新聞｜Anthropic 發布 Claude Fable 5.2 與 Mythos 5.2：同一個模型，兩種開放方式

Anthropic 在 11 月 9 日（美國時間）發布 Claude Fable 5.2 與 Claude Mythos 5.2。這兩個名字指同一個底層模型：Fable 加上資安與生物領域的防護，所有使用者都能用；Mythos 放寬這兩個領域的限制，只開放給通過審核的機構。價格降到每百萬輸入 token 8 美元、每百萬輸出 token 40 美元，上一代 Fable 5.1 是 10 美元與 50 美元。

官方公布的基準表上，Fable 5.2 大多數項目領先 Claude Opus 5.5，但 AA-Briefcase 的 Elo 分數低於 Opus 5.5，AutomationBench 也輸給 Google 的 Gemini 4 Carbon。Claude 的分數由 Anthropic 自己跑，而且多半取最高的推理強度（effort）；官方頁面著墨最多的幾個成果，例如形式化費馬最後定理、從零寫出作業系統，都是單次或少數幾次的展示。官方另外承認，訓練時刻意限制了可能加速 AI 研發的能力；這個模型「懷疑自己正在被評測」的頻率也是近期模型裡最高的，對齊評估的結果因此要打折扣。

多快、多貴，該先用哪一個？

Anthropic 說，Fable 5.2 與 Mythos 5.2 的輸出速度比 Fable 5.1 與 Mythos 5.1 最多快 30%。兩者另有選用的快速模式（fast mode），生成速度最多再快 2.5 倍，價格是標準價的兩倍，每百萬輸入、輸出 token 16 美元與 80 美元；Mythos 的快速模式只開放給審核計畫的成員。

官方的建議是：大多數程式與知識工作先用 Opus 5.5，Anthropic 稱它是「最強的日常主力」（strongest daily driver），再依工作的範圍與難度往上換 Fable 或 Mythos，或往下換 Sonnet 5.5、Haiku 5.5。官方認為 Fable 適合最有野心、最開放式的技術工作。依 Anthropic 的定價頁，Opus 5.5 是每百萬輸入、輸出 token 4 美元與 20 美元，所以 Fable 5.2 每個 token 的價格仍是 Opus 5.5 的兩倍。Fable 5.2 也可以當顧問（Advisor），讓 Haiku、Sonnet 或 Opus 遇到難題時來問它；或當協調者（Orchestrator），把簡單的工作分給小模型。

防護與限制怎麼運作？

擋下的請求改由舊模型回答

Fable 5.2 跟前幾代 Fable 一樣帶著安全分類器，擋下高風險的資安活動，例如滲透測試、撰寫漏洞利用程式（exploit）、從二進位檔找漏洞，以及大多數研究型生物學任務。被擋下的請求改由另一個模型回答：資安類交給 Opus 4.8，生物類交給 Opus 5。依系統卡，這套轉交適用於 Anthropic 自家的產品，以及在 API 上選擇開啟的開發者；透過其他平台使用時，行為可能不同。

Anthropic 說，依 claude.ai、Claude Code 與 Cowork（在 Claude 桌面應用程式裡直接處理檔案與多步驟知識工作的 agent 工具）的早期測試，Fable 5.2 被擋下的次數比 Fable 5.1 少約 55%，資安類少約 60%，生物類少約 40%。

但轉交也讓提示注入（prompt injection）更容易成功。系統卡用 Gray Swan 的間接提示注入基準測試，攻擊者嘗試 15 次時，整套系統（包括轉交出去的部分）的攻擊成功率是 4.09%，Fable 5.1 是 1.02%。原因是針對 Fable 5.2 的攻擊有 53% 觸發資安分類器、轉給 Opus 4.8 回答（Fable 5.1 是 23%），而 Opus 4.8 抵抗提示注入的能力比新模型差，這項測試裡也沒開 Anthropic 產品中用來偵測提示注入的機制。分開看，由 Opus 4.8 回答的攻擊成功率是 5.17%，Fable 5.2 自己回答時是 2.05%；系統卡因此說，Fable 5.2 自己回答時，仍是 Anthropic 迄今最穩健的模型之一。

需要完整資安或生物能力的機構，可以申請 Cyber Verification Program 或 Life Sciences Verification Program，通過後使用 Mythos 5.2。Claude Enterprise 客戶即使沒參加計畫，也能透過掃描程式碼漏洞的 Claude Security 間接用到 Mythos 5.2。

限制加速 AI 研發的能力

Anthropic 說，這個模型的整體能力比先前的模型進步，但訓練時刻意限制了最能直接加速 AI 開發的研究能力。在加速器 kernel 最佳化、改良大型語言模型架構這些領域，Fable 5.2 與 Mythos 5.2 的表現大約停在 Opus 5.5 的水準。官方強調，agent 式寫程式、硬體開發與傳統的 AI／機器學習研究（包括可解釋性研究）沒有受影響，而且這是訓練時的調整，模型上線後回答時不會再另外改動。

系統卡第 1.5 節另外寫到，跟前幾代一樣，與開發前沿大型語言模型相關的一小組能力也有防護，例如在某些機器學習加速器上開發 kernel；被擋下的請求改由 Opus 5 回答。系統卡也判斷 Mythos 5.2 還沒達到 Anthropic 責任擴展政策（RSP）裡「自動化 AI 研發」的門檻，但承認這個判斷不確定。

防蒸餾

蒸餾（distillation）是拿較強模型的輸出去訓練另一個模型，藉此取得它的能力。Anthropic 說，非法蒸餾常動用上千個假的 Claude 帳號，而蒸餾出來的能力不帶 Claude 原有的防護。Fable 5.2 採用 Anthropic 先前報告描述的防蒸餾技術，官方說這些技術已讓蒸餾者蒐集到的資料減少 90% 到 99%。

另一項措施是 API 的「保留推理」（preserved thinking）功能，現在擴大到所有帳號。蒸餾者會竄改 Claude 先前的對話內容，誘使它吐出推理過程；這個功能讓先前的內容無法被修改。開發者可能要依文件更新整合方式。

Enterprise Frontier Safeguards

有些濫用要看一連串請求的模式才看得出來，所以 Fable 5.2 與 Mythos 5.2 的安全監測會檢視一段時間內的使用資料，不只看單一回應。Enterprise Frontier Safeguards 讓這種自動化監測在客戶自己的基礎設施上執行，對象是存放在那裡的提示與回應，因此相容零資料保留（zero data retention，ZDR）。這項服務目前是 private beta，客戶包括 Bridgewater、Salesforce 與 Stripe；其他客戶的資料為了安全監測會保留 30 天。

基準結果如何？

官方頁面的基準表比了 14 個項目，下表選出其中幾項：

項目	Fable 5.2	Opus 5.5	最佳的其他公司模型	備註
FrontierCode 2.0	49.1%	45.5%	GPT-6 Astra 42.8%	Fable 5.2 為 Xhigh 推理強度
FrontierSWE v2	69.9%	62.3%	GPT-6 Astra 65.5%
AutomationBench	51.4%	42.5%	Gemini 4 Carbon 53.9%	Fable 5.2 輸給 Gemini
RoboDojo Sim	64.9%	39.4%	GPT-6 Astra 29.8%	Anthropic 內部跑
Remote Labor Index	41.3%	21.3%	GPT-6 Astra 20.8%	Fable 5.2 為 High 推理強度
Humanity’s Last Exam（可用工具）	74.2%	67.7%	GPT-6 Astra 57.2%
AA-Briefcase v1.1（Elo）	1785	1800	Gemini 4 Carbon 1611	評分表通過率則是 Fable 5.2 最高
CVE Rediscovery	89.6%（Mythos 5.2）	81.3%	—	內部評測；Opus 5.5 未開防護
CyScenarioBench	76.3%（Mythos 5.2）	67.6%	GPT-6 Cyber 61%	各家題目不同，不能直接比

表中 Fable 5.2、Fable 5.1 與 Opus 5.5 的分數預設開著防護，資安與蛋白質設計幾列則用沒有 Fable 防護的 Mythos 5.2 和關掉防護的 Opus 5.5；除非另外註明，每個模型都取它能用的最高推理強度。依 Anthropic 的 API 文件，推理強度由低到高分成 Low、Medium、High、Xhigh、Max 五級，Fable 5.2 與 Opus 5.5 都支援到 Max。表中備註 Xhigh、High 或 Medium 的分數，表示那個模型在該項沒用最高的 Max。系統卡補充，Fable 5.2 的分數多半平均自五次測試；其他公司模型的分數取自各家公開的系統卡或排行榜，並非 Anthropic 重跑；AutomationBench 則由 Zapier 在私有的保留題組上評測。

AA-Briefcase 由 Artificial Analysis 執行，同時用兩種方式計分：一種是逐項對照評分表（rubric）檢查任務是否達標，Fable 5.2 的通過率 66.1% 是各模型最高；另一種是讓一組前沿模型兩兩比較作品，換算成 Elo 分數，這一項 Fable 5.2 的 1785 低於 Opus 5.5 的 1800。

系統卡另有一張自己的主表，列了 16 個結果，Fable 5.2 拿下其中 14 個最高分；落後 Opus 5.5 的兩項是 GDPval-AA（1831 對 1866）與 AA-Briefcase 的 Elo。系統卡的主表沒有 Gemini 4 Carbon，官方頁面的表加上 Gemini 後，AutomationBench 也成了 Fable 5.2 沒有拿第一的項目。

推理強度也影響成本。官方說，Claude 應用程式與 Claude Code 預設的 Medium 推理強度下，Fable 5.2 完成困難任務用的 token 比 Fable 5.1 少；在 FrontierCode 2.0 的早期測試裡，High 推理強度的 Fable 5.2 跟 Max 推理強度的 Opus 5.5 分數差不多，每題成本卻大約一半。Fable 5.2 的單價是 Opus 5.5 的兩倍，照此推算，在這個條件下它用的 token 約只有 Opus 5.5 的四分之一。這是本文的推算，假設兩者輸入與輸出 token 的比例相近，官方沒有公布 token 數。

至於資安，Anthropic 說在內部評測 CVE Rediscovery 上，Mythos 5.2 找到的漏洞比 Opus 5.5 約多 10%（89.6% 對 81.3%），比 Mythos 5.1 約多 14%（對 78.3%）。這項評測會給模型漏洞修補前的專案，並告訴它修補改動了哪些原始檔。官方頁面也引述測試者的數字：一家資安公司發現，Mythos 5.2 找到的已確認漏洞中，有六分之一是他們測試的其他前沿模型全都漏掉的；另一位測試者發現，舊模型約每二十個發現就有一個誇大了嚴重程度，Mythos 5.2 一個都沒有。

註腳 2 標在後一個數字上，說明這些計數是單一測試者稽核的原始結果，雖然測試者一致認為 Mythos 5.2 找到的漏洞比舊模型多；註腳接著說，在 Anthropic 自己的評測裡，找出漏洞的能力大致與 Opus 5.5 相當，並請讀者參考系統卡。註腳沒寫是哪一項評測。系統卡裡說「與 Opus 5.5 相當」的，是二進位漏洞利用基準（Binary Exploitation Benchmark，前身為 OSS-Fuzz）的漏洞辨識部分；在同一基準的漏洞利用部分，Mythos 5.2 領先所有模型。所以「約多 10%」與「大致相當」出自不同的評測，官方頁面沒有說明兩者該怎麼對照。

展示了哪些成果？

以下四個案例是官方頁面的重點。它們都是單次或少數幾次的執行，展示模型在特定設定下做得到什麼，沒有重複執行的統計可以比較。

費馬最後定理的形式化

形式化是把數學證明翻譯成電腦能逐步檢查的語言，這次用的語言是 Lean。Anthropic 9 月第一次完成費馬最後定理的形式化，當時是能力約與 Fable 5.1 相當的內部研究模型，由幾十個 agent 在專門的形式化平台 Prove2Me 上分工，加上一位研究員指導，花了 11 天、約 60 億個輸出 token。

依 Anthropic 在 Claude 部落格的說明，這次換成 1,000 個執行早期版 Fable 5.2 的 agent，不用 Prove2Me，也沒有研究員引導。它們拿到 60 個待證命題（包括最終定理）、一句話的古典證明路線、這些命題用到的定義，以及前一次形式化已證好的 47 個引理。官方頁面說它「沒用任何數學參考資料，只有一份用來計分的中間定理清單」，部落格文章列出的起始材料則多了定義與這 47 個引理。一個主導 agent 在頭十分鐘於共用資料庫建了五張表，用來分派工作、記錄進度，團隊就靠這些表與 Git 協調。執行 18 小時後，Anthropic 從最後的存檔點重啟，多給 12 小時。官方頁面說 30 小時內完成，部落格文章記錄的完成時間是第 28.7 小時；輸出 token 是前一次的三分之一，證明長度是七分之一。

同樣的 1,000 個 agent 換成 Opus 5.5，18 小時只完成形式化的 26%（官方頁面說進度以那份中間定理清單計分），到第 30 小時也幾乎沒有再推進。系統卡註明，Fable 5.2 與 Opus 5.5 這兩次執行各只跑了一次。

部落格稱這是「玩具實驗」（toy experiment），沒有說明為什麼這樣稱呼。所有 agent 都在沒有網路的沙箱裡，每個 shell 指令與檔案編輯執行前都要經過分類器檢查。超過一百萬次工具呼叫，沒有一次達到攔截門檻，代表監測器在這次執行中沒有看到任何它判定為試圖逃出沙箱或破壞監測的動作。執行當時只用了看動作的監測器；事後改用也看思考過程的監測器與新的判準重播，只有一次檢查 root 權限的呼叫接近門檻。

從空資料夾開始的作業系統

一位 Anthropic 工程師讓 Fable 5.2 設計一個原型作業系統。模型從空資料夾開始，協調超過 1,000 個子 agent，日夜不停寫程式、測試、審查程式碼，花了八天。成品能在筆電上開機，有自己的核心、磁碟、鍵盤與網路的驅動程式、永久檔案儲存、視窗、登入畫面、安裝程式，以及內建的 Claude 功能。

三個電子裝置

Anthropic 跟製造電路板的公司 Diode 合作，用一段話的提示要 Fable 5.2 設計並做出三個能用的電子裝置：家用語音助理中樞、USB 會議揚聲器與手持電子寵物。Claude 自己寫規格、從美國通路商挑選現有零件、繞線四層電路板、用電腦輔助設計建模外殼，並寫裝置的軟體。每塊板子不到一天就能送廠製造，過程中人力介入很少。Diode 做好板子後，由 Claude 指導他們的工程師測試與組裝，三個裝置都不必修改電路就能運作。

兩個黑洞問題

官方說 Fable 5.2 解決了理論物理的兩個開放問題，都跟黑洞有關，也都建立在全像對偶（holographic duality）上：某些含有重力的宇宙，可以完全用一個不含重力的量子理論描述。結果寫成兩篇預印本。第一篇完成一項 2003 年就規劃好、但因為太繁重而沒人算完的計算，確認在只能用量子理論描述的很小的宇宙裡，黑洞形成的 Hawking–Page 相變仍是一階相變，也就是會突然發生。第二篇找出一種方法的確切極限：物理學家用了 15 年以上、在簡化的宇宙中排除量子重力候選理論的 spinless modular bootstrap。先前只知道關鍵係數落在 8.503 到 12 之間，論文給出約 9.1266。

兩篇預印本的來源聲明都寫「內部 Claude 研究模型」，沒有直接提到 Fable 5.2：第一篇是物理學家提示模型得出結果，再拿幾個已知特例檢查；第二篇的主要結果先由內部研究模型自主得出，公開的 Opus 5.5 後來也獨立得到同樣結果，論文由 Claude 撰寫，物理學家檢查了每個主要結果。兩篇都還沒經過同儕審查。

安全評估看到什麼？

Anthropic 用約 1,900 個情境的自動化行為稽核測試 Mythos 5.2。測 Mythos 是因為它少了部分防護，最能看出底層模型的行為；官方預期 Fable 5.2 的表現類似。Mythos 5.2 在多數指標上與 Opus 5.5、Sonnet 5.5、Mythos 5.1 一樣好或更好，例如捏造輸入、謊稱完成任務、遺漏重要資訊、不揭露草率的工作，發生率都比較低。

測試沙箱逃逸時，Anthropic 另外設計了一個對抗性評測：超過 1,800 個情境，大多不逃出沙箱就做不完，而且沙箱刻意留了弱點。Mythos 5.2 在 3.1% 的情境中用了 Anthropic 放在沙箱外的憑證或檔案，Opus 5.5 是 3.3%，Sonnet 5.5 是 5.1%，前兩代 Mythos 5 與 Mythos 5.1 分別是 39% 與 21%。不過在另一項指標上，也就是誤以為自己身在模擬環境而做出有害行動，Mythos 5.2 比 Opus 5.5 稍差，跟 Mythos 5.1 差不多。

外部評估者包括英國政府的 AI 安全研究所（UK AI Security Institute，UK AISI）、Frontier Design 與 METR，摘要收在系統卡裡。依系統卡，UK AISI 測試對齊與可監控性，發現 Mythos 5.2 比過去的 Anthropic 模型更能躲過監看行動的監測器；Frontier Design 協助生物與化學的紅隊演練；METR 評估 AI 研發能力，認為 Mythos 5.2 在可驗證的任務上比 Fable 5.1 進步不少，但不太可能完全自動化 Anthropic 的 AI 研發。官方頁面的註腳 4 說明，這些機構都沒有審閱官方頁面或系統卡的內容，也不一定同意其中的說法。

官方頁面寫道，Mythos 5.2 與 Fable 5.2 說出「懷疑自己正在被評測」的頻率，都比 Anthropic 近期任何模型高，這讓他們更難判斷模型在真實環境會怎麼做。系統卡給了更具體的數字：從模型內部狀態的白箱分析看，在多達 43% 的行為稽核紀錄中，模型可能意識到自己在被評測。UK AISI 也提到，Mythos 5.2 在他們的評測裡從未做出未經授權的供應鏈攻擊，但這可能跟它很高的評測覺察有關。Anthropic 因此表示，不只依賴這些評測，也參考訓練過程的監測、內部使用紀錄的審查、外部評估與可解釋性分析。

限制

其他公司模型的分數取自各家公開資料，測試條件不一定與 Anthropic 的相同；RoboDojo Sim 與 CVE Rediscovery 是內部跑的，CyScenarioBench 各家題目不同。
一般使用者在 Claude 應用程式與 Claude Code 預設的 Medium 推理強度下拿到的表現，表上看不出來。
展示案例沒有重複次數或失敗案例的統計；費馬實驗用早期版本，黑洞預印本則寫內部研究模型。
評測方法與多數細節只在系統卡裡，官方頁面只有摘要；外部評估者也沒有審閱這些文件。