在当地时间11月9日这一天, Anthropic这家公司发布了名为Claude Fable 5.2的产品, 同时他们还发布了另一个名为Claude Mythos 5.2的产品。
这两个模型共用同一个底层基础, 其中Fable这个平台是向所有的用户开放的, 并且它是内置了网络安全防护以及生物安全防护措施的, 而Mythos则是把那些限制给拆除了, 它只是对通过了相应的验证计划的机构开放使用, 这些验证计划指的是Cyber验证计划或者Life Sciences验证计划。
在发布成功以后, 很多用户给出的描述内容几乎都是完全一样的情况, 那就是变得更强大了, 同时也显得更为迅捷了。
除了这些以外, 也存在一部分程序员在看到价格数字的时候, 心里立刻就开始犯嘀咕, 觉得这个定价策略存在明显的问题, 针对编码这一项具体业务来说, 选择 Fable 5.2 这种方案其实根本就不能算是划算的事情。
可是呢, Anthropic 这家公司在自己推出的官方说明文件里面也白纸黑字的写明了, 就是建议大家在面对大多数编程开发工作和知识处理任务时, 还是应当优先去启动 Claude Opus 5.5 版本进行使用。
史上最强的模型这个说法一直在不断地刷新记录, 但是能够用得上这些模型的时候已经变得越来越少, 在人工智能行业真正到达完全通用智能这一标准之前, 人工智能公司在商业化方面先得碰到了他们的上限。
最强的还在继续变得更加强一些, 数字劳动力的雏形已经出现了吗。
先说说它强大的地方在哪里。在最高算力的这一档测试中, FrontierCode 2.0 衡量的是开源项目的维护者究竟愿不愿将模型写出的代码合并到项目里去。数据显示, Fable 5.2 的成绩拿到了 49.1%, 而上一代的 Fable 5.1 则只有 32.4%。
这个 Remote Labor Index, 它所衡量的内容, 是那个模型能够独立地去完成那些真实的远程的工作任务的这样一个比例情况, 然后呢, 这一项指标就从那个 17.9% 这样一个数字, 提升到了 41.3%, 这样的话, 整体上来看, 它已经是翻了一倍多的样子了。
在Anthropic的内部, 还存在一个叫做RoboDojo Sim的机器人仿真测试环节，其测试结果的数据指标已经从前期的27.6%提升到了现在的64.9%。需要说明的是, 该组数据完全是基于Anthropic公司内部自行运行的环境得出的产出结果, 外界方面不具备实际复现和验证该结果的可行性。
然后是它不够强的地方。同样的, 在官方发布的那个对比表格里面, 有一个名为 AutomationBench 的项目测试里, Fable 5.2 拿到的成绩是百分之五十一点四, 这个表现没能好过谷歌 Gemini 4 Carbon 达到的百分之五十三点九。
在外部平台 artificial analysis 发布的那些智能榜单之上, 名叫 fable 5.2 的那一个模型拿到了 65 分的总成绩, 它稳稳占据了第一名这个位置, 这个分数把排在第二名的叫做 gemini 4 carbon 的模型远远地甩在了后面, 因为第二名只拿了 60 分, 而和排在第四名的、名叫 gpt-6 astra 的那个模型相比的话, fable 5.2 还多出了整整 9 分的差距。
它强大到了什么样的一个地步呀? 在仅仅一天的多时间的这样短的一个段内, 它直接去完成了那个被称作是人类数学历史上面的一直被认为是非常巨大的、了不起的一项成就。
在30小时之内, 完成了费马大定理的形式化验证；并且, 还解决了物理学里的两个和黑洞还有量子引力有关的没有搞清楚的问题。还能够单独去搞操作系统的开发, 自己设计以及制造电子设备, 还能预报复杂的腺相关病毒的衣壳结构……
有些人是这么认为的, 就是说, Fable 5.2 这个事情, 意味着人工智能已经从一种生产工具的那种东西, 变成了一个具备工程执行能力的那个数字劳动力那个方向的迈进。
但是, 也有相当一部分做开发的人觉得, 这说明Anthropic在做代码这个方面, 已经卷到了尽头这个地方, 要是不能去开一点新的路子还有新的办法, 那就很难让看投资的人感觉到好, 而现在的这个时间, 正好又是Anthropic冲那个要上市去做价格定的这么一个关键的时候。
价格遥遥领先，所以Anthropic建议大家别用
但是, 就在很多开发者觉得有意思并且想试试看Fable 5.2的实力的时候, 他们发觉那个定价好像不太对头。
Fable 5.2 的标准定价, 被定为每百万 Token 输入需要支付 8 美元, 而输出的费用则是每百万 Token 40 美元, 这个价格水平看起来比上一代版本里那 10 美元和 50 美元的定价方案降低了 20%个百分比, 同时其输出速度相比 5.1 版本而言, 最快可以提升多达 30%个点。
如果你觉得原来的速度太慢的话, 那么可以直接去开启快速模式, 这样速度的提升幅度能达到 2.5 倍左右, 但是相应的成本也要翻一倍, 也就是输入费用变成了每百万 Token 16 美元, 输出费用也相应地每百万 Token 调整为 80 美元。
如果从比较直观的方式来予以观察的话, 那么在 Artificial Analysis 这个平台上面针对每一项所展开的任务而言, 其所需要负担的成本方面, 确实是处于一种非常领先的地位情况的。
不过, Anthropic自己在发布材料里面放了一张曲线, 这个曲线的标题叫做“代码准确率vs每任务成本”, 并且给出了一个结论, 这个结论是这样的, 就是在中等算力的那个档位之下, Fable 5.2的那个45.3%已经非常接近于Opus 5.5在最高档位的那个45.5%, 但是呢, 每完成一个任务所花费的成本只需要用一半左右就搞定了。
眼下, Anthropic这边官方人员已经把那个用来衡量智能消耗大小的尺度进行更换了。
在前面的过去两年的时间段内, 整个行业进行价格比较所使用的标准是每一百万个Token需要花费多少钱, 而这一回替换成了每一个任务被完成之后需要花费多少钱这两个尺子量出来的具体结果是可以完全相反的, 假如说某一个模型的单个Token价格变得便宜了两成, 要是经过反复尝试三轮才把对的事情做出来, 那么完成任务的整体成本就有可能会变得更加昂贵一倍。
另外, Anthropic官方给的建议是那样说的, “对于大多数的编码任务和知识工作这类情况呢, 我们建议大家从Claude Opus 5.5开始使用。”。
把这几个模型放到现在这个价格梯队里去进行对比, 那么 DeepSeek V4.1-Flash 这个型号的输入部分是每百万0.3美元, 输出部分是1.2美元, Kimi K3.1 Pro 的输入是2美元, 输出是10美元, GPT-5.5 标准版的输入是5美元, 输出是30美元, 而 Fable 5.2 则是站在最上面的位置, 其输入为8美元, 输出为40美元。
这就意味着, 该模型每一次开启, 其投入的开销都是非常巨大的, 真正体现其价值的地方在于, 在至关重要的时间点上进行启用, 并非是需要日常持续不断地保持开启状态的。
对于这一情况, 该公司为Anthropic设定了两个全新的角色。其中一个是顾问这个称呼在英文中对应Advisor。当Haiku、Sonnet或Opus这些成本较低的模型遇到难以解决的具体问题时, 它们可以向这个新角色进行咨询请求帮助。
另一个角色是调度者, 对应的英文词汇是Orchestrator。在这个定位下, 它并不会亲自去处理所有工作细节, 而是将整体任务进行切割分解, 然后把具体的部分分派给层级更低的较小规模模型去完成。
比最强更强仍在刷新，但已经不是最重要的了
Anthropic 那边说, 有个工程师给 Fable 5.2 弄了个空文件夹, 这程序就开始协调超过 1000 个子智能体了, 连续跑了 8 天, 最后交出来一个能在笔记本电脑上启动的原型操作系统, 这系统有自己的内核、磁盘驱动、键盘驱动和网络驱动, 还包含了文件存储功能、窗口功能、登录界面以及安装这些东西的程序。
另一组 Agent 把 Anthropic 自己的一个生产服务从 Python 迁移到 Rust, 在迁移完成之后, 启动速度快了约 26 倍。
它甚至还动手去参与了硬件方面的事情, Anthropic 这家公司自己说是和电路板厂商 Diode 进行了合作, 然后一块儿把三款产品给设计了出来, 这三款产品具体就是家用的语音助手, 还有那种通过 USB 来连接会议使用的音箱, 再一个就是可以拿在手心里玩的掌上电子宠物, 这些东西里面是包含了电路板, 还有外壳, 以及软件这些部分的, 等到那个板子被制造出来以后。
在数学领域里面, 样本是这样的情况。大概有 1000 个 Agent 用了不到 30 个小时的时间, 把这个费马大定理的现有的这种证明内容, 给它翻译成了那种可以用 Lean 去进行一步一步校验的形式状态。
如果是在今年 9 月份的时候去做同一件事情的话, 那就得花 11 天的时间。而且还得用上专用的脚手架, 再加上研究员得全程在旁边引导帮忙。而这一次的情况呢, 输出的 Token 数量只用了以前的三分之一那么一点点点, 证明长度大约就只有原来长度的七分之一。
这些案例在听上去的时候, 很有点像是为了显示自己本事大而进行的过度炫耀动作。
可是, 如果把原文里面说的那个1000 个子智能体这个说法, 直接换成了1000 个下属这样更直白的说法去看的话, 就会发现它其实描述的并不是一种技术层面的模型概念, 而是非常清晰地指向了一种存在于企业或者机构内部的组织架构模式。
有一位行业内的人士认为, 顶级的这个大模型在互相竞争的过程中, 已经出现了变得一样的趋势, 具体来说就是价格方面变得一样了, 数据方面也变得一样了, 那么接下来, 毫无疑问会进入到一个叫做“应用”的这么一个新的阶段, 这个阶段的特点是模型的这种能力的最高上限和价格的最低下限是同时在发生变化的, 这也就意味着人工智能这个东西可以被用来进行一些不一样的、有差异化的探索工作, 等到了那个时候, 对于制造这种模型的厂商们来说, 他们真正需要去比拼的方面就会集中在比如怎么利用资源、记忆能力以及用户的使用习惯这些具体的维度上面去了。
在这个问题上, 大家能够看清楚, 现在那些搞大模型的公司厂家全都正在做部署安排这样的动作呢, 就好比说DeepSeek还有OpenAI这两家企业也是在进行着补齐完善对于同一套功能能力这样的工作内容的。
到了今年的8月这个时间点之前, DeepSeek这家企业是已经用MIT这种许可协议的格式把叫做DeepSeek Harness的这个东西给公开开源出来了的。
然后到了10月17日这一天, 也就是后来发布V4.1-Flash-1017这个新模型的时候, 对方又是特别清楚又明确地向外界表示出一种态度的, 说这个新的模型是专门做了优化的, 优化对应的对象有名叫DeepSeek Harness的工具、腾讯那边的叫CodeBuddy的产品, 还有WorkBuddy这款产品, 这些都属于智能体类的产品范畴内。
而harness团队的崔添翼一直在那个时候大规模地招进新人。凤凰网科技此前已经从相关行业的专业人士那里获知到关于梁文锋本人的情况, 他自身更为擅长的那个领域“也就是这一块”。
再说一说在十一月五号这一天的情况, Kimi这个平台刚刚发布了名为Kimi Hosted Agents的托管智能体产品, 并且通过这一动作, 正式地提出了Harness as a Service这样的一种概念。
就是在同一天, 这位曾经在Anthropic那里负责过Claude Code这个产品的Cat Wu, 也加入了OpenAI这家公司, 然后她就去负责那个核心产品团队里的产品管理方面的工作了。
要知道, 她之前还参与过推动那个叫作Claude Code的东西, 是从内部的雏形状态走向被广泛应用的那个商业化的产品形态的, 而且在后来她还曾经短暂地加入过另一个名叫Cursor的地方。
Claude Code这款产品, 它属于Anthropic这家公司, 是该公司在AI编程市场上表现得特别突出的一个代表性的产品例子。Cat Wu这个人, 她对于那些把产品的最初构思转化为商业上成功落地实施的整个过程, 拥有非常直接的第一手经验。
OpenAI这家公司把她招聘进了自己的团队, 人们显然能够看出来, 这一动作背后有着明显的意图, 那就是为了去弥补Codex这个产品线以及更加广泛意义上的Agent这类产品在能力层面上所存在的缺口与不足。
其实, 就在那个Fable 5.2要发布的前头那么个时候, 据说是Gemini的新模型就泄露了, 有个叫chetaslua的用户他就说了话了, 他说耗时会翻倍然后代码量也跟着翻倍了, 这个啊其实是谷歌内部头一个叫作krypton的Gemini 4的新检查点, 说这个嘛在写代码还有看东西生成3D场景这些事上面表现得挺厉害都超过了刚发出去的carbon。
因此, 顶级模型的更新迭代节奏正在加快。有一部分人把这个原因归结为RSG起作用了。毕竟在这些人看来, 如果不把这个因素考虑进去, 就根本说不通其中的缘由。
问题现在摆在了眼前, 当智能这个部分变得不再构成阻碍与挑战, 真正的竞争实力究竟应该指向何处? 后续在模型领域的对抗将会朝着什么样的方向演进, 最终的正确答案很快就会清晰地呈现出来。
