Anthropic遮遮掩掩两个月的“神话”Mythos,终于降临了——
自家有史以来最强悍的大模型旗舰,分两个版本端上桌:Claude Fable 5与 Claude Mythos 5。
Fable 5是加了防护网版本的Mythos**,面向所有用户开放。
一旦用户提问触发风险分类器(比如试图让它写恶意软件),系统就会自动降级调用上一代Claude Opus 4.8来回答。
Mythos 5是原汁原味的满血版“Mythos”,但只给少数受信任用户使用。
它在网络安全等领域解除了安全限制,官网称其“拥有全球最顶尖的网安攻防与生物科研纯血能力”。
官方表示,Fable 5和Mythos 5的自主运行时间比以往任何Claude模型都长。
小小叹个气?前沿AI,开始进入权限时代了。
而且就在Anthropic郑重其事地呼吁全部AI研究立刻停止后没两天......
不懂Dario怎么也开始走上奥特曼每次为自家新模型、新产品提前营销造势的老路,还是阵仗极大的那种。
(我知道A社有自己的道理,但我还是报以一个微笑)。
不过还是有非技术层面让开发者比较欣慰的消息,这两款新旗舰的API定价直接把之前的预览版砍掉了一半以上:
每百万输入Token仅需10美元,每百万输出Token为50美元。
好了,咱们迅速进入技术相关环节,冲——
双版本Mythos来了!官方给“Token效率”画了重点
先说个情况。
官方的发布日志和业内评测中没有像介绍Fable 5那样,为Mythos 5开列一长串标准的、公开的 Benchmark跑分榜单(比如 MMLU、GSM8K、SWE-bench 等)。
不过鉴于二者是同一底层模型,两者其实可以看成同一内核的“镜像分身”,基础技术指标完全一致。
所以我们只能先看看目前官方渠道主要公开的Fable 5的表现。
按照Anthropic自己的说法,Claude Fable 5是目前最强的公开Claude,也是Fable系列第一次进入Mythos级能力。
它的优势主要集中在几个方向:软件工程、复杂知识工作、视觉、长上下文、记忆能力,以及生命科学研究。
更关键的是,任务越长、越复杂,Fable5相比过去Claude的优势越明显——说明Fable5的重点不是单轮问答更漂亮,而是能接住长周期任务。
我们不妨用数据和硬核Demo,来拆解这代神话级模型的统治力:
软件工程:高难度基准打穿,从“修Bug”到“全自动大军”
在衡量模型解决真实世界、复杂软件工程问题能力的SWE-bench Pro评测中,Claude Fable 5飙出了80.3%的高分。
作为对比,竞争对手的顶级主力模型GPT-5.5的得分为58.6%。
在Cognition的Frontier Code评测——这个评测更看重模型能不能完成困难编程任务,同时满足高质量生产代码库的标准——中,Fable 5在中等推理强度下就拿到前沿模型最高分。
FrontierCode该基准极难饱和。
不过即便在“中等努力(Medium effort)”模式下,Fable 5得分也高居所有前沿模型之首。
官方给出的第一个典型案例来自Stripe。
在一个5000万行Ruby代码库中,Fable 5完成了一次全库迁移。这个工作如果让一个工程团队手动做,原本要两个多月。
Fable 5呢?仅仅用了一天。
此外,在端到端前端开发基准ViBench(Vibe-coding benchmark) 上,Fable 5几乎把基础开发用例直接打到饱和,实现了真正的“一枪流(One-shot)”生成应用。
原生视觉:不要脚手架,盲打通关《宝可梦》
知名科技媒体VentureBeat在《Anthropic brings Mythos to the masses with Claude Fable 5, its most powerful generally available model ever》一文中透露,在专注于视觉文件推理的基准测试GDPpdf上,Fable 5和Mythos 5在不借助外部工具的条件下拿到了29.8%的成绩。
作为对比,Opus 4.8得分为22.5%,GPT-5.5得分为24.9%,Gemini 3.1 Pro得分为16.7%。
Anthropic官方也猜大家看一堆数据很枯燥,于是放出了Fable 5打游戏的Demo,更具直接视觉效果。
此前的Claude模型如果想玩RPG游戏《宝可梦·火红版》,必须在外部为其配置一套极其复杂的“脚手架”(包括地图导航援助、内存游戏状态读取等)。
现在,Fable 5实现了纯粹的“原生视觉盲打”。
仅凭一张张原始的游戏屏幕截图,在没有任何地图外挂的前提下,它完全自主推演、策略规划,硬生生打通关了整部游戏。
不仅如此,由于其超长序列的专注度,当给它配置了持久化的文件级内存后,它在游玩卡牌肉鸽游戏《杀戮尖塔》(Slay the Spire)时,表现直接飙升了3倍,到达最终星体的概率同样暴涨3倍。
长上下文和记忆能力重点升级,顺手强调了下“Token效率”
长上下文和记忆能力也是这次升级的重点。
Anthropic称,Fable 5能在百万级Token的长期任务里保持专注,还能利用自己的笔记改进输出。
官方拿SlaytheSpire做了测试,给模型接入持久化文件记忆后,Fable5的表现提升幅度是Opus4.8的三倍,到达最终章节的频率也提升了三倍。
这其实是Agent能力里非常底层的一环。
一个能长时间干活的AI,必须能够记得自己做过什么、错过什么、下一步为什么这么做。没有稳定记忆,自主任务就很容易变成一场大型失忆现场。
为此Anthropic还特别强调了Token效率(这也是这代模型的一个关键方向)。
越是能长时间自主工作的模型,越会消耗大量Token。
如果模型一边很强,一边很“费话”,成本很快会高到让企业肉疼。
Fable 5强调Token效率,本质上是在解决Agent化落地里的账本问题。
金融、法律与运营:首次突破 90% 大关的逻辑黑洞
在考察高级分析推理能力的Hebbia金融基准测试(Finance Benchmark for senior-level reasoning) 中,Fable 5拿到了行业最高分。
在长篇文档推理、复杂的图表和表格解读、以及多步骤根因分析上,Fable 5实现了双位数的跨越式增长。
在量化交易大厂IMC和Optiver的实测中,Fable 5几乎拿满了其交易分析评估的全部权重(包括事实检索、概念推理和期望值计算),且展现出惊人的稳定性——在多次重复运行中,输出结果的分数完全一致。
数据分析平台 Hex给出的评价是这样的:
Fable 5是行业内第一个在我们的核心分析基准(覆盖极其复杂、长周期分析任务)中突破90%得分大关的模型,比Opus提升了整整10个百分点。在最刁钻的提问中,它表现出了人类专家级别的微观评判力。
前沿科研:满血版Mythos“以小胜大”100倍的模型
在前沿物理学研究上,初创公司VibeCAD和物理研究机构测试表明,Fable 5仅使用了1/3的推理Token,在36小时内产出的物理研究成果,就逼近了GPT-5.5耗时四天才跑出的成绩。
以及仍然有点藏着掖着的Myhtos终于在这一板块现身了。
Anthropic表示,在生物医药领域,满血版的Mythos 5在完全没有人类协助的情况下,已经可以独立执行一个生物学家的全部工作流:选择蛋白质结合位点、自主调度并运行各类生物信息学工具,甚至在遭遇运行失败时自己 Debug。
它设计出的14个蛋白质靶向复合物中,有9个已经进入了实验室的真实药物研发管线。
Anthropic还强调,Mythos 5“是我们首个能够持续产生新颖且引人注目的科学假设的模型”。
在与Opus系列模型的盲法直接对比中,科学家在80%的情况下更倾向于Mythos的分子生物学假设,并且已将其中几个假设推进到实验验证阶段。
与此同时,Mythos 的一个假设——一种关于大肠杆菌蛋白的新机制——在另一家独立研究同一问题的实验室的研究《A newly identified detoxification system protects uropathogenic Escherichia coli from reactive chlorine species》中得到了证实。
更夸张的是在基因组学研究中,Mythos 5自主工作了一周多,拼凑了138个物种的单细胞数据,并自主设计训练了一个定制的微型机器学习模型。
这个由AI训练出来的、体积小了100倍的微型模型,在表现上直接击败了前不久刚刚发表在《Science》杂志上的最新科研成果。
呼吁停止AI研究后,“危险能力”似乎被做成产品机制
这次最有意思的地方,应该得是Anthropic给Fable 5套上的防护网。
准确来说,Fable 5背后挂了一组独立分类器。
这些分类器会检测用户请求是否涉及网络安全攻击、生物和化学风险,以及模型蒸馏。
一旦触发,Fable 5就会拒绝自己回答,转而把请求自动转交给Claude Opus 4.8,并告知用户发生了降级。
有点意思哈。
过去的大模型在安全这一块,通常是让模型拒绝,说什么“抱歉,我无法为你提供帮助”“对不起我不能回答”“对不起我不能理解你的意思”之类balabala。
Fable 5换了一种做法。
它不做单纯拒绝了,而是做模型路由。
普通问题由Fable 5处理,一旦被识别到有问题是高风险问题,模型立刻被切到Opus4.8。
Anthropic的意思是,Opus4.8本身也是强模型,降级回答的体验总比直接拒绝要好的吧?~
这套设计实际把能力和安全拆开了。
你日常使用的是Mythos级能力。
但面对一些敏感、攻击性、企图越狱等问题时,Anthropic丝滑切换老版本模型为你服务,让你手里趁手的工具,突然就没那么趁手了。
(主要防范网络安全、生化领域和模型蒸馏方面的一些问题)
Anthropic给出了数据——
好消息,超过95%的Fable 5会话不会触发降级。
也就是说,对于绝大多数写作、代码、分析、研究和办公任务,用户能拿到的体验基本接近Mythos 5。
但还有剩下不到5%的请求,会进入更严格的安全路径。
官网表明,高风险领域主要有三类。
第一类是网络安全,第二类是生物和化学,第三类是模型蒸馏。
这套机制背后,其实是前沿模型产品形态的一个变化。
安全不再只是模型回答前的一句免责声明,也不只是写在系统卡里的政策描述。
它变成了分类器、模型路由、权限分级、数据留存、红队测试共同组成的产品架构。
当然,代价也来了。
Fable 5的分类器调得比较保守,正常请求也可能被误伤。
比如生物学家研究病毒,安全工程师做授权攻防演练,都可能在合理任务中触发降级。
Anthropic自己也承认,当前护栏比理想状态更严格,后续会降低误伤率。
另一个代价是数据留存。
从Fable 5、Mythos 5以及后续同等级模型开始,Anthropic要求Mythos级模型所有流量保留30天,覆盖第一方和第三方使用场景。
官方强调这些数据不会用于训练,只用于安全监控,包括识别复杂攻击、新型越狱和跨请求攻击。
对普通用户来说,这可能只是条款里的一行字。
但对企业客户来说,这就是非常现实的数据治理问题。
想用最强能力,就要接受更高等级的安全审查和数据留存。
不可避免的,前沿模型的成本,也不只体现在API账单上。
价格方面,Fable5和Mythos5统一定价为每百万输入Token10美元、每百万输出Token50美元。
确实,相比Claude Mythos Preview便宜不少,但仍然是高价模型。
一句话说,Fable5确实强,但不会便宜到可以随便烧。
这也解释了为什么Anthropic要同时强调能力、安全和Token效率。
内测AI学者体验:AI越强,人越像甲方
著名AI学者、沃顿商学院教授埃森·莫里克(Ethan Mollick)在率先拿到测试权限后,撰写了一篇长文。
其行文逻辑直击这场技术革命的核心本质——
人类与大模型之间的协作范式,发生了根本性、不可逆的逆转。
他让Fable 5做了一个等时圈地图。
这个任务听起来不算玄乎,但真做起来非常麻烦。
它要查航班、查铁路时刻、判断道路速度,还要处理不同国家、不同交通方式、不同时间成本之间的关系。
Fable 5自己启动多个代理去查资料,拿到了2200多个具体航班信息,还抓取了TGV、新干线等铁路数据,以及各国道路速度信息。
最后,它把这些资料整合进一个可用的地图项目里。
这件事的重点在于Fable 5把一个模糊目标拆成了研究、信息搜集、设计、编码、验证等多个环节,并且自己往前推进。
这和过去的大模型体验差别很大。
于是,莫里克提出了一个深刻的洞察。
在过去,人类使用大模型就像一个“巫师(Wizard)”,你必须手把手地去指导它、驾驭它(Steer),精雕细琢每一句 Prompt,通过不断的对话提示词来“念咒”,AI才能勉强变出一个戏法。
而面对Mythos级别的模型,人类正在沦为“赞助人(Patron,这里我感觉翻译为“甲方”更贴切一些?)”或者“委托人”。
莫里克教授用Fable5工作,感觉已经不像是在操作一个工具,更像是在委托一个小型工作室。
此外,在莫里克的实际测试中,他不再需要工作在最微观的指令层。
他直接向Fable 5喂进了一个长达15页、极其复杂的项目设计文档,然后留下宏观的需求描述。
接下来的9个多小时里,Fable 5在后台处于完全自主(Autonomous)的运行状态。
它自己生出了一个Agent工作流,内部调度多个小Agent分别去搞调研、撰写大纲、相互校对、推翻错误假设、纠错重来。
人类甚至不需要介入这个工作流半步。
9小时后,一个极高质量的成品直接交付到了莫里克面前。
这就是所谓的“工作室(Studio)”隐喻。
以前,我们用大模型是雇佣了一个临时的、需要反复沟通的自由职业者;现在,你用Fable 5,等于你用几美金的Token,瞬间雇佣了一整家好莱坞级别的设计院、或者一个顶尖的科研所。
你不需要关心它在黑盒里做出了多少个微观决策,你只需要扮演那个在最终成品上签字的“甲方”。
这种大模型长文本上下文(Context)与自主逻辑的结合,让Context不再仅仅是一个“内容容纳器”,而是彻底沉淀为了一个能自主推演、长时运行的“新型智能操作系统”。
换句话说,AI越像承包方,人类越像需要具备验收能力的甲方。
小插曲,为了更直观、更有趣地展示,教授还让它生成了一系列游戏供大家试玩。
这些游戏都是基于Claude Code的一个初始提示,Fable 5需要根据我提供的模糊提示生成一些可行的程序,之后我会给出一些额外的提示,并给予一些鼓励(例如“做得更好”)或反馈。
由于Claude Code无法生成图像,所以所有的美术作品或3D对象都是完全通过数学运算生成的,没有使用任何外部资源。
这里放一个抛硬币游戏的demo:
提前内测Fable 5后,教授最后表示“最终的成果令人印象深刻”。
但是,尤其是在着手处理更严肃的项目时,教授常常觉得使用这个工具既令人愉悦又令人不安。
愉悦之处在于,我只需提出要求,它就能实现。不安之处也在于,我只需提出要求,它就能实现。
的确。
回到Anthropic这次发布。
有的人认为最重要的是Mythos终于半明牌了,有的人认为最重要的是前沿AI产品正在进入新形态。
一个更强的模型上桌了。
但Anthropic先给它系上安全带,然后才把钥匙递给所有人。
有人欢呼,有人焦虑,有人在彻夜调试代码,只为追上那条不断向前狂奔、甚至已经开始脱离人类微观视线的智能曲线。
Three More Things
1、注意窗口期。从今天到6月22日,Pro、Max、Team和企业版用户可以免费用Fable 5。
但6月23日起,还想用Fable 5,就得额外买usage credits了。
2、Anthropic说,一旦产能跟上,Fable 5会重新做成订阅标配。
API和按量付费的企业客户不受这个节奏影响,今天起照常调用。
参考资料:
[1]https://www.anthropic.com/news/claude-fable-5-mythos-5
[2]https://www.oneusefulthing.org/p/what-it-feels-like-to-work-with-mythos
[3]https://www.biorxiv.org/content/10.64898/2026.03.12.711259v1
本文来自微信公众号“量子位”,作者:衡宇
