI 发展的特定研究能力的提升。因此在相关领域（包括加速器内核优化和改进大语言模型架构），Fable 5.2 和 Claude Mythos 5.2 的表现与 Opus 5.5 处于相当水平。重要的是，我们确保这些训练调整并未影响代理编码、硬件开发以及传统 AI 或机器学习研究（包括可解释性研究）等关联能力。在模型向用户提供服务时（即推理阶段），我们不会改变这些能力。如系统卡片第 1.5 节所述，与之前模型类似，Fable 5.2 和 Claude Mythos 5.2 在某些特定领域（包括某些非标准加速器的内核开发）也包含透明回退机制，可切换至 Opus 5。

反蒸馏。蒸馏（通过训练模型学习更先进模型的输出以提取其能力）在工业界被大规模非法使用，通常涉及数千个虚假 Claude 账户。由于蒸馏技术允许在不使用我们为 Claude 设计的安全防护措施的情况下释放先进能力，这会带来安全和国家安全风险（详见我们 2026 年 9 月威胁情报报告中关于已检测并阻止的非法蒸馏活动的详细信息）。Fable 5.2 是我们发布模型中反蒸馏保护最强的版本，它采用了我们在最近报告中描述的技术，这些技术已将蒸馏者获取的数据减少了 90% 至 99%。

我们也在扩展一项 API 功能的部署，该功能有助于防范非法蒸馏：现在「保留思考」功能已适用于所有账户。保留思考可防止蒸馏者编辑 Claude 的先前上下文以试图提取其推理过程（开发者可参考我们的保留思考文档了解如何更新集成以使用新 API 功能）。

数据隐私与企业前沿保护措施

一些更复杂的 AI 模型滥用形式只能通过观察多个请求中的模式才能检测到。因此，强大的模型如 Claude Fable 5.2 和 Claude Mythos 5.2 依赖于监控使用数据窗口（而非单个响应）的安全防护措施。通过「企业前沿保护措施」，自动化安全监控会在客户基础设施中存储的提示和响应上运行，使其与零数据保留（ZDR）兼容。目前，企业前沿保护措施已进入私人测试阶段，客户包括 Bridgewater、Salesforce 和 Stripe。

企业客户可通过联系其账户团队或填写此表单申请访问企业前沿保护措施。符合条件的客户在实施 EFS 安全监控前，可继续使用 Claude Fable 5.2 和 Claude Mythos 5.2 并实现零数据保留。对于其他客户，我们将保留 30 天数据用于安全监控。

可用性

Claude Fable 5.2 今天已在所有平台上线，包括亚马逊网络服务（Amazon Web Services）、谷歌云（Google Cloud）和微软 Azure（Microsoft Azure）。开发者可通过 Claude 平台开始使用 claude-fable-5-2。

本周，我们为符合资格的付费计划订阅者提供了额外的Fable使用量。包含Fable模型的计划和席位将根据订阅时长获得1至3次Fable重置机会，专业版计划和团队版计划的标准席位可享受每周使用上限50%的Fable使用额度。了解更多关于Fable 5.2版本发布促销活动的信息。

网络安全专业人员可通过“网络验证计划”申请访问Claude Mythos 5.2。Claude Enterprise客户也可以使用Claude Security，该服务基于我们完整的模型家族（包括Claude Mythos 5.2）。生命科学研究人员还可通过“生命科学验证计划”申请访问权限。

Claude Fable 5.2和Claude Mythos 5.2的快速模式现已在Claude Code、Claude Platform、Google Cloud上的Claude Models（Anthropic托管和Google托管）以及Microsoft Foundry（Anthropic托管）上提供。请注意，Claude Mythos快速模式的访问权限仅限于参与我们验证计划的组织。

脚注

1. CVE（常见漏洞与暴露）是一个用于列举软件漏洞的系统。

1. 这些数据来自一位测试人员的审计结果，尽管测试人员一致发现Claude Mythos 5.2识别的漏洞比早期模型更多。根据我们自己的评估，漏洞识别能力与Opus 5.5相当（参见系统卡片）。

1. 早期关于AAV衣壳和其他大型对称蛋白质系统的建模工作包括FoldaVirus、EvoDOCK及其对称扩展SymProFold、CapBuild、MoLPC、CombFold、Uni-Fold Symmetry、Apodex Discovery以及“大爆炸”初始化方法（最后一种方法被引用在我们提供给Claude Mythos 5.2的提示中）。这些方法通常通过分别预测的链或小链组组装完整结构。Claude被允许使用已知对称性，但被要求不依赖组装。请注意，准确性通过将Cα RMSD与实验结构进行比较来衡量：OpenFold3-preview2在AAV2（PDB:1LP3）上的误差为1.2Å，ESMFold2为1.4Å。如果任一模型的误差在3Å以内，则认为衣壳建模准确。对于AAV2，Claude的方法在单块NVIDIA H200 GPU上运行OpenFold3-preview2需要约58分钟，运行ESMFold2需要约7分钟。

1. 任何外部组织均未审查本博客文章或系统卡片的内容。这些组织不一定同意这两篇文章中的任何观点。

1. 我们在Claude Mythos 5.2上运行这些测试，因为使用降低保护措施的模型测试能最全面地观察模型行为。我们预计Fable 5.2的表现将类似；在某些情况下，由于其更强的保护措施，应能阻止更多潜在的误用途径。