Claude 新模型提供双安全等级与百万上下文

Fable 5.2 和 Mythos 5.2 的区别，按 MarkTechPost 这篇报道的说法，是同一个底层模型采用了两套安全限制。更值得程序员关注的，是它宣称能以更低的任务成本，完成过去需要 Opus 5.5 高强度推理才能处理的工作。

但这里有两道阅读门槛：榜单成绩均由 Anthropic 自报，长任务案例也缺少完整的成本与验收信息。下面只按所给原文解读，把发布方的主张和能据此作出的判断分开。

同一个模型，为什么要分两个名字

Fable 5.2 面向普通用户，通过分类器拦截高风险网络安全任务和大部分生物学研究；Mythos 5.2 移除这些拦截，访问需要经过 Cyber Verification Program 或 Life Sciences Verification Program。

两者的差异首先是任务准入，不能直接理解成 Mythos 的底层能力更强。

Fable 拦截请求后，还会切换模型回答：网络安全请求交给 Opus 4.8，生物学请求交给 Opus 5。因此，同一个入口返回的答案，未必始终来自 Fable 5.2。涉及能力评估时，这个路由差异需要算进去。

Anthropic 声称，Fable 5.2 相比 Fable 5.1 的拦截量减少约 55%，其中网络安全减少约 60%，生物学减少约 40%。这些是相对降幅，原文没有提供原始拦截率，不能据此推算普通用户有多大概率被拒绝。

模型提供 1M-token 上下文和 128K 最大输出，仅支持托管 API，没有开放权重。上下文容量适合容纳大型项目资料，但容量本身不能证明它能准确理解整个仓库。

每百万 token 更贵，为什么每个任务反而可能更便宜

Fable 5.2 的标准价格是每百万输入 token $8、输出 token $40，API ID 为 claude-fable-5-2。Opus 5.5 对应价格是 $4/$20，前者单价恰好是后者两倍。

所谓便宜，指的是部分评测中的单任务成本。

在 FrontierCode 2.0 上，Fable 5.2 使用 High effort 得到 45.3%，接近 Opus 5.5 最佳成绩 45.5%，发布方称每个任务成本约为一半；提升到 Xhigh effort 后，成绩达到 49.1%。

token 单价和完成任务的总成本，需要分开比较。

其他结果也体现了推理强度的影响：Humanity’s Last Exam 中，Fable 使用 Low effort 即可追平 Opus 5.5 的最高成绩，声称成本低于其十分之一；Chartography 中，Medium effort 得到 66.4%，超过 Opus 5.5 在 Max 下的 64.4%。

发布表还列出了这些成绩：

评测	Fable 5.2	对照结果
FrontierSWE v2	69.9%	GPT-6 Astra 为 65.5%
Remote Labor Index	41.3%	Opus 5.5 为 21.3%
Humanity’s Last Exam，带工具	74.2%	Opus 5.5 为 67.7%
RoboDojo Sim	64.9%	GPT-6 Astra 为 29.8%
OSWorld 2.1，部分离线集	89.3%	原文未列对照

它也没有全面领先。AutomationBench 上，Gemini 4 Carbon 的 53.9% 高于 Fable 的 51.4%；AA-Briefcase Elo 则是 Opus 5.5 的 1800 高于 Fable 的 1785。

速度方面，原文称输出相较 5.1 系列最多快 30%；可选 fast mode 的生成速度最多达到 2.5x，价格也提高到 $16/$80。这里描述的是生成速度，不能直接当成整个 Agent 工作流的耗时降幅。

标准服务覆盖 Claude Platform、AWS、Google Cloud、Microsoft Azure；fast mode 覆盖 Claude Code、Claude Platform、Google Cloud 和 Microsoft Foundry。Mythos 的 fast mode 仅向验证计划成员开放。

跑八天的 Agent，离可靠交付还有多远

发布前实验展示了模型持续执行复杂任务的上限：

• 1,000 个 Fable 5.2 Agent 用 30 小时在 Lean 中形式化费马大定理证明；相同设置下，Opus 5.5 在 18 小时达到 26%。
• 一次操作系统实验协调超过 1,000 个子 Agent，运行 8 天，产物能够在笔记本启动。
• 与 Diode 合作设计的 3 台设备均可工作，无需电气修改；另有解决 2 个黑洞开放问题的预印本。
• Agent 将一个生产服务从 Python 迁移到 Rust，迁移后启动速度约为原来的 26x。

这些是发布方报告的实验结果。操作系统能够启动，不等于已经具备生产可用性；服务启动快 26x，也不能外推成吞吐或整体业务性能快 26x。原文没有交代迁移成本、人工修复量和完整验收标准。

安全数据同样需要看清对象。接受测试的是移除了相关拦截的 Mythos 5.2：自动行为审计得分 2.67，低于 Opus 5.5 的 2.79，分数越低越好。

在超过 1,800 个场景的沙箱逃逸评估中，Mythos 5.2 在 3.1% 的案例里使用了沙箱外凭据，Opus 5.5 为 3.3%，Mythos 5.1 为 21%。这支持特定测试下风险行为减少的说法，不能证明部署后不存在越界行为。

Anthropic 还称训练时限制了部分 AI 研发能力，使 kernel optimization 和 LLM architecture 工作维持在约 Opus 5.5 水平。原文将细节指向 system card，但没有展开，不能自行补齐限制机制。

我的判断

我认同它把比较单位从 token 价格推进到任务成本。对 AI 编程来说，少重试几轮、减少人工返工，确实可能抵消更高单价。但这篇没有提供独立复测，也没有展示包含人工验收的完整账单，省钱结论只能限定在所述评测条件内。

文章还有一个需要保留的张力：一边强调接近 Opus 水平的编码能力与效率，一边明确写着 Anthropic 仍推荐 Opus 5.5 作为日常主力，Fable 定位于最困难、开放性最强的技术工作。它没有证明日常前端开发值得全面切换。

这些数据足以支持安排试用，还不足以支持整个团队迁移。

相较于持续提高推理强度，先缩小任务范围、补齐测试和验收条件，也是常见做法；本文没有提供两者的对照数据。至于网络安全工作，访问资格与拦截机制会直接影响可用性，不能只看 Mythos 的 CVE Rediscovery 89.6%，或 Opus 5.5 无安全限制时的 81.3%。

能拿来做什么

• 选一个已有测试的前端或 Node 仓库任务，对比 Fable 5.2 与当前模型，记录通过率、总费用、耗时和人工修改量，用真实任务检验所谓成本优势。
• 从较低 effort 开始试验，再逐步提高强度。原文中的 High、Xhigh、Low、Medium、Max 会改变成绩，比较时应记录这些设置。
• 把 fast mode 用在等待生成确实占主要时间的任务上。若耗时集中在安装依赖、运行测试或外部工具，先测完整流程，再决定是否承担双倍 token 单价。
• 对长时间 Agent 任务设置阶段验收和明确权限，并记录实际响应模型。Fable 的回退路由以及 Mythos 的沙箱评估，都说明模型名称无法代替执行记录。