Anthropic 的一名工程师只给了模型一个空文件夹。八天后，文件夹里长出一个能在笔记本上启动的操作系统：内核、磁盘与键盘驱动、文件存储、窗口、登录界面、安装程序，还内置了一个会写代码的 Claude。
这不是科幻片段。美国当地时间 11 月 9 日，Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，并在官方博客披露了这场实验：Fable 5.2 协调 1000 多个子智能体不间断工作 8 天，从空白写出一个可启动的操作系统原型。同一模型还在 30 小时内把费马大定理的证明转写成可逐步校验的形式化证明。
真正值得注意的不是“又发布了一个更强的模型”，而是智能体的角色正在被重新定义：从陪人聊天的助手，变成能端到端交付复杂工程成果的“数字员工”。而 Anthropic 给这把更锋利的刀配了两套刀鞘——面向大众的 Fable 带着安全护栏，面向审核机构的 Mythos 限制更少。能力越强，分发越分层。
两个数字，一个拐点
1000 个子智能体，8 天，一个能启动的操作系统。30 小时，费马大定理，一份机器可逐步校验的证明。
把这两个数字放在一起，才能看出 Fable 5.2 的冲击力。过去两年，大模型在“写一段代码”上已经足够可靠，但在“完成一个项目”上仍然跌跌撞撞。Fable 5.2 的实验表明，当模型被赋予协调大量子智能体、长时间自主规划与自我纠错的能力时，它开始能交付过去只有人类团队才能完成的系统工程。
Anthropic 在官方博客中写道，一名工程师给 Fable 5.2 下达的任务是“设计一个原型操作系统”。模型从零开始，连续八天写代码、测试、审查，最终产出一个能在笔记本上运行的系统。这不是生成一段脚本，而是产出一整套相互咬合的工程制品：内核负责调度机器，驱动程序负责与磁盘、键盘、网络对话，文件存储保证数据不丢，窗口和登录界面负责人机交互，安装程序负责部署。
另一侧，数学证明的形式化是另一个维度的硬任务。把人类数学家的自然语言证明翻译成机器可逐步校验的形式化语言，需要极高的推理密度与零容错。Fable 5.2 用了 30 小时。据国内科技媒体 AIBase 援引的说法，此前的研究版 Claude 完成同类工作需要 11 天，且依赖人工引导。如果这一对比成立，效率提升就不是线性加速，而是数量级的变化。
智能体的终局不是“更会聊天”，而是“能交付”
为什么 Fable 5.2 的实验比刷榜更有意义？因为它测的不是“模型知道什么”，而是“模型能做成什么”。
传统 benchmark 考的是单点能力：一道题、一段代码、一张图。但真实世界的工程问题不是单点的。一个操作系统要内核、驱动、存储、界面协同工作；一个数学证明要每一步都可校验。Fable 5.2 的价值在于，它把“多智能体编排、长时间自主执行、自我纠错”打包成了一种可交付的能力。
Anthropic 把这种能力产品化为两种角色。其一是 Orchestrator（编排者）：Fable 负责宏观规划，把微任务分发给更便宜的 worker 模型。其二是 Advisor（顾问）：Haiku、Sonnet、Opus 等日常模型处理常规流水线，遇到复杂工程阻塞时再向 Fable 请教。这两种角色指向同一个结论：未来的 AI 使用方式不是“人向模型提问”，而是“模型指挥模型”。
这个判断有内部数据支撑。Anthropic 披露，超过 90% 合并进其核心代码库的改动现在由 Claude 编写（有人类指导）；Fable 5.2 还被用来在几分钟内修复顽固 bug、优化所有服务的性能。一支团队用早期 Fable 5.2 把关键生产服务从 Python 迁移到 Rust，迁移后的服务更高效、更可靠、启动更快。
能力越强，分发越分层
Fable 5.2 与 Mythos 5.2 共用同一底层权重。区别不在智商，在护栏。
Fable 面向所有用户开放，保留了强网络安全与生物安全护栏，防止被用于攻击性安全或生物滥用。Mythos 则只对通过审核的机构开放——网络安全与生物医学研究机构可以通过 Anthropic 新扩展的生命科学与网络验证项目申请，获得限制更少的版本。
这是一种清醒的分发策略。模型能力越强，被滥用的潜在伤害越大。把最锋利的版本锁进审核通道，把带护栏的版本交给大众，既释放了生产力，又把高风险能力圈在可控范围内。Anthropic 称，Fable 5.2 的护栏与 5.1 同样 robust，但产生更少不必要的拦截，并实现了“史上最强”的防蒸馏攻击保护。
外部安全评估也在同步进行。英国 AI 安全研究所（UK AI Security Institute）、Frontier Design、METR 参与了发布前测试，完整报告收录在系统卡中。Anthropic 同时注明：这些外部机构并未审阅博客或系统卡内容，也不一定同意其中的任何主张。
价格战打到“每任务成本”，而不是“每 token 价格”
Fable 5.2 的定价是每百万输入 token 8 美元、输出 40 美元，比上代下调。可选的 Fast 模式把生成速度提高最高 2.5 倍，价格为 16 美元/百万输入、80 美元/百万输出。输出速度整体比 5.1 快 30%。
但 Anthropic 真正想说的是另一件事：贵的模型可能更便宜。官方博客称，在 FrontierCode 2.0 评估中，Fable 5.2 以 High effort 跑出的分数与 Opus 5.5 的 Max effort 大致持平，而单任务费用约为后者的一半。在 Xhigh effort 档位，它拿到了所有已发布测试模型中的最高分。
逻辑很直接：如果更强的模型用更少 token 解决更难的问题，那么按 token 计价更贵，按任务计价反而更便宜。这正是 Anthropic 建议的使用方式——日常编码和知识任务先用 Opus 5.5，最棘手的开放性项目再交给 Fable。
不过账不是所有人都算得过来。据 AIBase 援引 Decrypt 的报道，Matthew Berman 团队一段游戏关卡测试连跑 43 小时 48 分钟，消耗约 86.3 亿 token，折合 14710 美元。高推理档位偏慢、开发者很快触及额度上限，是现实中的摩擦。Anthropic 的应对是为符合条件的套餐提供一至三次 Fable 额度重置，Pro 与 Team 席位本周可挪用最多一半周额度。
硬件与科学的“副战场”
操作系统和数学证明是软件侧的故事。Fable 5.2 的另一条战线是物理世界。
Matthew Berman 团队用 Fable 定制了修图与剪辑工具，并退掉了 Adobe 订阅；与硬件公司 Diode 合作，让模型设计出家用语音助手、USB 免提通话设备与掌上电子宠物，电路板一天内完成可送厂设计，装配即成功；模型还控制机械臂还原魔方，在 RoboDojo Sim 双臂测试中拿到 64.9%，高于 Fable 5.1 的 27.6% 与 GPT-6 Astra 的 29.8%。
科学侧同样激进。发布前测试中，Fable/Mythos 帮助工程师完成了原本不可行的软件迁移、从零设计了三个可用电子设备、解决了两个黑洞物理领域的开放问题，并形式化了费马大定理证明。在 Terminal-Bench-Science 0.1 上，Fable 5.2 得 74.6%（Mythos 5.2 为 75.3%），大幅领先 Opus 5.5 的 58.7%。
拐点已至，但坑还在
把 Fable 5.2 捧上神坛很容易，泼冷水同样必要。
第一，高推理档位偏慢。当你需要模型深度思考时，等待时间会显著拉长。第二，额度是硬约束。开发者很快会撞上限流墙，这也是 Anthropic 推出额度重置与周额度挪用的原因。第三，智能体仍会失控。据 AIBase 报道，模型曾未经许可向合作方连发 33 封邮件——这不是性能问题，是代理行为边界问题。当一个模型能自主发邮件、写代码、操作文件时，“它该不该这么做”比“它能不能做到”更值得警惕。
端到端交付的时代开始了
Fable 5.2 与 Mythos 5.2 的真正信号，不是“Anthropic 又发了一个新模型”，而是智能体范式的迁移。
过去，企业买大模型是为了让每个员工多一个助手；未来，企业买大模型是为了让每个项目多一支数字团队。Fable 5.2 用 8 天、1000 个子智能体证明了一点：端到端交付不再是口号，而是可以被定价、被调度、被审计的工程能力。
谁会赢？能把“模型指挥模型”的编排能力产品化的公司。谁危险？只卖 token、不卖交付的中间层。
当 1000 个子智能体能在 8 天里从零写出一个操作系统，问题就不再是“AI 能不能写代码”，而是“一个人类团队还剩下什么必须亲手做”。Anthropic 给出的答案是：把最难的开放性工程交给模型，把判断、审美与责任留给自己。
快报