最强Fable 5.2震撼发布费马大定理30小时形式化，全面碾压Opus 5.5

我先联网核实这几样东西：Fable 5.2 是什么模型、费马大定理形式化的具体成绩，以及 “碾压 Opus 5.5” 这个说法到底出自哪套评测口径。

Fable 5.2 发布：30 小时形式化费马大定理的是 1000 个 agent，“全面碾压 Opus 5.5” 有两处不成立

Anthropic 在 11 月 9 日一次放出 Claude Fable 5.2 与 Claude Mythos 5.2，官方口径是 “在我们评估的几乎所有能力上比 Opus 5.5 高一档”，而不是 “全面碾压”。费马大定理形式化那条确实成立，但主语要补全：不是单个模型一口气推完，而是1000 个 Fable 5.2 agent 组队、30 小时、几乎无人工干预、不给任何数学参考资料，只靠一份中间定理清单计分；同样配置下 Opus 5.5 跑 18 小时完成 26%，到 30 小时也只有 27%。真正需要纠正的有两处：官方跑分表里 Fable 5.2 在知识工作评测 AA-Briefcase 的 Elo（1785）低于 Opus 5.5（1800），在业务流程评测 AutomationBench（51.4%）低于 Gemini 4 Carbon（53.9%）；另外 “最强 Fable 5.2” 这个说法本身有口径问题 ——Fable 与 Mythos 是同一个底层模型，加上网络安全与生物护栏的那一半叫 Fable，拆掉护栏、能力上限更高的那一半叫 Mythos 5.2，只对通过审核的机构开放。

一、把 “30 小时” 的主语补全

项目	具体配置
执行主体	约 1,000 个 Fable 5.2 agent 组成的团队
耗时	30 小时（前 18 小时完成约 86%，中途从存档续跑 12 小时补完剩余 14%）
输入	极简提示词 + 一份中间定理清单（仅用于评估进度）
数学参考资料	未提供
人工干预	极少
证明语言	Lean（计算机可逐步核验）
对照实验	Opus 5.5，同样约 1,000 agent，18 小时 26%，30 小时 27%
运行次数	每款模型各只跑一次

对照组的差距并非 “27% 对 100%” 这么均匀 ——Opus 5.5 的问题在于 18 小时后几乎停滞，最后 12 小时只多推进了 1 个百分点。这说明差异不是速度，而是能不能把剩下那一截啃下来。

二、官方跑分表：赢在哪、输在哪

评测	Fable 5.2	Fable 5.1	Opus 5.5	GPT-6 Astra	Gemini 4 Carbon
智能体编程 FrontierCode 2.0	49.1%（Xhigh）	32.4%	45.5%	42.8%	41.1%
智能体编程 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%（最高）
电脑操作 OSWorld 2.1	89.3%	83.5%	87.2%	79.5%	81.5%
双臂机器人 RoboDojo Sim	64.9%	27.6%	39.4%	29.8%	—
图表识别 Chartography	73.4%	44.8%	64.4%	71.0%	72.5%
知识工作 AA-Briefcase（评分细则）	66.1%（最高）	61.5%	61.2%	52.0%	61.8%
知识工作 AA-Briefcase（Elo）	1785	1669	1800（最高）	1569	1611
硬件设计 BenchCAD 2.1	83.5	44.4	65.3	—	—

“全面碾压” 在这张表里至少有两处站不住：

AA-Briefcase 的 Elo 分：Fable 5.2 按评分细则拿了 66.1% 的最高分，换算成 Elo 却是 1785，被自家 Opus 5.5 的 1800 反超 15 分。同一份数据、两套计分，结论相反。
AutomationBench：51.4% 确实远高于 Opus 5.5 的 42.5%，但低于 Gemini 4 Carbon 的 53.9%，这个项目上它不是第一。

更要紧的是官方自己的建议：“大多数编程和知识任务，建议先用 Opus 5.5；任务更大、更开放时再换 Fable 或 Mythos。” 如果真是全面碾压，这句推荐语不会存在。

三、“最强 Fable 5.2” 这个说法，缺了半句

项目	Claude Fable 5.2	Claude Mythos 5.2
底层模型	同一个	同一个
额外护栏	网络安全 + 生物安全	无（或大幅放宽）
开放范围	所有用户	通过网络安全验证计划、生命科学计划审核的机构
网安评测 CyScenarioBench	被护栏拦截大部分任务	76.3%（Opus 5.5 无护栏 67.6%）
漏洞复现 CVE Rediscovery	同上	89.6%（Mythos 5.1 78.3%、Opus 5.5 无护栏 81.3%）
蛋白质设计（24 小时）	同上	85.1%（Mythos 5.1 79.1%、Opus 5.5 无护栏 82.6%）

三组最高分 ——76.3%、89.6%、85.1%—— 全部记在 Mythos 5.2 名下，不是 Fable。所以严格说，Anthropic 这代的能力上限叫 Mythos 5.2，普通人能用到的是护栏版 Fable 5.2。把 “最强” 安在 Fable 上，等于把拆掉护栏的那一半算了进去。

四、这不是 “首次形式化”，是 “更快、更省、更短”

尝试	主体	耗时	条件	结果
上月，Axiom	数十个 agent	24 天	—	形式化 1.5 万页的 “有限单群分类定理”
9 月，Anthropic	未发布的研究版 Claude	11 天	专用 harness + 研究员指导	完成费马大定理形式化，含 29,500 条中间定理
11 月，Anthropic	1,000 个 Fable 5.2 agent	30 小时	无参考资料、几乎无人工	100% 完成，动作用 token 为上次 1/3，证明长度缩到 1/7

三行放在一起，能看出进步的真实位置：不是 “第一个做到的”，而是 “把原来需要专用工具 + 人盯着做的活，变成了给个清单就能自己组织完成”。省下的 2/3 token 和 7 倍更短的证明，比分数字更能说明工程化程度。

顺带纠正一个常见误解：形式化的对象是 Andrew Wiles 1995 年（与 Richard Taylor 修补漏洞后）发表的证明，把既有证明翻译成 Lean 可检查的形式，不是让模型重新证一遍定理。

五、被官方主动 “锁死” 的两项能力

这条比跑分更值得记：

训练阶段，Anthropic 刻意把加速器内核优化与大语言模型架构改进这两项最能直接加速 AI 自身研发的能力，限制在 Opus 5.5 的水平；
推理阶段，一旦检测到用户在写某些非标准加速器的底层内核，系统会在后台回退到旧版 Opus 5 来回答；
触发高危网安、生物类请求时，也会静默切换到 Opus 4.8（网安）、Opus 5（生物）作答；
官方称 Fable 5.2 的误拦截率比 5.1 下降约 55%（网安降 60%、生物降 40%）。

也就是说，“碾压” 在自我迭代这个维度上被主动抹平了。这不是能力不足，是设计选择 —— 官方在系统卡里明说了这件事。

六、价格、速度与能不能用上

项目	数值
标准价	每百万输入 token 8 美元 / 输出 40 美元
相比 5.1	由 10 / 50 降至 8 / 40，降幅 20%
生成速度	最高比 Fable 5.1 快 30%
Fast 模式	速度最高 2.5 倍，价格翻倍至 16 / 80 美元
API 模型名	claude-fable-5-2
上线渠道	Claude 平台、AWS、Google Cloud、Microsoft Azure、Claude Code（需 2.1.321 及以上）
企业版	默认关闭，管理员开启，7 天后自动加给已开通 Fable 的角色

性价比的关键对比在 FrontierCode 2.0 上：Fable 5.2 用 High 档拿 45.3%、单任务约 6.72 美元，Opus 5.5 开到 Max 档拿 45.5%、单任务约 12.82 美元。分数几乎相同，钱花一半—— 这才是这代模型对开发者最实际的意义，而不是 “碾压”。

订阅侧据用户整理的口径：Max（100 美元 / 月）、Ultra（200 美元 / 月）与 Team 高级席位包含 Fable，每周最多用一半额度；按订阅时长送 1–3 次 “Fable 额度重置”（不满半年 1 次、半年到一年 2 次、一年以上 3 次，2027 年 3 月 8 日前用完）。Pro（20 美元 / 月）与 Team 标准席位在 11 月 9 日至 16 日临时可从套餐额度扣、送 1 次重置，17 日起恢复按量付费，免费用户不可用。这部分建议以官方账单页为准。

七、这些数字该怎么信

全部是 Anthropic 自测，第三方尚未复现；OpenAI、谷歌的对应分数也取自各自公布的口径，评测环境不完全可比。
费马对照实验每款模型只跑一次，官方图表也标注了 “single run per model”。单次运行不具备统计意义，18 小时续跑的设置也意味着两组的起跑状态是 “各自存档”，不是同一 checkpoint。
证明产物尚未公开：AI Weekly 的判断是，Lean 仓库与黑洞论文的具名合作者，才是把 “发布材料” 变成 “可评估科学” 的分水岭；目前黑洞两篇预印本已挂在 HexagonMath（2611.00174、2611.00175），Lean 侧没有公开仓库的报道。
机器人评测是内部跑的仿真：RoboDojo Sim 由 Anthropic 自己运行，官方注明 “highest-available effort”。

八、不同的人该怎么看这次发布

你是谁	该关注什么
普通 Claude 用户	默认模型不会自动切换，要在模型选单里手动选 Fable 5.2；日常任务官方仍建议 Opus 5.5
开发者	High 档 ≈ Opus 5.5 Max 档、成本一半；Xhigh 档才是 49.1% 的最高分，但单任务约 14 美元
安全研究者	该申请的是 Mythos，不是 Fable；Fable 的护栏会拦掉大部分渗透测试与漏洞利用类任务
关注 “AI 会不会自己加速自己” 的人	RSI 被主动限制在 Opus 5.5 水平，这条比跑分更能说明厂商的态度
看热闹的	“1000 个 agent 8 天造出一个能开机的操作系统原型”“一天内画出三块四层 PCB 并一次点亮”，这两个案例的信息量大于任何百分比

把这代模型放回它自己的定位里，事情就清楚了：它是 “疑难杂症专用档”，不是 “日常主力替代品”。30 小时形式化费马大定理是真的，1,000 个 agent 的组织能力也是真的；但 “全面碾压” 被自家表格里的 15 分 Elo 和 2.5 个百分点的 AutomationBench 挡了一下，也被官方那句 “日常先用 Opus 5.5” 挡了一下。看清一档模型被设计来解决什么问题，比记住它赢了几张榜更有用。

【相关 FAQ】

问题 1：Fable 5.2 用 30 小时形式化费马大定理，是单个模型做到的吗？

回答 1：不是。是约 1,000 个 Fable 5.2 agent 组成的团队协作完成，30 小时内把费马大定理的证明完整翻译成 Lean 可核验形式，几乎无人工干预、不提供数学参考资料，只给一份中间定理清单用于计分。同样配置下 Opus 5.5 运行 18 小时完成 26%，到 30 小时也只有 27%。该对照实验每款模型仅运行一次，属于单次结果。

问题 2：“Fable 5.2 全面碾压 Opus 5.5” 这个说法准确吗？

回答 2：不准确。官方表述是 “在我们评估的几乎所有能力上比 Opus 5.5 高一档”。反例至少两处：知识工作评测 AA-Briefcase 的 Elo 分，Opus 5.5 为 1800、Fable 5.2 为 1785；业务流程评测 AutomationBench，Fable 5.2 为 51.4%，低于 Gemini 4 Carbon 的 53.9%。此外官方明确建议大多数日常编程与知识任务先用 Opus 5.5，把 Fable 5.2 留给更复杂、更开放的任务。

问题 3：Fable 5.2 和 Mythos 5.2 有什么区别，哪个更强？

回答 3：两者是同一个底层模型，区别只在护栏与开放范围。Fable 5.2 配备网络安全与生物安全防护，对所有用户开放；Mythos 5.2 大幅放宽护栏，只向通过审核的网安、生命科学机构开放，能力上限更高 ——CyScenarioBench 76.3%、CVE Rediscovery 89.6%、蛋白质设计 85.1% 三项最高分都记在 Mythos 5.2 名下。所以把 “最强” 只说成 Fable 5.2，是把拆掉护栏的那一半也算进去了。

问题 4：Fable 5.2 的价格和速度相比上一代有什么变化？

回答 4：Fable 5.2 标准价为每百万输入 token 8 美元、输出 40 美元，相比 Fable 5.1 的 10 / 50 美元下降 20%；生成速度最高提升 30%；可选 Fast 模式速度最高 2.5 倍，价格翻倍至 16 / 80 美元。在 FrontierCode 2.0 上，Fable 5.2 用 High 档（45.3%、约 6.72 美元 / 任务）基本追平 Opus 5.5 的 Max 档（45.5%、约 12.82 美元 / 任务），成本约为一半，这才是它最实际的卖点。

问题 5：Fable 5.2 公布的成绩有哪些需要保留的地方？

回答 5：主要有三点。其一，全部跑分来自 Anthropic 自测，第三方尚未复现，竞品分数取自各自公布口径、环境不完全可比；其二，费马大定理形式化的对照实验每款模型只运行一次，不具统计意义；其三，Lean 证明仓库尚未公开，黑洞两篇预印本已挂在 HexagonMath，但公开可复现的证明产物仍是判断这类成果的关键。另外，Fable 5.2 与 Mythos 5.2 在训练阶段被刻意限制了加速器内核优化与大模型架构改进两类能力，锁在 Opus 5.5 水平。

【参考资料】

[2026-11-10]（刚刚，Claude Fable 5.2 炸场！30 小时完成费马大定理形式化）机器之心（新浪财经转载）
[2026-11-10]（Fable 5.2 深夜掀桌！从 0 造操作系统，性价比反超 Opus 5.5）量子位
[2026-11-10]（Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2 模型，编程与科学研究能力提升）界面新闻
[2026-11-10]（Claude Fable 5.2 发布：比 Opus 5.5 强一档，API 降价两成，订阅额度与重置规则整理）微博科技博主
[2026-11-10]（Claude Fable 5.2 формализовала теорему Ферма за 30 часов）Habr
[2026-11-09]（Introducing Claude Fable 5.2 and Claude Mythos 5.2：基准表、费马实验与系统卡说明）Anthropic 官方博客
[2026-11-09]（Claude Fable 5.2 and Mythos 5.2 System Card，264 页）Anthropic
[2026-11-09]（Anthropic's 1,000 Fable 5.2 Agents Formalize Fermat in 30 Hours）AI Weekly
[2026-11-09]（Anthropic 发布新一代旗舰模型：跑分、案例与定价）财联社

免责声明

本文为公开信息整理与评测口径辨析。全部跑分、实验配置、价格与可用范围均引自 Anthropic 官方发布博客、System Card 及上述媒体报道的转述，相关数字可能随官方修订、后续评测复现或版本更新而变化，请以官方页面与系统卡为准。文中 “全面碾压” 的辨析系对标题表述与官方原始数据的比对，不代表对任何模型整体能力的最终评价；AA-Briefcase 的评分细则分与 Elo 分为两套计分方式，AutomationBench 的对比对象为 Gemini 4 Carbon，均按官方表格原样引用。费马大定理形式化的对照实验为每款模型各一次的单次运行，不构成统计意义上的性能结论；Anthropic 自测结果尚未获第三方独立复现，Lean 证明产物与黑洞预印本的公开情况请以官方仓库与论文页面为准。订阅额度、重置次数与临时政策来自用户整理，非官方公告原文，实际权益以官方账单页与产品内说明为准。文中提及的模型能力限制（含加速器内核优化、模型架构改进方面的主动约束，以及触发风控时回退至旧模型）均为官方公开披露的设计选择，本文仅作转述。本文不构成投资建议或采购建议，与 Anthropic、OpenAI、谷歌及所提及媒体均无商业合作关系。

本文来自作者[幻波解析]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/rgzn/202611/842.html