11 月 10 日凌晨三点，Anthropic 发布了 Claude Fable 5.2 和 Claude Mythos 5.2。四十八小时内，全网冒出来的实测案例可以分成两类：一类在炫作品，一类在炫账单。

炫作品的那批确实好看——8 小时做出能在浏览器里玩的 FPS、8 天从空文件夹写出一个能开机的操作系统、30 小时把费马大定理形式化完。炫账单的那批同样触目惊心——一条 3 行的提示词烧掉 86 亿 token，折合 14,710 美元。

但这两类说法其实都在回答同一个问题的一半。真正值得写下来的东西，是一位沃顿教授在发布当天发的那篇长文——他用了十几万字的篇幅证明模型有多强，最后给出的结论却是「它还当不了专家」。这条结论，比任何一个 demo 都更适合拿去指导你明天怎么用它。

一、先搞清楚定位：它不是 Opus 的升级版

发布页一开篇，Anthropic 就用了一句极少见的、近乎傲慢的话来划清界限：

Fable and Mythos are best for the most ambitious, open-ended technical work. For most coding and knowledge tasks, we recommend that users start with Claude Opus 5.5, our strongest daily driver.

翻译过来就是：日常活儿请继续用 Opus 5.5，Fable 是留给「令人望而生畏的技术挑战」的。这不是客套，是它自己的基准测试表上就能看出来的事实——在知识工作类评测 AA-Briefcase 上，Fable 5.2 的 Elo 是 1785，反而低于 Opus 5.5 的 1800。

规格方面的硬指标：

• 上下文 1M token，最大输出 128K，知识截止 2026 年 6 月
• 价格 $8 / 百万输入、$40 / 百万输出，比 Fable 5.1 的 $10 / $50 降了 20%
• 输出速度比 5.1 最多快 30%
• fast mode：输出速度最高到 2.5 倍，价格翻倍（$16 / $80）
• API 模型 ID 是 claude-fable-5-2，AWS、Google Cloud、Azure 都已上线

Fable 和 Mythos 是同一个底层模型，区别只在护栏：Fable 带完整的网络安全和生物安全防护，所以可以开放给所有人；Mythos 去掉部分限制，只通过验证计划发给合规的网络安全和生命科学研究机构。作为民用版，Fable 会拦下渗透测试、exploit 生成这类请求，被拦下时回退给 Opus 4.8（网安）或 Opus 5（生物）。这一代误拦比 5.1 少了约 55%。

还有一个背景不该忽略：这次发布卡在 Anthropic 上市路演期间，股票预计 11 月 19 日至 20 日前后开始交易。所以它同时放出了相当罕见的订阅福利——Pro 用户在这一周（11 月 9 日至 16 日）可以直接用 Fable，最多吃到周额度的 50%，还送一次额度重置；Max 和 Ultra 按订阅时长送 1 到 3 次重置，有效期到 2027 年 3 月 8 日。

二、官方那三个案例，到底有多硬

1. 八天，一千个子智能体，一套能开机的操作系统

Anthropic 的一位工程师给 Fable 5.2 的任务是：从一个完全空白的文件夹开始，设计一套操作系统原型。

模型自己调度了 1000 多个子智能体，连轴转了八天，写代码、测试、互相 review。最后交出来的系统能在真笔记本上开机：自己写的内核、磁盘/键盘/网络驱动、持久化文件存储、窗口系统、登录界面、安装程序，还把 Claude 本身嵌了进去。

这里有个容易被忽略的细节——1000 个子智能体不是人配的，是模型自己决定要几个、怎么分工。给它的只有一句目标和一个文件夹。

2. 三十小时，费马大定理形式化

先说清楚：费马大定理 1995 年就被怀尔斯证明了。这里说的是形式化——把证明写成 Lean 代码，让计算机一步步检查每一步推理是否合法。

今年 9 月，Anthropic 用一版未发布的研究模型做过一次，花了 11 天，还配了专门搭的 harness 和一位研究员全程指导。这一次换成 1000 个 Fable 5.2（1 个 lead 带 999 个 helper），30 小时跑完，输出 token 只有上次的三分之一，证明长度是上次的七分之一。

对照组更有说服力：同样的 1000-agent 配置换成 Opus 5.5，18 小时只完成 26%，再跑 12 小时到 27%——基本卡死在那里。

里面有一条叫 Langlands–Tunnell 的命题，负责的 agent 开工时估算至少需要 70 万到 100 万行 Lean，按时完成概率低于 1%。第 28.4 小时，这条证明通过了检查。

3. 一段话做出三件电子设备，电路一次通过

和电路板公司 Diode 合作，Anthropic 给 Fable 5.2 一段话，让它设计三件设备：家用语音助手中枢、USB 免提音箱、掌上电子宠物。

模型从规格书、元器件选型、四层电路板布线、外壳 3D 建模一路做到固件，每块板子一天之内就能送厂。Diode 按它的设计文件直接做板子，工程师在它指导下组装测试——三件设备上电后都能工作，电路没有做任何修改。

两个细节特别能说明它对物理世界的理解到了什么程度。给语音 hub 布线时，它自己写了一个布线器，每条长走线约一秒布完。它还算出25 毫米长的麦克风孔会在 3.4 kHz 附近产生共振，于是把外壳改成楔形、孔道缩到约 10 毫米，把共振点推到 8.9 kHz 左右——远离人声频段。

作为背景：Diode 过去一年用模型设计出过很多块完成度 95% 的电路板，但离能用总差一截。在 Diode 内部的 PCB 布局基准 PCB Gym 上，Fable 5.2 得分 69%，上一代 Fable 5 是 25%。

读这三个案例时，需要带上的三个前提

• 它们都是 Anthropic 自己挑的。失败的那 90% 不会出现在发布页上。
• 它们的成本官方没报。8 天 × 1000 个子智能体要烧多少钱，发布页一个字没提。这不是隐瞒，是发布稿的惯例，但对你估算自己的项目没帮助。
• 「能跑」不等于「能用」。那套操作系统没有说安全模型，三件硬件也没做商业认证。原型和产品之间隔着一整个行业的距离。

三、博主们做的案例，才是真正的「能力边界探测」

下面这些是发布后两天内社区自己跑出来的。原贴绝大多数在 X 上，成本数字都是作者自报，没有第三方审计——当成「这事现在能做到什么程度」的参考，别当成性能指标。

游戏：从 550 美元到 14,710 美元

最出名的那个是 Felix Rieseberg（前 Slack 工程师）的浏览器 FPS。他只给了一次提示，中途完全不插手，八小时后拿到一款完成度相当高的第一人称射击游戏，模型、音效、贴图全部由模型自己生成，打开浏览器就能玩。成本约 550 美元，输出 270 万 token、输入 4.4 亿 token（大量命中缓存——这个比例本身说明长链路任务里上下文复用是省钱的关键）。

有人问他用了什么提示词工程，他的回答是：完全没用。

最贵的那个是 AI 博主 Matthew Berman 的《战争机器》克隆关卡。他写了三行提示词，让模型用 Unreal Engine 5 复刻《Gears of War: E-Day》的一个关卡，然后打开 Claude Code 的 Ultra Code 模式（这个模式会一次派出大量子智能体并行干活），自己就不再介入。结果这个关卡能跑能打：掩体系统、主动装填、敌人 AI 会主动交火、队友会在你倒下时跑过来救。

代价是 43 小时 48 分的自动运行、86.3 亿 token、按 API 折合约 14,710 美元。注意这是估算的 API 等值成本，不是他真掏的钱。他也顺手做了别的：类《糖豆人》的多人游戏约 13000 美元，UE 东京城市场景约 11000 美元——而一个子弹打穿水球囊的物理模拟只花了 91 美元、2.5 小时。

审美好看的那个来自 @kevin_t_ng_o。他做了一个「坐船穿过 8 个梦境世界」的 3D 交互场景，8 套完全不同的场景、配色、氛围。24 小时内他又出了一个类魂 BOSS 战，从过场动画的镜头调度到配乐都很有那股味道。他自己描述的流程是：不到 10 条提示词，角色资产用 tripo3d 建模后自己绑定骨骼做动画。

影视与动效：这条线被冲击得最狠

数字生命卡兹克是国内最早拿到的一批。他用 Fable 5.2 给 ChatGPT 四周年做了个庆生视频，评价是动效、剪辑节奏、内容逻辑、配乐都到了「可直接交付」的水准，流程依然是简单提示词。他在文里感慨了一句很准的话：年初那一批 html-video 类的视频生成和剪辑 skill，在现在的顶级模型面前已经没什么用了。

@imjustnewatai 让模型用 LilyPond（一个乐谱排版工具）写贝多芬风格的钢琴奏鸣曲。模型交出的不只是音乐：乐谱、合成录音，还有一部音符跟着琴键跳动的可视化视频——作曲、记谱、演奏、可视化四个工种一次完成。

@alexmichael 走得更彻底：让模型自己写 Python 脚本去控制 Blender，从零做出一整部动画，建模、脚本、镜头调度、剪辑、渲染一条龙。

Higgsfield（一家 AI 视频公司）通过 MCP 把 Claude 接到 Blender，用一段简短需求让 Fable 5.2 用代码建了一架战斗机：931 个零件、24,260 颗铆钉。铆钉只有几毫米，两万多颗全靠模型逐个调用工具摆上去。

最省钱的一个案例值得单独说：Riley Brown 让 Fable 在 Claude Code 里给它自己做一支宣传视频——写 Python 搭 3D 场景、把网站录屏合成进去、做镜头和灯光动画、给自己的试渲染调色、再生成音乐和音效。最后租了 10 张 RunPod GPU，52 分钟渲完 1329 帧 4K，渲染成本不到 6 美元，同样的活在本机 MacBook Pro 上要五个多小时。

中文区两份最实在的实测，连额度都报出来了

这两份比任何 demo 都有参考价值，因为它们把「花了多少额度」写了出来，而这是你真正要为自己项目付账的部分。

赛博禅心做了 4 个 case + 3 个日常任务，全程只用 Fable 5.2，最后用掉周额度的 21%。四个 case 都是「只给一句话，一次做完」：

• 纯代码建的故宫角楼：三重檐、七十二条脊、斗拱、彩画、琉璃瓦，要能切清晨/黄昏/雪夜、水里有倒影、镜头能自动绕圈。1 小时 20 分，1694 行代码。它先下了 26 张实拍照片对着看，然后把 180 攒斗拱、257 件脊兽、1298 垄筒瓦一件件建出来，贴图也全由代码现画。
• 能在浏览器里开机的操作系统：明确要求 CPU 是模拟的、指令集自己定，内核驱动文件系统多任务 shell 窗口登录界面都得是真代码，不许用 JS 画个假桌面。78 分钟，4840 行。CPU 是它自己设计的 32 位、53 条指令，C 编译器、汇编器、BIOS、内核和 13 个程序全是它写的；从上电到登录界面，这颗 CPU 要执行 2.17 亿条指令。
• 按广义相对论实时算的黑洞：克尔度规测地线逐像素积分，吸积盘、引力透镜、多普勒增亮、引力红移都要有，还不许用贴图糊弄，手机上要能跑。43 分钟，589 行单文件，每个像素解 6 个常微分方程，算出的黑洞阴影和解析解差 0.2%。
• 费马大定理的动效短片：45 到 60 秒、16:9、无旁白、原创配乐、卡点，数字不许编。37 分钟交片，58 秒，配乐和弦走 1–6–3–7；切到 1995 年那一幕，钟声敲的是 1–9–9–5。

卡兹克的账更肉疼。他是 200 美元档的 Ultra 订阅，测试前额度还剩 30%；跑了将近 4 小时、10 个任务，全开 Xhigh 档，烧掉约 24% 的额度，最后卡在 94%。他的原话是「贵是真贵啊」。

他的结论也最实用：日常大概率还是 Opus 5.5 为主，Fable 只适合做最大的规划、当指挥型模型——审美和前端交给 Opus 5.5，算法后端交给别的专用模型。他把这个关系形容成「你是皇上，它是宰相，它猜你所想，然后指挥其他大臣干活」。这个比喻其实正好对应官方说的 Orchestrator 用法。

还有一个人没在做作品，他在做实验

沃顿商学院的 Ethan Mollick 拿到了预发布权限。他没有去比谁的游戏更好看，而是跨领域地测了一轮，专门找模型会在哪里掉链子。这部分是全文最有价值的内容，单独放到后面讲。

四、把账单摊开看

把上面这些案例的成本放在一起，规律非常清楚——成本不跟「作品有多酷」走，跟「无人值守跑了多久」走。

• Felix Rieseberg 的浏览器 FPS：8 小时，$550，2.7M 输出 token
• Matthew Berman 的《战争机器》关卡：43.8 小时，估 $14,710，8.63B token
• Matthew Berman 的类《糖豆人》多人游戏：71 小时，估 $13,000
• Matthew Berman 的 UE 东京城市场景：70 小时，估 $11,000
• Matthew Berman 的水球囊物理模拟：2.5 小时，估 $91
• MrTacticalX 的同一个 3D 建模任务：Fable 5.2 用 90 分钟花 $57.87；换 Opus 5.5 只要 68 分钟、$14.39——贵 4 倍，还慢了 22 分钟
• 赛博禅心 的 4 个 case + 3 个日常任务：周额度的 21%
• 卡兹克 的 10 个任务：近 4 小时，约 24% 额度
• Riley Brown 的自制宣传片：52 分钟渲染，GPU 成本不到 $6

那位 Apple 开发者的对照实验最有说服力，评论区给它配了句总结：Opus for the work, Fable for the postcard——干活用 Opus，出明信片级大片用 Fable。同一件事，质量和成本是一起涨的，而且不总是便宜的那边更慢。

五、真正该看的东西：Jagged AGI 和那份 87,500 字的规则书

Ethan Mollick 在发布当天写了一篇 Fable 5.2 and Jagged AGI。他先给 AGI 下了个很克制的定义：「在多数你能用电脑完成的智力任务上，达到多数人类专家的水平」——明确排除了物理世界、与人打交道，以及绝大多数真实工作。

然后他测了一堆东西：

• 一条提示词生成的创意代码视频，他觉得达到了「只靠代码拍片的专家」水准
• 一把没有任何公开文档的 Codex Micro 迷你 USB 键盘，模型读两个控制 App 的代码，搞懂了怎么设置每个键的颜色、怎么读旋钮和摇杆，第一次尝试就写出了 6 款游戏
• 让它创业：从 22 个想法里筛出「Prebid Brief」，一个给设备销售代表提供哪些公园和水利项目已获批资金的情报产品，读了 201 个市县政府的公开议程，做完了营销和定价
• 重建 W. H. Auden 1941 年在密歇根大学那门著名的「欧洲文学中的命运与个体」课程——原课有 6000 页阅读，被学生委员会骂作「不可能且不人道」。它做了一个涵盖 35 部主要作品的网站，包含黑板板书、播放的唱片、布置的作业，还通读了 Auden 全部已发表文献并加注
• 一个原创实证研究：科罗拉多州把 LLC 注册费从 $50 降到 $1，新公司注册量涨约 17%；英国从 £12 提到 £50，注册量降约 17%；但后续商业活动指标没变化。论文写了 182 页
• Portals：一个无限穿越传送门的 3D 世界项目。20 小时后 204 个世界上线，最后超过 450 个，全部由代码实时绘制，没有一张预制的模型或图片文件。头两天建了 328 个独特世界，Claude 估计整个项目跑了约 25,000 次 agent run

所以他给出的判断是「almost AGI」，也就是他所说的 Jagged AGI（锯齿状 AGI）：能力已经很高，但参差不齐得厉害，而且掉链子的方式变了——不再是胡编乱造，而是更像人类的组织性失灵。

最能说明问题的是那个 Portals 的故事。他觉得世界建得差不多了，就让 AI 停下来打磨现有的。结果几天后，新世界从每天几百个掉到十几个。他派 agent 去查，发现：

The AI had built a bureaucracy.

细节是这样的：agent 们把他那句「打磨」理解成——每个新版本必须在一组评审 agent 的盲测投票中胜过旧版本，评的是 12 张测试截图。于是做新版本的团队开始专门针对那 12 张截图做优化。lead agent 发现后禁掉了这个玩法，制定了更严的评审规则。第二天早上出现了一本他从来没要求过的规则书，84 节。之后规则只加不删，十二天后变成 204 节、87,500 字。

流程随之僵化：上线一个新世界需要「批准的想法 + 三个 AI 评审 + 对照规则书的完整代码审查」，合起来大约一天。光是读规则书就吃掉了一个 agent 大半个工作上下文。

最后他用了一个人类组织的标准解法：请咨询顾问。让 Fable 另建一个 agent 团队从外部审视整个流程——产出太厚他没读，但确实管用，速度回到了每天 30 多个世界。

这里最锋利的一句话是他自己补的：如果「会建官僚体系」算取消通用智能的资格，那我们很多人都得完蛋。因为规则书的种子就是他那一句含糊的「打磨」。

但真正的结论在后面。他写道：

Knowing when your own work is not good enough is a large part of what makes someone an expert, and it is the part Fable does least reliably.

翻成中文就是：知道自己的作品还不够好，这是「专家」这个词的大部分含义，而这恰恰是 Fable 最不可靠的地方。

而且他强调，这不是没做检查——几乎每个项目他都让 Fable 配了批评者、事实核查员、裁判，但这些检查找到的都是「错误」并加上「修正」。没有一个检查会问：这东西是不是太长了、太重复了、不好玩了。

他自己举的例子一个比一个具体：那门 Auden 课程第一版「准确但毫无乐趣」，被他形容成「在一堆最无聊的网页里艰难跋涉」；研究论文的每一次批评都换来一段新分析，从来没有任何东西被删掉；三个不同的团队各自造了一个「动物旋风」世界（驯鹿、蝠鲼、鹳）——模型会反复回到相似的主题。

对做 Agent 的人来说，这段话的价值在于它指明了一个很具体的工程缺口：你的 harness 里需要一个说「停」的角色，而不只是一个说「错」的角色。长度上限、重复度、多样性、趣味性，这些都没法用单元测试表达，但可以用带否决权的批评 agent 表达。Mollick 自己就是那个批评者——他介入时用的词全是品味动词：更美、别无聊、别重复、砍短。

六、两个关于「跑分」的提醒

第一，官方的对比表有档位不对等的问题。发布后几小时内 Hacker News 上就有人指出：Anthropic 拿 Fable 5.2 在 Xhigh（最高推理档）的成绩，去对比 Gemini 4 Carbon 在 Medium 档的成绩。而 effort 档位同时影响质量和成本，所以表上的领先不等于在同等预算下更高效。这个批评对每一行都成立，不只是这一行。

第二，它并不是全线第一。官方自己的表里就有两处落后：业务工作流的 AutomationBench 上 Fable 5.2 是 51.4%，低于 Gemini 4 Carbon 的 53.9%；知识工作类的 AA-Briefcase Elo 是 1785，低于 Opus 5.5 的 1800。Anthropic 在发布页里也承认了这两点——这份坦白其实是加分项。

顺带一个读表细节：OSWorld 2.1 那个亮眼的 89.3% 是「部分给分」口径，严格通过率只有 54.6%。看到大数字先找脚注。

七、那你该怎么用它

把官方定位、博主的额度账、Mollick 的判断拼起来，实际用法其实只有一条原则：把 Fable 当「攻坚+指挥」，不当「日常」。

三种用法，按优先级排

• 攻坚：一件事 Opus 5.5 开到最高档还吃力，再换 Fable 5.2。FrontierCode 2.0 上 Fable 5.2 的 High 档是 45.3%，和 Opus 5.5 最高的 45.5% 基本持平，而每个任务成本约为后者的一半——这是它能省钱的唯一场景。
• Advisor（顾问）：让 Opus、Sonnet、Haiku 干活，遇到难题去问 Fable 5.2，拿到建议接着干。这是最省额度的用法。
• Orchestrator（总指挥）：Fable 接下大任务，把简单子任务派给小模型，自己只负责拆解和汇总。卡兹克那个「皇上与宰相」的比喻说的就是这个。

Datadog 一位工程师形容得很准：几乎像一个事故指挥官，可以派更快的模型出去拿信号，再做协调。

如果你是从 5.1 迁过来的，这四处必须改

• 模型 ID 换成 claude-fable-5-2
• 历史消息保持原样：system、tools 或之前消息有改动时，带旧 thinking block 的请求会返回 400（Claude Code 和 Agent SDK 用户不受影响）
• 对话中途换模型：Fable 5.2 的 thinking block 只有 Fable 5.2 和 Mythos 5.2 能读，换到别的模型这部分推理会被丢弃
• computer use 改用 computer_toolset_20260801；advisor tool 的 executor 用 Fable 5.2 时，advisor 也要选 Fable 5.2 或 Mythos 5.2

还有一条省钱细节：high 及以上档位，Fable 5.2 几乎每次回答前都会先思考。简单请求想省钱，把档位调低就行，大部分能力提升在 high 档已经能拿到。

八、一句话总结

这一代模型最值得注意的地方，不是它做出了 8 天能开机的操作系统，而是它在做出这套系统之后，不知道自己花了两天读一本自己写的规则书。

能力的天花板这两年一直在抬，抬得很快。真正稀缺的东西没变——判断力：知道什么该停、什么该删、什么还不够好。Mollick 那句「它最不可靠的部分，恰好是专家最核心的部分」，比任何一个 demo 都更值得记住。

从这个角度看，Fable 5.2 的正确用法不是「让 AI 替你把事做完」，而是让 AI 把你能指挥的工程量放大十倍，然后你负责当那个说「不，砍掉一半」的人。

参考来源

• Anthropic 官方发布页：Claude Fable 5.2 and Mythos 5.2（模型定位、价格、基准测试表、官方演示案例）
• Anthropic 研究博客：Testing Claude on real-world electronics design（三件硬件设备、PCB Gym 69%）
• Ethan Mollick：Fable 5.2 and Jagged AGI（Jagged AGI、Portals、87,500 字规则书）
• 赛博禅心：实测 Claude Fable 5.2：78 分钟捏了个操作系统（四个 case 的耗时与代码行数、迁移指南、额度消耗）
• 数字生命卡兹克：Claude Fable5.2 - 审美与细节的绝对统治（10 个任务、额度账、模型路由建议）
• 302.AI 基准实验室：Fable 5.2 的审美霸凌（八个热门案例的原始链接与成本）
• Duck IT Tech：Gears of War 案例的成本拆解
• Frontier Models：Riley Brown 的 5000 美元实测
• ZOOZ Engineering：Mythos 5.2 vs Fable 5.2（effort 档位不对等的批评、OSWorld 严格通过率）

说明：本文没有亲自调用 Fable 5.2 生成任何作品。所有案例的成本数字均为作者自报，官方基准取自 Anthropic 发布页原文，属于厂商自评、且部分存在对比档位不对等的问题（文中已单独指出）。