Claude用70万笔触画出一辆购物车

2026.11.16 10:52
Anthropic发布Claude Fable 5.2后,员工Jake Eaton展示了模型通过Python程序在虚拟画布逐笔作画的能力,一辆停车场购物车据报道使用约70万次模拟笔触。它的意义不在于替代Midjourney等扩散模型,而在于把图像生成改造成可执行、可观察、可修正的长时任务,显示AI竞争正从像素结果走向过程智能。

真正值得关注的,不是Claude Fable 5.2画出了一辆接近照片的购物车,而是它把“生成一张图”改写成了“执行一套绘画程序”。

2026年11月9日,Anthropic发布Claude Fable 5.2与Claude Mythos 5.2。随后,Anthropic员工Jake Eaton在X上展示Fable 5.2的绘画能力。模型被要求创作一幅尽可能接近照片的画面,最后交付了一辆停在停车场里的购物车。相关报道显示,这幅作品使用了约70万次模拟笔触。

这个数字很容易成为传播焦点,但它的真正含义并不是“AI终于能画得更精细”。约70万次笔触意味着,模型没有把任务交给一个传统文生图接口,而是让程序控制虚拟画笔,在画布上持续落笔、观察和修正。作品不是一次性生成的结果,更像一段被执行出来的绘画过程。

Fable 5.2的演示把一个长期被忽视的问题摆到了台面上。当AI的输出不再只是文字、图片或代码文件,而是一个需要持续操作、检查和返工的复杂任务时,模型究竟能不能管理过程?

70万次笔触,画的不是图而是过程

按照AIBase、The Decoder和MLQ.ai对演示的报道,Fable 5.2的每幅画通常对应一段约1000至2000行的Python程序。程序负责调用模拟绘画引擎,设定画笔类型、颜色、宽度与路径,再把一连串笔触放到虚拟画布上。

这条路线与常见的文生图体验不同。用户输入一句提示词,扩散模型通常从噪声状态出发,经过多轮采样得到图像。用户看到的是最终像素,中间经历了哪些采样状态,通常并不构成可供用户逐步修改的工作过程。

Fable 5.2做的是另一件事。模型先编写或修改绘画引擎,再决定每一笔落在哪里。它需要处理的不仅是构图,还包括刷毛如何接触画布、颜料如何铺开、湿颜料如何相互影响,以及画布纹理如何显现出来。画面因此不再只是一个不可拆解的文件,而是一串能够被重新执行的动作。

在购物车作品中,约70万次笔触被用于逐步构建完整场景。若模型只会调用一个图像接口,复杂度被封装在接口内部;而在这种程序化绘画中,复杂度暴露在每一个局部决策里。每一笔既是绘画动作,也是模型对当前画面的判断。

这也是为什么“没有图像模型”比“画得像照片”更值得讨论。它证明的不是语言模型已经变成了传统意义上的画家,而是语言模型可以通过编写工具、调用工具和读取工具反馈,完成一项原本需要视觉判断、动作规划与审美判断共同参与的任务。

从画家到工具开发者,模型多了一层自我改造

Fable 5.2的关键能力并不只是输出笔刷坐标。更重要的是,模型可以修改承载绘画的工具本身。

据相关报道,模型在工作时承担两个相互套叠的角色。它先写出模拟画笔和颜料的程序,规定不同刷毛如何留下纹理、颜料如何附着在画布上;随后,它再使用这个工具安排具体笔触。当效果不符合预期时,模型可以回到引擎或绘画指令,重新调整颜色、笔宽、路径和覆盖关系。

传统生成式AI的用户反馈,大多发生在下一轮提示词里。第一张图不满意,用户重新描述,模型重新生成。Fable 5.2展示的是一种更接近工作台的交互。画面已经存在,问题也已经显现,模型可以针对局部进行修补。

AIBase还报道了另一项演示。工程师Michael Graczyk要求模型绘制一只日出时的鸟,每一笔只能输出坐标指令,落笔后不能撤销。报道显示,模型通过观察画布发现鸟背过细,再用更粗的笔触覆盖修正。这个例子未必代表所有任务都能稳定完成,但它展示了一个重要闭环,计划、执行、观察、纠错。

这个闭环与机器人控制在结构上有相似之处。机器人面对真实世界时,动作不会因为一次规划就自动正确,系统必须根据环境状态不断修正。Fable 5.2的画布是虚拟的,反馈也相对干净,但它呈现出了与长时任务相似的工作方式。

过去的模型竞争更像考试,谁能在一次回答中给出更好的答案,谁就更强。现在,竞争开始转向项目管理。模型能否把目标拆成步骤,能否调用合适工具,能否发现偏差,能否在不破坏已有成果的情况下返工,决定了它能不能从“会回答”走向“会做事”。

它不是扩散模型的替代品

看到Fable 5.2的演示,最容易产生的误读是,语言模型正在取代Midjourney等图像模型。这个结论过早了。

扩散模型的优势仍然清晰。它们擅长从大规模视觉数据中学习图像分布,适合快速生成具有强烈视觉效果的候选图片。对于海报、概念图、社交媒体素材和风格探索,快速得到多个方向本身就是生产力。用户不需要理解每一根刷毛,也不需要等待几十万次显式笔触。

Fable 5.2的路线解决的是另一类问题。它的价值来自过程可追踪、局部可修改和动作可复现。若一幅画的透视、阴影或某块纹理出现问题,程序化表示让模型有机会定位到相关步骤。若用户希望保持同一位虚构艺术家的风格,或者希望把创作规则迁移到另一幅画上,代码和画笔引擎提供了比单张像素图更明确的抓手。

两者的差异,可以类比为“直接拿到成品”和“拿到一套可运行的制造流程”。前者强调速度和结果,后者强调可控性和复用性。真正的产品形态很可能不是谁消灭谁,而是不同模型被放进不同环节。扩散模型负责快速探索,代码型智能体负责把其中一个方向变成可解释、可编辑、可重复的资产。

但这条路线也有现实代价。约70万次笔触意味着更复杂的执行过程。对于只想要一张头像或一张配图的普通用户,逐笔模拟未必划算。它更适合那些对过程、版本、局部修改和最终一致性有要求的任务。

“会画”背后的商业信号,是长时任务的入口

Fable 5.2的绘画演示看起来像一次跨界炫技,但它与Anthropic对模型定位的描述并不矛盾。Anthropic将Fable 5.2与Mythos 5.2定义为面向复杂技术工作的模型。绘画只是把复杂任务的几个关键环节,用肉眼可见的方式展示出来。

一个成熟的智能体,不应只会调用固定工具。它还需要在工具不够用时,临时制造工具。Fable 5.2不是把“画笔”当作一个现成API,而是编写模拟刷毛和颜料的程序,再用这个程序完成创作。这种能力一旦离开画布,就可能出现在数据分析、工程设计、软件开发和实验规划等领域。

商业世界真正愿意付费的,也不是模型偶尔完成一张惊艳图片,而是它能否在较长流程中保持目标一致。它需要记住自己做过什么,知道哪里出了问题,能够保留正确部分,重做错误部分,并在最后交付一份别人可以检查、修改和继续使用的成果。

这解释了为什么程序化绘画比单纯的视觉质量更有战略意味。图像生成已经证明AI可以生产内容,这次演示进一步提示,AI也可以构建内容生产的内部流程。当流程被编码,输出就不再只是一次性消费品,而可能成为可迁移的生产资料。

这对创意软件公司也是一个提醒。未来的AI工具竞争,不会只围绕“生成按钮”展开。更有价值的产品,可能是能让用户查看过程、锁定局部、修改规则、复用风格并回溯版本的工作台。谁能把模型的长时行动转化为稳定的编辑体验,谁就更接近企业级市场。

它仍然有边界,而且边界很具体

Fable 5.2的演示不应被包装成通用绘画能力已经成熟的证明。约70万次笔触是单个展示案例,不等于所有图像都需要或都能稳定完成这样的过程。作品是否完全没有任何预处理、参考图或外部辅助,也需要以模型开发者更完整的技术说明和可复现实验为准。现有公开报道与演示说明支持“未调用传统图像模型”的说法,但仅凭一张成图,无法推断全部内部实现。

程序化表示并不会自动消除错误。它只是把错误从像素层转移到动作层。模型可能选错构图,也可能在修正局部时破坏整体,还可能在长时间执行中积累误差。笔触越多,过程越长,检查和回滚的成本就越高。

真实世界中的画布也远比虚拟画布复杂。现实机器人要处理摩擦、遮挡、材料差异和传感器噪声,模型在代码环境里的自我修正,距离可靠地操作现实设备还有明显距离。两者共享“规划、执行、反馈”的结构,但不能直接等同。

因此,Fable 5.2更适合被理解为一个能力信号,而不是一款已经完成商业闭环的绘画产品。它告诉行业,下一阶段的模型评估不能只问“最后的图片好不好看”,还要问“模型是否知道自己怎样得到这张图片,以及能否在中途把错误改回来”。

从像素生成到过程智能

AI绘画的竞争,正在从“谁能生成更漂亮的图片”延伸到“谁能把用户意图变成可执行的过程”。Fable 5.2所展示的,正是后一个方向。它让模型把意图转化为一套可执行、可观察、可修正的动作。

这条路线未必会成为大众图像生成的主流,却可能成为复杂智能体的底层范式。画布只是一个安全的实验场,笔触只是动作,颜料引擎只是工具。换成代码仓库、CAD软件、实验设备或机器人控制台,结构仍然成立。

对用户而言,未来选择AI工具时,值得关注的不只是它能不能给出惊艳的第一版,还要看它是否允许你理解和修改第二版、第三版。对企业而言,值得投资的也不只是模型的峰值能力,而是模型在长流程中的记忆、验证、回滚与协作能力。

一辆购物车用了约70万次笔触,表面上是在模拟耐心,实际上是在展示一种新的机器劳动方式。它不再只负责把噪声变成图像,而是负责把目标拆成动作,把动作变成工具,再根据结果继续工作。

当AI开始写下每一笔,它真正争夺的就不只是画布,而是所有需要持续执行、不断纠错的工作。

作品声明:内容由AI生成