11月9日（美国时间），Anthropic 发布两款新模型，Claude Fable 5.2 和 Claude Mythos 5.2。两者用同一套底层权重，差别在安全限制：Fable 面向普通用户，Mythos 只给通过审核的网络安全与生命科学机构。
发布材料里最抓人的不是跑分，是一个实验。一位工程师丢给 Fable 5.2 一个空文件夹，让它设计一套操作系统。
八天里没有人给它打分
结果是它调度了超过一千个子智能体，连续工作八天，写代码、跑测试、审查彼此的产出，最后交出一套能在笔记本电脑上启动的系统。内核、磁盘和网络驱动、持久化文件存储、窗口系统、登录界面、安装程序，都齐了。官方措辞是原型，不是能天天用的系统。
真正值得看的是这八天里人的位置。工程师给的是目标，不是步骤；中间没有人为每一段代码打分。它自己写测试，自己判断过不过。这件事比造出操作系统更难复制，因为它要求把验收标准提前写成机器能执行的东西。
三十小时和十一天的差距
另一个实验更清楚。约一千个智能体协作，把费马大定理的既有证明转成 Lean 语言的代码，用时三十小时。此前用未发布的研究版本做同一件事，花了十一天，还要专门搭工具框架，并由研究人员持续指导。
这里有个容易读错的地方：它没有重新证明费马大定理。定理在1994年由怀尔斯证完。它做的是把人的证明翻译成机器能一行行核验的代码，一件极耗人力又必须精确的活。
同一套配置下，上一代旗舰 Opus 5.5 跑了三十小时，只完成约 26%。
分数与价格
官方评测里，Fable 5.2 在 FrontierCode 2.0 编程测试上拿到 49.1%，上一代为 45.5%；机器人模拟测试从 27.6% 升到 64.9%。这些分数由发布方给出，没有第三方复现。
价格是每百万词元输入 8 美元、输出 40 美元，比上一代低两成；生成速度最高提升三成。它已上架亚马逊云、谷歌云和微软云。
还有一个数字值得记住。Anthropic 称自家核心代码库中，超过九成已合并的代码变更是 Claude 在人类指导下生成的。如果这个比例成立，那么让 AI 写代码在它内部早就不是实验，而是日常。
交付物的形状变了
过去一年，模型能力的比法是谁更聪明。这次发布透露的是另一条线：谁能连续干，干完还能自己验收。
对普通人的影响不在参数表上。以后别人交给你的可能不再是一段代码、一份稿子，而是一个能跑起来的东西。发布材料提到，它设计的三款电子设备被合作方照图制造、组装后都能正常工作，没有改电路。
能跑起来的东西，验收方式完全不同：你得会判断它哪里不对。这项能力眼下比会不会写提示词更值钱。
免责声明：本文信息来自厂商发布材料与公开报道，仅供读者参考，不构成任何投资建议。