作者｜冬梅

昨晚，Anthropic 攜兩款“核彈級”模型炸場——Claude Fable 5 和 Claude Mythos 5。

據介紹，這是 Anthropic 迄今性能最強的一代模型，也是其首次將前沿模型按照風險等級進行差異化開放：面向普通用戶的 Fable 5 保留了嚴格安全限制，而能力完全釋放的 Mythos 5 則僅向少量經過審核的網絡安全機構和科研組織開放。

在 Anthropic 看來，大模型能力已經進入一個新的階段：模型不僅能夠完成編碼、寫作和問答任務，還開始展現出執行長期復雜任務、獨立開展科研探索甚至發現新科學假設的能力。與此同時，模型能力提升帶來的潛在風險，也迫使公司重新設計模型的開放策略。

1 Anthropic 最強模型性能如何？

按照 Anthropic 的說法，Fable 5 已經超過此前所有公開發布的 Claude 模型。

據 Anthropic 官方披露，Claude Fable 5 定位通用級高性能模型，屬于 Mythos 1 級技術梯隊，綜合性能超越品牌過往所有公開發布模型，在主流 AI 性能基準測試中穩居行業領先水平。

該模型具備突出的復雜任務處理優勢，任務復雜度越高、運行周期越長，相較于前代模型的性能優勢越顯著，同時擁有更長的自主運行時長與更強的長上下文處理能力，可穩定支撐數百萬 token 級別的持續性工作任務。

在具體產業落地場景中，Fable 5 展現出全方位的能力突破。

軟件工程領域，該模型可實現超大代碼庫的高效迭代遷移，曾在 1 天內完成需要團隊兩個月手動攻堅的 5000 萬行 Ruby 代碼庫遷移工作，將數月級工程量壓縮至單日完成。

在 Cognition FrontierCode 編碼評估中，其中等工作量下的得分領跑全球前沿模型，token 效率創下 Claude 系列新高。

下面是其他模型在 FrontierCode Diamond 測試中的得分對比：

除了軟件開發，Anthropic 還將 Fable 5 定位為知識工作工具。

AI 研究平臺 Hebbia 的財務推理測試顯示，Fable 5 在復雜文檔分析、圖表解讀和問題求解任務上的表現達到所有參測模型最高水平。

量化交易公司 IMC 則表示，該模型已經能夠完成事實檢索、因果分析、根因定位以及預期收益分析等金融研究任務。

這些案例反映出一個趨勢：模型競爭正在從單純的知識問答，轉向專業領域中的復雜推理和決策輔助。

視覺任務方面，它也基本上是當前業內頂尖的視覺專用模型，可精準提取復雜科學數據、僅憑截圖還原 Web 應用源代碼，甚至依托極簡視覺組件獨立通關《精靈寶可夢火紅》，全程無需地圖、游戲狀態等額外輔助信息，突破了前代模型依賴復雜輔助工具的技術局限。

這段延時視頻記錄了 Claude 僅使用游戲截圖從頭到尾游玩《精靈寶可夢火紅》的過程——沒有使用任何地圖、導航輔助工具或額外的游戲狀態信息。早期的 Claude 機器人需要復雜的輔助設備才能玩《精靈寶可夢》；而 Claude Fable 5 僅憑視覺就完成了游戲。

此外，模型的內存與自主迭代能力大幅優化。在卡牌構筑游戲《殺戮尖塔》測試中，搭載持久化文件級內存的 Fable 5，性能較 Claude Opus 4.8 提升三倍，通關高階關卡的概率顯著提升。同時可依托基礎物理原理自主推演行星軌道、模擬日食現象，具備極強的自主推理與場景復刻能力。

Claude Fable 5 構建了這個太陽系模擬，從物理學第一原理推導出行星的軌道運動，并用它來預測日食。

2 Mythos 5：能力更強，但并不向公眾開放

相比面向大眾開放的 Fable 5，Anthropic 此次同步發布的另一款模型 Mythos 5 顯得更加特殊。

從技術角度看，兩者基于同一底層模型。

區別在于，Mythos 5 取消了部分安全限制，因此能夠釋放全部能力。

Anthropic 表示，Mythos 5 目前是其網絡安全能力最強的模型。該模型已經部署一些特殊機構中，服務對象主要包括關鍵基礎設施運營方和網絡安全防御機構。

目前，普通開發者和企業用戶無法直接使用該模型。

在高精尖科研領域，Mythos 5 表現也很搶眼。

生命科學研究中，該模型可將藥物設計部分環節效率提升十倍，能夠獨立完成蛋白質靶點篩選、設計工具運行、誤差修復等全套科研工作，無需人工深度干預，目前已篩選出 9 個高潛力藥物靶點，覆蓋免疫檢查點、神經退行性疾病、肌肉疾病等多個研究方向。

科研創新層面，Mythos 5 是 Claude 系列首款可持續產出高質量原創科學假設的 AI 模型。

在盲測對比中，科研人員對其分子生物學假設的認可度達 80%，多項假設已進入實驗驗證階段，其中一項關于大腸桿菌蛋白作用機制的假設，已獲得獨立實驗室的研究佐證?；蚪M學研究中，該模型可自主完成海量單細胞數據歸集、定制 AI 模型訓練等全流程工作，僅需極少人工干預，其研發的輕量化模型性能優于《科學》雜志刊發的同類模型，且參數規模僅為后者的百分之一，相關研究成果將于近期公開發表。

針對高端模型的濫用風險，Anthropic 為通用開放的 Fable 5 搭建了保守且完善的安全防護體系。由于頂級 AI 能力在網絡安全、生物、化學等領域存在雙重用途風險，Fable 5 搭載全新獨立安全分類器，一旦檢測到漏洞利用、攻擊性網絡任務、高危生物化學研究、模型能力提煉等風險請求，將自動回退至 Claude Opus 4.8 響應處理。

官方數據顯示，這套安全機制整體誤報率不足 5%，超 95% 的用戶會話可直接通過 Fable 5 原生能力響應，性能與 Mythos 5 基本持平。

經過超 1000 小時內部紅隊演練、外部漏洞賞金測試，該防護體系未出現通用越獄漏洞，抵御惡意攻擊與越獄嘗試的能力優于 Opus 4.7、Opus 4.8 等前代機型，可全面攔截單輪惡意網絡攻擊策劃、漏洞開發等違規請求。

隱私合規層面，Anthropic 同步推出全新數據保留政策，要求 Mythos 級別模型的全量流量數據留存 30 天，僅用于風險研判、攻擊溯源與安全優化，不參與模型訓練及非安全類用途，同時完善人工數據訪問日志記錄機制，30 天后自動清理絕大部分數據，筑牢數據安全防線。一致性評估結果顯示，Fable 5 與 Mythos 5 的欺騙、違規協作等不一致行為發生率與 Opus 4.8 持平，整體合規穩定性優異。

這么強大的模型，價格如何？

據介紹，這兩款模型都已經大幅降價，統一收費標準為每百萬輸入代幣 10 美元、每百萬輸出代幣 50 美元，價格不足前代 Mythos Preview 版本的一半。

訂閱服務層面，Anthropic 推出分階段上線策略，即日起至 6 月 22 日，Pro、Max、Team 及席位制企業版套餐用戶可免費體驗 Fable 5；6 月 23 日起將暫時從訂閱套餐下架，后續需消耗積分使用，待資源擴容后將重新納入訂閱標配體系。

3 外界評論如何？

這兩款性能拉滿的旗艦模型發布后，AI 圈很快出現了大量討論。

前特斯拉 AI 負責人、OpenAI 創始成員之一的 Andrej Karpathy 第一時間給出了高度評價。

他在社交平臺表示：

Claude Fable 5 與 Mythos 5 本質上是同一個底層模型，只是在 Fable 上增加了安全防護機制。從基準測試來看，它幾乎在所有項目上都以明顯優勢取得了最佳成績（SOTA）。但比起排行榜數字，更重要的是它在實際使用中的表現。從定性體驗來看，這是一次配得上“大版本號升級”的能力躍遷。

對于長期關注大模型發展的研究者來說，Karpathy 的評價頗具分量。

過去兩年，大模型行業經歷了多輪“刷榜競賽”，各家公司不斷刷新測試成績，但用戶實際體驗未必同步提升。因此，越來越多開發者開始關注模型在真實任務中的表現，而不是單純比較基準測試分數。

不少開發者認為，這次發布最值得關注的并不是 Anthropic 公布的各種榜單成績。一位獲得大量點贊的評論寫道：

真正重要的數字并不是排行榜上的數字。問題在于，隨著任務變得越來越長、越來越復雜，Fable 5 的優勢反而越來越明顯。短距離的綜合基準測試對它來說已經不是挑戰。真正需要觀察的是，當一個任務需要團隊連續工作數天才能完成時，它會表現如何。

這也是 Anthropic 此次反復強調的方向。

無論是 5000 萬行代碼遷移案例，還是持續數天的科學研究任務，本質上都在展示模型的長期自主執行能力。

在過去，大模型更像一個即時回答問題的助手；而 Anthropic 試圖證明，Fable 5 已經開始接近“能夠獨立完成項目”的階段。

軟件工程能力依然是討論最熱烈的話題。有用戶特別提到了 Anthropic 公布的編碼評測數據：

這些數字令人驚嘆，看看每一項指標。智能編碼任務的完成率從 69% 提升到 80%，這樣的增長幅度并不常見。

過去一年，Claude 系列已經逐漸成為許多程序員最常使用的代碼助手之一。而從 Anthropic 此次公布的案例來看，其目標已經不僅僅是生成代碼，而是讓模型能夠理解大型代碼庫、完成跨模塊修改以及執行復雜的軟件遷移工作。

如果這些能力能夠在實際場景中穩定復現，其影響可能比單純提升代碼生成準確率更大。

當然，并非所有人都對這次發布感到興奮，最常見的爭議集中在價格和提升幅度上。

Claude Fable 5 的定價為每百萬輸入 Token 10 美元、每百萬輸出 Token 50 美元，有用戶對此表示擔憂：

按照這個速度發展下去，普通消費者還能跟得上嗎？這些模型真的有明顯進步嗎？還是只是換了個名字，然后提高我們的 Token 消耗額度？

類似觀點在近期前沿模型發布中并不少見。

隨著大模型性能逐漸逼近天花板，用戶對于“代際升級”的感知正在減弱。相比 GPT-3 到 GPT-4 那樣的跨越式進步，如今許多模型更新更像是持續迭代。一位長期使用 Claude 進行財務分析的用戶就表示：

我認為最大的提升主要體現在軟件安全方面，其他能力雖然有所改進，但幅度有限。這些模型開始越來越像智能手機了，每一代都會進步，但已經很難再讓人感到震撼。我目前使用 Opus 4.7 處理財務工作，它運行得很好，沒有足夠理由讓我升級。

https://www.anthropic.com/news/claude-fable-5-mythos-5

https://x.com/claudeai/status/2064394151441863006

https://www.youtube.com/watch?v=5f5JYLZHdhw

聲明：本文為 InfoQ 原創，不代表平臺觀點，未經許可禁止轉載。

AI Agent 落地難、規?；茏?？《騰訊云 Agent Infra 落地指南》重磅上線！解讀 Agent 時代基礎設施新趨勢，拆解云沙箱核心能力，打通 AI Agent 規?；瘧米詈笠还?，即刻點擊【閱讀原文】或掃碼免費下載！