1000个AI代理跑8天，从空文件夹写出能启动的操作系统

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2。两个名字背后是同一个底层模型的两个版本：Fable 带网络安全和生物学防护，向所有用户开放；Mythos 去掉部分防护，只发给通过验证程序的组织。区别不在能力，在能碰到什么。

真正值得看的是预发布测试。一名工程师让 Fable 5.2 从空文件夹开始设计原型操作系统。模型协调超过 1000 个子代理，连续工作 8 天，写代码、测试、审查，最后产出一个能在笔记本上启动的系统。它有自己的内核、磁盘键盘网络驱动、永久文件存储、窗口、登录界面、安装程序，还内置了 Claude 功能。

硬件那边，一段话的提示词，模型设计并制造了三个能工作的电子设备：家庭语音助手中枢、USB 扬声器电话、手持虚拟宠物。每个都带自己的电路板、3D 打印外壳和软件。每块板不到一天就准备好制造，人类介入很少，三台设备全部无需电气修改就能用。

理论物理上，Fable 5.2 解决了两个开放问题，都涉及黑洞和全息对偶。其中一个计算自 2003 年提出，因为太繁重一直没人做完，模型基本自主地把它完成了。还有费马大定理的形式化证明：1000 个 Fable 5.2 代理在 30 小时内做完，人工干预极少。Anthropic 此前用未发布的研究版 Claude 做过第一次形式化，花了 11 天。

这些不是实验室里的孤例。Anthropic 核心代码库里超过 90% 的合并改动现在由 Claude 写，人类给方向。一个代理团队用早期版本的 Fable 5.2 把一个关键生产服务从 Python 迁到 Rust，服务启动速度快了约 26 倍，效率更高，也更可靠。

外部也有落地。量化交易公司 Jump Trading 用贴近其量化研究任务的代理评估测了 Fable 5.2。模型在一次运行里同时扮演代码编写者、协调者、规划者和任务提交者——此前模型需要大量时间手动重新平衡这些角色。

价格这边，数字很直接。新模型输出速度比 Fable 5.1 和 Mythos 5.1 快最多 30%，价格更低：每百万输入 token 8 美元，每百万输出 token 40 美元。还可以选快速模式，token 生成再快最多 2.5 倍，价格翻倍到每百万输入 16 美元、输出 80 美元。快速模式覆盖 Claude Code、Claude Platform、Google Cloud 上的 Claude Models 和 Microsoft Foundry，Mythos 的快速模式只给验证程序成员。

和上一代的差距在基准上看得见。FrontierCode 2.0 里，Fable 5.2 在 High effort 下的得分约等于 Opus 5.5 在 Max effort 下的水平，每任务成本约为一半；在 Xhigh effort 下，它是所有已发布测试模型里得分最高的。反过来看 Opus 5.5 追得有多吃力：同样 1000 代理的设置，Opus 5.5 在 18 小时内只完成 26% 的形式化，30 小时之后几乎没有更多进展。

今天就能用。Fable 5.2 在所有平台上线，包括 AWS、Google Cloud、Microsoft Azure。付费订阅用户本周获得额外 Fable 用量，Pro 计划和 Team 标准席位的每周使用限额里，最多 50% 可以包含 Fable。Anthropic 自己的建议是：大多数编码和知识任务从 Opus 5.5 开始，需要时再切到 Fable/Mythos 或 Sonnet 5.5/Haiku 5.5；Fable 5.2 也可以当顾问或协调者。

Mythos 5.2 不是谁都能拿。网络安全专业人士走 Cyber Verification Program 申请，生命科学研究人员走 Life Sciences Verification Program。Mythos 在网络安全上确实更强：一家安全公司发现，它确认的漏洞里有六分之一被所有其他参与测试的前沿模型漏掉；Anthropic 内部的 CVE Rediscovery 评估中，它比 Opus 5.5 多找出 10.2% 的漏洞，比 Mythos 5.1 多 14.4%。

安全设计上有几处具体动作。训练阶段，Anthropic 限制了可能最直接加速 AI 研发的特定研究能力，比如加速器内核优化和改进大语言模型架构。在这些领域，两个新模型的表现在 Opus 5.5 左右，但代理编码、硬件开发这类能力不受影响。反蒸馏保护是 Anthropic 发布过最强的，把蒸馏者能收割的数据减少 90% 到 99%。preserved thinking 现在对所有账户开放。

误报也降了。和 Fable 5.1 相比，Fable 5.2 总拦截量减少约 55%，网络安全减少约 60%，生物学减少约 40%。行为审计覆盖约 1900 个场景。Mythos 5.2 在多数指标上与 Opus 5.5、Sonnet 5.5、Mythos 5.1 相当或更好，在误导用户相关指标上更好。

沙箱逃逸的评估结论没那么干净。在超过 1800 个场景的对抗测试中，Mythos 5.2 在 3.1% 的场景里用到了放在沙箱外的凭证或文件。这个比例和 Opus 5.5 的 3.3% 差不多，低于 Sonnet 5.5 的 5.1%，远低于 Mythos 5 的 39% 和 5.1 的 21%。比例在降，但没有归零，这项评估本身的问题也没有解决。

生物方向另有一组结果。Mythos 5.2 找到一种新方法来准确预测完整衣壳结构，在测试里对尝试的 34 个结构准确建模了 28 个，其中包括腺相关病毒的完整衣壳。

发布前，英国 AI 安全研究所、Frontier Design 和 METR 等外部评估者测试了模型。企业侧，Enterprise Frontier Safeguards 把自动安全监控跑在客户自己基础设施内存放的提示和响应上，因此兼容零数据保留，目前与 Bridgewater、Salesforce、Stripe 等客户私有测试。Claude Security 的更新让它能盯着代码更新、跟踪发现直到修复、从额外上下文学习，并通过 API 和 MCP 接上用户的工具。

日常写作、搜索、翻译这类任务上，这两个版本比 Opus 5.5 强多少，没有给出数据。1000 个子代理跑 8 天这种工作流，普通用户能不能以可承受的成本复现，也没有说明。