Anthropic遮遮掩掩了两个月的“神话”Mythos，终于还是到来了。

其有史以来最强的大模型旗舰，如今分为两个版本正式推出：Claude Fable 5与 Claude Mythos 5。

Fable 5实际上就是加入了防护机制的Mythos版本，并且会面向所有用户开放。

一旦用户的提问触发了风险分类器，例如试图让它编写恶意软件，那么系统就会自动降级，并转而调用上一代Claude Opus 4.8来作出回答。

Mythos 5属于原汁原味的满血版“Mythos”，但目前只会向少数受信任的用户开放使用。

它在网络安全等领域放开了安全限制，官网将其表述为“具备全球最顶尖的网安攻防以及生物科研纯血能力”。

官方表示，Fable 5以及Mythos 5的自主运行时长，相较于以往任何Claude模型都要更长。

轻轻叹一口气？前沿AI，如今已经开始步入权限时代了。

而且，就在Anthropic煞有介事地呼吁所有AI研究应当立刻停下之后，仅仅过了两天……

看不懂Dario为何也开始走上了奥特曼那条老路，每逢自家新模型与新产品发布之前，都会提前开展声势极大的营销造势。

A社当然有其自身的考虑，只是对此，依然只能回以一个微笑。

不过，在非技术层面上，仍有一则会让开发者相对感到欣慰的消息：这两款新旗舰的API定价，直接较此前的预览版下调了一半以上。

每百万输入Token的费用仅为10美元，而每百万输出Token的费用则设定为50美元。

接下来，将迅速进入与技术相关的部分。

双版本Mythos来了！官方给“Token效率”画了重点

先说个情况。

官方发布日志以及业内评测之中，并没有像介绍Fable 5时那样，为Mythos 5系统性地开列出一长串标准且公开的Benchmark跑分榜单，例如MMLU、GSM8K以及SWE-bench等。

不过，鉴于二者共享同一底层模型，因此本质上可以将其视作同一内核之下的“镜像分身”，其基础技术指标也完全保持一致。

因此，现阶段也只能先对目前官方渠道主要公开的Fable 5表现进行观察。

按照Anthropic自身的说法，Claude Fable 5属于当前最强的公开Claude，同时这也是Fable系列首次进入Mythos级能力范围。

它的优势主要集中在几个方向之上，分别体现在软件工程、复杂知识工作、视觉、长上下文、记忆能力，以及生命科学研究等方面。

更关键的一点在于，随着任务的持续时间不断拉长、复杂程度不断提高，Fable5相较于以往Claude所展现出的优势会变得更加明显——这说明Fable5的侧重点，并不在于把单轮问答包装得更漂亮，而是在于能够真正承接住长周期任务。

不妨借助数据以及硬核Demo，来对这一代神话级模型所展现出的统治力进行拆解。

软件工程方面：高难度基准实现突破，能力边界也由“修Bug”进一步延展到“全自动大军”

在用于衡量模型处理真实世界复杂软件工程问题能力的SWE-bench Pro评测之中，Claude Fable 5取得了高达80.3%的成绩。

作为对比，竞争对手的旗舰主力模型GPT-5.5在该项评测中的得分为58.6%。

在Cognition的Frontier Code评测之中，这一评测更关注模型是否能够完成高难度编程任务，同时满足高质量生产代码库的标准，Fable 5在中等推理强度条件下便取得了前沿模型中的最高分。

FrontierCode该基准极难饱和。

不过，即便处于“中等努力（Medium effort）”模式之下，Fable 5的得分也仍然位居所有前沿模型的首位。

官方给出的第一个典型案例来自Stripe。

在一个包含5000万行Ruby代码的代码库之中，Fable 5完成了一次覆盖全库的迁移工作。若由一个工程团队手动来完成，这项工作原本需要两个多月。

Fable 5呢？仅仅用了一天。

此外，在端到端前端开发基准ViBench即Vibe-coding benchmark上，Fable 5几乎把基础开发用例直接推至饱和，由此得以实现真正的“一枪流”即One-shot应用生成。

原生视觉方面，模型不再依赖额外脚手架，而是借助盲打方式完成了《宝可梦》的通关。

知名科技媒体VentureBeat在题为《Anthropic brings Mythos to the masses with Claude Fable 5, its most powerful generally available model ever》的报道中透露，在专注于视觉文档推理能力的基准测试GDPpdf之上，Fable 5以及Mythos 5在不依赖外部工具的条件下取得了29.8%的成绩。

作为对比，Opus 4.8得分为22.5%，GPT-5.5得分为24.9%，Gemini 3.1 Pro得分为16.7%。

Anthropic官方显然也预判到，面对一连串数据指标时，大家往往会产生枯燥感，因此专门放出了Fable 5进行游戏演示的Demo，从而带来更为直接的视觉呈现。

此前的Claude模型如果想要游玩RPG游戏《宝可梦·火红版》，就必须在外部对其进行一整套极其复杂的“脚手架”配置工作，其中包括地图导航援助以及内存游戏状态读取等功能。

现在，Fable 5实现了纯粹的“原生视觉盲打”。

仅仅依赖一张张原始的游戏画面截图，在完全没有任何地图外挂作为辅助的前提下，它成功实现了自主推演以及策略规划，并最终把整部游戏完整打通。

不仅如此，得益于其在超长序列场景之下所具备的专注能力，当系统为其进行了持久化文件级内存的配置之后，它在游玩卡牌肉鸽游戏《杀戮尖塔》即Slay the Spire时，整体表现直接提升了3倍，而抵达最终星体的概率也同步暴涨了3倍。

长上下文以及记忆能力迎来重点升级，同时也顺势对“Token效率”进行了强调

长上下文以及记忆能力同样构成了此次升级的重点。

Anthropic表示，Fable 5能够在百万级Token的长周期任务之中持续保持专注，同时还可以借助自身所记录的笔记来改进输出结果。

官方选用Slay the Spire开展了测试，在为模型进行持久化文件级记忆的接入之后，Fable 5的整体表现提升幅度达到了Opus 4.8的三倍，而其到达最终章节的频率也同步提升了三倍。

这其实是Agent能力里非常底层的一环。

一个能够长时间持续工作的AI，必须能够记住自己已经做过什么、遗漏过什么，以及下一步为什么要这样做。若缺少稳定的记忆能力，那么自主任务就很容易演变成一场大规模的“失忆现场”。

为此，Anthropic还专门对Token效率进行了强调，而这同样构成了这一代模型所重点推进的一个关键方向。

越是具备长时间自主运行能力的模型，往往越会消耗大量的Token。

如果一个模型在能力层面上非常强，但与此同时又显得相当“费话”，那么其使用成本往往会迅速攀升到足以让企业明显感到肉疼的程度。

Fable 5对Token效率进行了强调，其本质上是在解决Agent化落地过程当中的账本问题。

金融、法律以及运营方面：首次突破90%大关背后所暴露出的逻辑黑洞

在用于考察高级分析推理能力的Hebbia金融基准测试即Finance Benchmark for senior-level reasoning之中，Fable 5取得了行业最高分。

在长篇文档推理、复杂图表与表格解读，以及多步骤根因分析等任务之中，Fable 5都实现了达到两位数水平的跨越式提升。

在量化交易机构IMC以及Optiver的实测过程之中，Fable 5几乎覆盖了其交易分析评估中的全部高权重项目，其中包括事实检索、概念推理以及期望值计算，同时还展现出了高度稳定的表现，在多次重复运行的情况下，输出结果的分数始终完全一致。

数据分析平台Hex所给出的评价是这样的：

Fable 5成为了行业内首个在Hex核心分析基准之中实现90%以上得分的模型，这一基准覆盖的是极其复杂且长周期的分析任务，相较于Opus，其成绩整整提升了10个百分点。面对最为刁钻的提问时，它所表现出的微观评判能力，已经达到了人类专家级别。

前沿科研方面：满血版Mythos在模型规模仅为对手百分之一的情况下，实现了“以小胜大”的能力表现

在前沿物理学研究方面，初创公司VibeCAD以及相关物理研究机构的测试结果表明，Fable 5仅借助1/3的推理Token，便在36小时之内产出了物理研究成果，其整体表现已经逼近GPT-5.5耗时四天才得出的成绩。

以及此前仍略显藏着掖着的Myhtos，如今也终于在这一板块之中现身了。

Anthropic表示，在生物医药领域，满血版的Mythos 5在完全没有人类协助的前提下，已经能够独立完成一名生物学家的完整工作流：选定蛋白质结合位点，自主调度并运行各类生物信息学工具，甚至在遭遇运行失败时自行进行Debug。

其所设计出的14个蛋白质靶向复合物之中，已有9个进入了实验室的真实药物研发管线。

Anthropic还进一步强调，Mythos 5“是其首个能够持续产出新颖且具有显著吸引力的科学假设的模型”。

在与Opus系列模型开展盲法直接对比的过程之中，科学家在80%的情况下更倾向于Mythos所提出的分子生物学假设，并且已经把其中若干假设推进到了实验验证阶段。

与此同时，Mythos 所提出的一个假设——即一种关于大肠杆菌蛋白全新作用机制的判断——也在另一家独立围绕同一问题开展研究的实验室所发表的论文《A newly identified detoxification system protects uropathogenic Escherichia coli from reactive chlorine species》之中得到了证实。

更引人注目的是，在基因组学研究方面，Mythos 5连续自主运行了一周多时间，完成了对138个物种单细胞数据的拼接整合，并进一步自主设计且训练了一个定制化的微型机器学习模型。

这个借助AI训练而成、体量缩小了100倍的微型模型，在实际表现层面上直接击败了前不久刚刚发表于《Science》杂志上的最新科研成果。

在呼吁暂停AI研究之后，所谓“危险能力”似乎已经被进一步做成了一套产品化机制。

这次最有意思的地方，应该在于Anthropic为Fable 5专门加上的那套防护机制。

准确来说，在 Fable 5 的背后实际挂接了一组独立的分类器。

这组分类器会对用户请求进行检测，以判断其中是否涉及网络安全攻击、生物以及化学风险，还有模型蒸馏等内容。

一旦被触发，Fable 5就会拒绝自行作答，随后把相关请求自动转交给Claude Opus 4.8来进行处理，并向用户告知已经发生了降级。

有点意思哈。

过去的大模型在安全这一环节之中，通常采取的做法，是直接让模型进入拒答状态，比如反复给出“抱歉，我无法为你提供帮助”“对不起我不能回答”“对不起我不能理解你的意思”之类的balabala。

Fable 5换了一种做法。

它不再采取单纯拒答的方式，而是转向了模型路由机制。

普通请求会交由Fable 5来进行处理，而一旦系统识别到相关问题属于高风险类别，模型就会立刻切换到Opus 4.8。

Anthropic的意思在于，Opus 4.8本身也属于强模型，因此在发生降级之后继续给出回答，其整体体验大概仍然会好于直接拒答吧？

这套设计实际上实现了能力与安全之间的拆分。

你日常使用的是Mythos级能力。

但当面对敏感、攻击性或企图越狱之类的问题时，Anthropic会平滑切换到旧版本模型来提供服务，这会让原本趁手的工具，突然变得没那么趁手。

主要是为了防范网络安全、生化领域以及模型蒸馏方面的一些问题。

Anthropic给出了数据——

好消息，超过95%的Fable 5会话不会触发降级。

也就是说，面对绝大多数写作、代码、分析、研究以及办公任务时，用户实际能够获得的体验，基本已经接近Mythos 5。

但仍有不到5%的请求，会被系统进一步导入更为严格的安全处理路径。

官网表明， 高风险领域主要有三类 。

第一类涉及网络安全，第二类涉及生物以及化学，第三类则是模型蒸馏。

这套机制的背后，其实反映的是前沿模型产品形态所发生的一种变化。

安全如今已不再只是模型作答之前的一句免责声明，也不再只是被写进系统卡当中的政策性描述。

它已经演变成由分类器、模型路由、权限分级、数据留存以及红队测试共同构成的产品架构。

当然，代价也来了。

Fable 5的分类器在阈值设定上相对保守，因此即便是正常请求，也有可能被误判并受到波及。

例如，当生物学家对病毒开展研究，或当安全工程师进行授权攻防演练时，这类原本合理的任务，也都有可能在分类过程中触发降级。

Anthropic自身也承认，当前这套护栏机制相较于理想状态仍显得更为严格，后续会进一步降低误伤率。

另一个代价是数据留存。

从Fable 5、Mythos 5以及后续同等级模型开始，Anthropic要求对Mythos级模型的所有流量保留30天，并覆盖第一方以及第三方的使用场景。

官方强调，这些数据并不会被用于训练，而是只会被用于安全监控，其中包括对复杂攻击、新型越狱以及跨请求攻击的识别。

对于普通用户而言，这或许仅仅只是相关条款之中的一行表述。

但对企业客户而言，这便是一个极为现实的数据治理问题。

若想调用最强能力，那么就必须接受更高等级的安全审查以及数据留存。

不可避免的是，前沿模型所对应的成本，如今也并不只会体现在API账单之上。

在价格方面，Fable5以及Mythos5的定价保持统一，即每百万输入Token为10美元、每百万输出Token为50美元。

确实，相较于Claude Mythos Preview便宜了不少，但整体上仍然属于高价模型。

一句话来概括，Fable5的能力确实很强，但其价格还远未低到可以被随意消耗的程度。

这也进一步解释了为什么Anthropic会同时强调能力、安全以及Token效率这几个方面。

内测AI学者体验：AI越强，人越像甲方

著名AI学者、沃顿商学院教授埃森·莫里克在率先获得测试权限之后，专门撰写了一篇长文。

其整体论述路径，几乎直接切入了这场技术革命最核心的本质——

人类与大模型之间的协作范式，已经发生了根本性且不可逆的转变。

他让Fable 5做了一个等时圈地图。

这个任务在听上去并不算玄乎，但真正做起来时却会显得非常麻烦。

它需要查询航班、查询铁路时刻、判断道路通行速度，同时还要对不同国家、不同交通方式以及不同时间成本之间的关系进行处理。

Fable 5自主启动了多个代理来开展资料查询工作，获取了2200多条具体航班信息，同时抓取了TGV、新干线等铁路数据，以及各个国家的道路速度信息。

最后，它把这些资料进一步整合到了一个能够实际使用的地图项目之中。

这件事的关键在于，Fable 5把一个原本模糊的目标拆解为研究、信息搜集、设计、编码以及验证等多个环节，并且能够自行持续向前推进。

这和过去的大模型体验差别很大。

于是，莫里克进一步提出了一个更具穿透力的洞察。

在过去，人类对大模型的使用方式更像是在操控一位“巫师”Wizard，你必须以手把手的方式对其进行指导以及驾驭Steer，把每一句Prompt都精细打磨，并借助持续不断的对话提示词反复“念咒”，AI才可以勉强完成一次近似戏法般的呈现。

而当面对Mythos级别的模型时，人类正在逐步退居为“赞助人”即Patron，若按语境来理解，也更接近“甲方”或者“委托人”这一角色。

莫里克教授在运用Fable5开展工作时，所感受到的状态，已经不再像是在操作一个工具，而是更接近于在委托一个小型工作室。

此外，在莫里克的实际测试过程之中，他已经不再需要停留在最微观的指令层面之上。

他直接把一份长达15页、结构极其复杂的项目设计文档交给Fable 5，并仅保留了宏观层面的需求描述。

在接下来的9个多小时之中，Fable 5始终在后台维持完全自主的Autonomous运行状态。

它自主生成了一套Agent工作流，在内部对多个小Agent进行了调度配置，使其分别承担调研、撰写大纲、相互校对、推翻错误假设以及纠错重来的任务。

人类甚至都不需要在这一工作流之中介入半步。

9个多小时之后，一份完成度极高的成品被直接交付到了莫里克的面前。

这就是所谓的“工作室（Studio）”隐喻。

来源：刚刚，Claude Mythos 5发布，5000万行代码1天搞定-36氪 | 36氪