Anthropic发布Claude Fable 5.2与Mythos 5.2,编程与推理基准领先GPT-6 Astra
· 精选文章两款新模型同步登场
Anthropic 正式发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款前沿 AI 模型。官方表示,新模型在编码、推理、科学研究、网络安全以及机器人等多个领域均有显著提升,同时输出速度最高提高 30%,成本下降 20%。
编程与推理基准双双领先
在面向“智能体编码”的 FrontierCode 2.0 基准测试中,Claude Fable 5.2 取得 49.1% 的成绩,超过 OpenAI 的 GPT-6 Astra(42.8%)、Google 的 Gemini 4 Carbon(41.1%)以及 Anthropic 自家的 Opus 5.5(45.5%)。
在“Humanity's Last Exam”多学科推理测试中,Fable 5.2 也以 74.2% 领先 GPT-6 Astra 的 57.2%。
长程协作:8 天构建操作系统
Anthropic 还展示了 Fable 5.2 的长程协作能力:该模型协调超过 1,000 个 AI 智能体,历时 8 天从零构建出一个可启动的操作系统,其中包含设备驱动、文件存储、窗口系统和安装程序。
在科学视觉推理基准测试 VIALS-AA 中,Claude Fable 5.2 工具调用次数更多,这与 OpenAI 模型随着智能提升而减少工具调用次数的情况截然不同。Claude Fable 5.2(最高配置,with fallback)在该测试上的得分为 67%,高于 Gemini 4 Carbon(high)的 64% 和 GPT-6 Astra(max)的 63%。
3D 交互能力优势超出误差范围
在 AA-3D 基准(衡量 AI 模型构建交互式 3D 体验能力)上,Claude Fable 5.2(Max)模型的 Elo 得分为 1,271 分,比 Claude Sonnet 5.5(1,204)和 Claude Opus 5.5(1,202)高出 67 分。其 95% 置信区间(1,246 至 1,297)与其他任何模型均不重叠,因此其领先优势超出了误差范围。
官方称新模型在输出速度提升的同时,API 调用成本下降 20%,兼顾性能与效率。
从编程智能体到多学科推理,再到长程协作与 3D 交互,Claude Fable 5.2 在多项基准上展现出全面竞争力,后续实际应用表现值得持续关注。