刚刚，Claude Mythos 5发布，5000万行代码1天搞定

Anthropic遮遮掩掩两个月的“神话”Mythos，终于降临了——

自家有史以来最强悍的大模型旗舰，分两个版本端上桌：Claude Fable 5与 Claude Mythos 5。

Fable 5是加了防护网版本的Mythos**，面向所有用户开放。

一旦用户提问触发风险分类器（比如试图让它写恶意软件），系统就会自动降级调用上一代Claude Opus 4.8来回答。

Mythos 5是原汁原味的满血版“Mythos”，但只给少数受信任用户使用。

它在网络安全等领域解除了安全限制，官网称其“拥有全球最顶尖的网安攻防与生物科研纯血能力”。

官方表示，Fable 5和Mythos 5的自主运行时间比以往任何Claude模型都长。

小小叹个气？前沿AI，开始进入权限时代了。

而且就在Anthropic郑重其事地呼吁全部AI研究立刻停止后没两天……

不懂Dario怎么也开始走上奥特曼每次为自家新模型、新产品提前营销造势的老路，还是阵仗极大的那种。

（我知道A社有自己的道理，但我还是报以一个微笑）。

不过还是有非技术层面让开发者比较欣慰的消息，这两款新旗舰的API定价直接把之前的预览版砍掉了一半以上：

每百万输入Token仅需10美元，每百万输出Token为50美元。

好了，咱们迅速进入技术相关环节，冲——

双版本Mythos来了！官方给“Token效率”画了重点

先说个情况。

官方的发布日志和业内评测中没有像介绍Fable 5那样，为Mythos 5开列一长串标准的、公开的 Benchmark跑分榜单（比如 MMLU、GSM8K、SWE-bench 等）。

不过鉴于二者是同一底层模型，两者其实可以看成同一内核的“镜像分身”，基础技术指标完全一致。

所以我们只能先看看目前官方渠道主要公开的Fable 5的表现。

按照Anthropic自己的说法，Claude Fable 5是目前最强的公开Claude，也是Fable系列第一次进入Mythos级能力。

它的优势主要集中在几个方向：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。

更关键的是，任务越长、越复杂，Fable5相比过去Claude的优势越明显——说明Fable5的重点不是单轮问答更漂亮，而是能接住长周期任务。

我们不妨用数据和硬核Demo，来拆解这代神话级模型的统治力：

软件工程：高难度基准打穿，从“修Bug”到“全自动大军”

在衡量模型解决真实世界、复杂软件工程问题能力的SWE-bench Pro评测中，Claude Fable 5飙出了80.3%的高分。

作为对比，竞争对手的顶级主力模型GPT-5.5的得分为58.6%。

在Cognition的Frontier Code评测——这个评测更看重模型能不能完成困难编程任务，同时满足高质量生产代码库的标准——中，Fable 5在中等推理强度下就拿到前沿模型最高分。

FrontierCode该基准极难饱和。

不过即便在“中等努力（Medium effort）”模式下，Fable 5得分也高居所有前沿模型之首。

官方给出的第一个典型案例来自Stripe。

在一个5000万行Ruby代码库中，Fable 5完成了一次全库迁移。这个工作如果让一个工程团队手动做，原本要两个多月。

Fable 5呢？仅仅用了一天。

此外，在端到端前端开发基准ViBench（Vibe-coding benchmark） 上，Fable 5几乎把基础开发用例直接打到饱和，实现了真正的“一枪流（One-shot）”生成应用。

原生视觉：不要脚手架，盲打通关《宝可梦》

知名科技媒体VentureBeat在《Anthropic brings Mythos to the masses with Claude Fable 5, its most powerful generally available model ever》一文中透露，在专注于视觉文件推理的基准测试GDPpdf上，Fable 5和Mythos 5在不借助外部工具的条件下拿到了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官方也猜大家看一堆数据很枯燥，于是放出了Fable 5打游戏的Demo，更具直接视觉效果。

此前的Claude模型如果想玩RPG游戏《宝可梦·火红版》，必须在外部为其配置一套极其复杂的“脚手架”（包括地图导航援助、内存游戏状态读取等）。

现在，Fable 5实现了纯粹的“原生视觉盲打”。

仅凭一张张原始的游戏屏幕截图，在没有任何地图外挂的前提下，它完全自主推演、策略规划，硬生生打通关了整部游戏。

不仅如此，由于其超长序列的专注度，当给它配置了持久化的文件级内存后，它在游玩卡牌肉鸽游戏《杀戮尖塔》（Slay the Spire）时，表现直接飙升了3倍，到达最终星体的概率同样暴涨3倍。

长上下文和记忆能力重点升级，顺手强调了下“Token效率”

长上下文和记忆能力也是这次升级的重点。

Anthropic称，Fable 5能在百万级Token的长期任务里保持专注，还能利用自己的笔记改进输出。

官方拿SlaytheSpire做了测试，给模型接入持久化文件记忆后，Fable5的表现提升幅度是Opus4.8的三倍，到达最终章节的频率也提升了三倍。

这其实是Agent能力里非常底层的一环。

一个能长时间干活的AI，必须能够记得自己做过什么、错过什么、下一步为什么这么做。没有稳定记忆，自主任务就很容易变成一场大型失忆现场。

为此Anthropic还特别强调了Token效率（这也是这代模型的一个关键方向）。

越是能长时间自主工作的模型，越会消耗大量Token。

如果模型一边很强，一边很“费话”，成本很快会高到让企业肉疼。

Fable 5强调Token效率，本质上是在解决Agent化落地里的账本问题。

金融、法律与运营：首次突破 90% 大关的逻辑黑洞

在考察高级分析推理能力的Hebbia金融基准测试（Finance Benchmark for senior-level reasoning） 中，Fable 5拿到了行业最高分。

在长篇文档推理、复杂的图表和表格解读、以及多步骤根因分析上，Fable 5实现了双位数的跨越式增长。

在量化交易大厂IMC和Optiver的实测中，Fable 5几乎拿满了其交易分析评估的全部权重（包括事实检索、概念推理和期望值计算），且展现出惊人的稳定性——在多次重复运行中，输出结果的分数完全一致。

数据分析平台 Hex给出的评价是这样的：

Fable 5是行业内第一个在我们的核心分析基准（覆盖极其复杂、长周期分析任务）中突破90%得分大关的模型，比Opus提升了整整10个百分点。在最刁钻的提问中，它表现出了人类专家级别的微观评判力。

前沿科研：满血版Mythos“以小胜大”100倍的模型

在前沿物理学研究上，初创公司VibeCAD和物理研究机构测试表明，Fable 5仅使用了1/3的推理Token，在36小时内产出的物理研究成果，就逼近了GPT-5.5耗时四天才跑出的成绩。

以及仍然有点藏着掖着的Myhtos终于在这一板块现身了。

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情况下，已经可以独立执行一个生物学家的全部工作流：选择蛋白质结合位点、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己 Debug。

它设计出的14个蛋白质靶向复合物中，有9个已经进入了实验室的真实药物研发管线。

Anthropic还强调，Mythos 5“是我们首个能够持续产生新颖且引人注目的科学假设的模型”。

在与Opus系列模型的盲法直接对比中，科学家在80%的情况下更倾向于Mythos的分子生物学假设，并且已将其中几个假设推进到实验验证阶段。

与此同时，Mythos 的一个假设——一种关于大肠杆菌蛋白的新机制——在另一家独立研究同一问题的实验室的研究《A newly identified detoxification system protects uropathogenic Escherichia coli from reactive chlorine species》中得到了证实。

更夸张的是在基因组学研究中，Mythos 5自主工作了一周多，拼凑了138个物种的单细胞数据，并自主设计训练了一个定制的微型机器学习模型。

这个由AI训练出来的、体积小了100倍的微型模型，在表现上直接击败了前不久刚刚发表在《Science》杂志上的最新科研成果。

呼吁停止AI研究后，“危险能力”似乎被做成产品机制

这次最有意思的地方，应该得是Anthropic给Fable 5套上的防护网。

准确来说，Fable 5背后挂了一组独立分类器。

这些分类器会检测用户请求是否涉及网络安全攻击、生物和化学风险，以及模型蒸馏。

一旦触发，Fable 5就会拒绝自己回答，转而把请求自动转交给Claude Opus 4.8，并告知用户发生了降级。

有点意思哈。

过去的大模型在安全这一块，通常是让模型拒绝，说什么“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balabala。

Fable 5换了一种做法。

它不做单纯拒绝了，而是做模型路由。

普通问题由Fable 5处理，一旦被识别到有问题是高风险问题，模型立刻被切到Opus4.8。

Anthropic的意思是，Opus4.8本身也是强模型，降级回答的体验总比直接拒绝要好的吧？～

这套设计实际把能力和安全拆开了。

你日常使用的是Mythos级能力。

但面对一些敏感、攻击性、企图越狱等问题时，Anthropic丝滑切换老版本模型为你服务，让你手里趁手的工具，突然就没那么趁手了。

（主要防范网络安全、生化领域和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，对于绝大多数写作、代码、分析、研究和办公任务，用户能拿到的体验基本接近Mythos 5。

但还有剩下不到5%的请求，会进入更严格的安全路径。

官网表明，高风险领域主要有三类。

第一类是网络安全，第二类是生物和化学，第三类是模型蒸馏。

这套机制背后，其实是前沿模型产品形态的一个变化。

安全不再只是模型回答前的一句免责声明，也不只是写在系统卡里的政策描述。

它变成了分类器、模型路由、权限分级、数据留存、红队测试共同组成的产品架构。

当然，代价也来了。

Fable 5的分类器调得比较保守，正常请求也可能被误伤。

比如生物学家研究病毒，安全工程师做授权攻防演练，都可能在合理任务中触发降级。

Anthropic自己也承认，当前护栏比理想状态更严格，后续会降低误伤率。

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Mythos级模型所有流量保留30天，覆盖第一方和第三方使用场景。

官方强调这些数据不会用于训练，只用于安全监控，包括识别复杂攻击、新型越狱和跨请求攻击。

对普通用户来说，这可能只是条款里的一行字。

但对企业客户来说，这就是非常现实的数据治理问题。

想用最强能力，就要接受更高等级的安全审查和数据留存。

不可避免的，前沿模型的成本，也不只体现在API账单上。

价格方面，Fable5和Mythos5统一定价为每百万输入Token10美元、每百万输出Token50美元。

确实，相比Claude Mythos Preview便宜不少，但仍然是高价模型。

一句话说，Fable5确实强，但不会便宜到可以随便烧。

这也解释了为什么Anthropic要同时强调能力、安全和Token效率。

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（Ethan Mollick）在率先拿到测试权限后，撰写了一篇长文。

其行文逻辑直击这场技术革命的核心本质——

人类与大模型之间的协作范式，发生了根本性、不可逆的逆转。

他让Fable 5做了一个等时圈地图。

这个任务听起来不算玄乎，但真做起来非常麻烦。

它要查航班、查铁路时刻、判断道路速度，还要处理不同国家、不同交通方式、不同时间成本之间的关系。

Fable 5自己启动多个代理去查资料，拿到了2200多个具体航班信息，还抓取了TGV、新干线等铁路数据，以及各国道路速度信息。

最后，它把这些资料整合进一个可用的地图项目里。

这件事的重点在于Fable 5把一个模糊目标拆成了研究、信息搜集、设计、编码、验证等多个环节，并且自己往前推进。

这和过去的大模型体验差别很大。

于是，莫里克提出了一个深刻的洞察。

在过去，人类使用大模型就像一个“巫师（Wizard）”，你必须手把手地去指导它、驾驭它（Steer），精雕细琢每一句 Prompt，通过不断的对话提示词来“念咒”，AI才能勉强变出一个戏法。

而面对Mythos级别的模型，人类正在沦为“赞助人（Patron，这里我感觉翻译为“甲方”更贴切一些？）”或者“委托人”。

莫里克教授用Fable5工作，感觉已经不像是在操作一个工具，更像是在委托一个小型工作室。

此外，在莫里克的实际测试中，他不再需要工作在最微观的指令层。

他直接向Fable 5喂进了一个长达15页、极其复杂的项目设计文档，然后留下宏观的需求描述。

接下来的9个多小时里，Fable 5在后台处于完全自主（Autonomous）的运行状态。

它自己生出了一个Agent工作流，内部调度多个小Agent分别去搞调研、撰写大纲、相互校对、推翻错误假设、纠错重来。

人类甚至不需要介入这个工作流半步。

9小时后，一个极高质量的成品直接交付到了莫里克面前。

这就是所谓的“工作室（Studio）”隐喻。

以前，我们用大模型是雇佣了一个临时的、需要反复沟通的自由职业者；现在，你用Fable 5，等于你用几美金的Token，瞬间雇佣了一整家好莱坞级别的设计院、或者一个顶尖的科研所。

你不需要关心它在黑盒里做出了多少个微观决策，你只需要扮演那个在最终成品上签字的“甲方”。

这种大模型长文本上下文（Context）与自主逻辑的结合，让Context不再仅仅是一个“内容容纳器”，而是彻底沉淀为了一个能自主推演、长时运行的“新型智能操作系统”。

换句话说，AI越像承包方，人类越像需要具备验收能力的甲方。

小插曲，为了更直观、更有趣地展示，教授还让它生成了一系列游戏供大家试玩。

这些游戏都是基于Claude Code的一个初始提示，Fable 5需要根据我提供的模糊提示生成一些可行的程序，之后我会给出一些额外的提示，并给予一些鼓励（例如“做得更好”）或反馈。

由于Claude Code无法生成图像，所以所有的美术作品或3D对象都是完全通过数学运算生成的，没有使用任何外部资源。

这里放一个抛硬币游戏的demo：

提前内测Fable 5后，教授最后表示“最终的成果令人印象深刻”。

但是，尤其是在着手处理更严肃的项目时，教授常常觉得使用这个工具既令人愉悦又令人不安。

愉悦之处在于，我只需提出要求，它就能实现。不安之处也在于，我只需提出要求，它就能实现。

的确。

回到Anthropic这次发布。

有的人认为最重要的是Mythos终于半明牌了，有的人认为最重要的是前沿AI产品正在进入新形态。

一个更强的模型上桌了。

但Anthropic先给它系上安全带，然后才把钥匙递给所有人。

有人欢呼，有人焦虑，有人在彻夜调试代码，只为追上那条不断向前狂奔、甚至已经开始脱离人类微观视线的智能曲线。

Three More Things

1、注意窗口期。从今天到6月22日，Pro、Max、Team和企业版用户可以免费用Fable 5。

但6月23日起，还想用Fable 5，就得额外买usage credits了。

2、Anthropic说，一旦产能跟上，Fable 5会重新做成订阅标配。

API和按量付费的企业客户不受这个节奏影响，今天起照常调用。

参考资料：

[1]https://www.anthropic.com/news/claude-fable-5-mythos-5

[2]https://www.oneusefulthing.org/p/what-it-feels-like-to-work-with-mythos

[3]https://www.biorxiv.org/content/10.64898/2026.03.12.711259v1

本文来自微信公众号“量子位”，作者：衡宇，36氪经授权发布。