EDITORIAL NOTE

刚刚,Claude Fable 5.2 登顶世界第一,一夜斩杀 Opus 5.5

用更清晰的内容结构,记录值得关注的行业变化与专业观点。

READ
DEEPER
英亚体育 ·(中国)官方网站 资讯动态
刚刚,Claude Fable 5.2 登顶世界第一,一夜斩杀 Opus 5.5

FEATURED ARTICLE

刚刚,Claude Fable 5.2 登顶世界第一,一夜斩杀 Opus 5.5

英亚体育 ·(中国)官方网站内容编辑
发布时间
589阅读次数
5.5分钟预计阅读

本篇内容由英亚体育整理:

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。

about image

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

更多体育资讯,关注英亚体育。

返回资讯列表
觉得有用?分享给朋友让更多人看到这篇内容