Fable 5.2 Is the Most Powerful Model Yet

Anthropic 发布 Fable 5.2，远程劳动指数从 Opus 5.5 的 21% 翻倍到 41.3%，但多数日常任务上它并不比 Opus 5.5 更好用。

Fable 5.2 在几乎所有榜单上都是第一，Anthropic 却把价格降了 20%；第一批测试者一边说"这是我用过最强的模型"，一边说"大部分活我还是用 Opus 5.5"。强和有用之间第一次裂开这么大的缝，这期就在拆这条缝在哪。

Fable 5.2 几乎在所有基准上都是新科第一，唯独"知识工作"这一项，活干得更多、质量却没更高。

• 编码：Frontier Code 上领先 GPT-6 Astra 4 分、领先 Opus 5.5 3.5 分；网络安全版 Mythos 5.2 比前任领先约 10 个百分点。
• 远程劳动指数（用真实外包项目测 AI 能不能端到端干完活）：Fable 5.2 拿到 41.3%，Opus 5.5 是 21%，一年前最好的 Agent 只有 2.5%，作者 Garrison Lovely 称这是"最令人警觉的分数"。
• 知识工作反而没赢：AA Briefcase 上它完成任务数更多，ELO 评分却低于更小的 Opus 5.5——干得多，不等于干得好；max 档跑一个任务要 26.54 美元，是 GPT-6 Astra 的 4 倍多。

Anthropic 挑的案例几乎全是"别的模型干不了、所以留给它干"的活。

• 从空文件夹造操作系统：调度 1000 多个子 Agent 连跑 8 天，产出一个能在一台笔记本上启动的系统，自带内核、驱动、文件系统、窗口、登录界面和安装器。
• 费马大定理：用 1000 个 Agent 跑 30 小时，把证明完整形式化成机器可验证的版本；Opus 5.5 跑了 18 小时只推进到 26% 就卡住。
• 科学与机器人：解出两个黑洞相关的理论物理开放问题，预测基因治疗用的蛋白外壳 34 个里准确建模 28 个；Robo Dojo Sim 上得 64.9%，比 Opus 5.5 高 25 分，作者认为"苦干胜过巧干"在机器人上也成立。

Ethan Mollick 把这版模型称为"锯齿状 AGI"：能力极强，但判断力缺一块——它不会发现自己做的东西很无聊。

• Mollick 的原话：它做的课程"准确但毫无乐趣"，写了 182 页论文、反复回到自己偏爱的观点，还给创意项目套上一堆审批规则；它配的批评者和事实核查员只找错，不判断"是不是太长太重复"。
• 主播的测试：在普通 Claude 界面让它做"最能展示你能力的东西"，它交出自数字母数的句子、倒放能自和的音乐、从零编码的二维码——难做，但普通人感受不到难在哪；换到 Claude Code 里同一个提示，它做出 3 分钟、逐帧在浏览器里算出来的电影，片尾藏头拼出提示词最后一句。
• 实用建议：Alex Albert 说用之前先问它"我这个想法哪里有问题"，明确告诉它哪些操作要你批准、其余放权，并给它整个项目而不是下一步；Anthropic 的提示词指南还提到，告诉它"这个代码库是你自己的"，它会主动合并重复代码、顺手修相关问题。

"知道自己的工作还不够好，是成为专家的很大一部分——而这恰恰是 Fable 最不可靠的地方。"（Ethan Mollick）

• 把 Fable 5.2 当"项目承包方"而不是"补全工具"用：给它一个能跑几小时、有可验证结果的完整任务（迁移、审计、造原型），日常改代码仍留在 Opus 5.5，成本能差 2 倍以上。
• 它不会自我评判"好不好"，交付前必须由人补一道"这东西有人想看吗"的检查；也可以反过来利用这点，开工前先让它列出自己方案的三个致命问题。