跳到正文
aihot(aihot.news)· noreply@aihot.news (Anthropic:Newsroom)·· 14 天前精選品質評分96

Anthropic 發布 Claude Fable 5.2 與 Claude Mythos 5.2

Anthropic 釋出 Claude Fable 5.2 與 Claude Mythos 5.2

重點導讀

Anthropic發布 Claude Fable 5.2 與 Claude Mythos 5.2,兩者使用相同底層模型,在程式設計、推理與視覺等方面有所提升。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

推薦理由

官方發布提供基準比較、定價與安全測試結果,可用來瞭解新模型的能力差異、使用成本及 Mythos 的存取條件。

正文

Anthropic:Newsroom·2026-11-09 00:00· 1 天前精選AI 評分86

Introducing Claude Fable 5.2 and Claude Mythos 5.2

AI 導讀

Anthropic 釋出 Claude Fable 5.2 和 Claude Mythos 5.2,兩者為同一底層模型,Mythos 需通過 Cyber 或 Life Sciences Verification Program 申請訪問。

推薦理由

官方釋出給出了具體基準對比、定價與安全測試細節,讀者可據此評估新舊模型的能力與成本差異。

我們升級了 Claude Fable 和 Claude Mythos——這兩款模型專為攻克最艱鉅的技術難題而設計。

Claude Fable 5.2 和 Claude Mythos 5.2 在程式設計、推理和視覺等方面都有提升。在預釋出測試中,它們幫助我們的工程師完成了原本難以實現的軟體遷移,從零設計出三款可工作的電子裝置,解決了黑洞物理學中的兩個開放問題,在機器人評測上取得實質性進展,並在 30 小時內形式化證明了費馬大定理——此外還有許多其他應用,我們將在下文討論。

Claude Fable 和 Claude Mythos 是同一個底層模型。Fable 配備了強大的網路安全和生物學防護措施以防濫用,因此我們可以向所有使用者開放。在網路安全或生物醫學研究領域從事有益應用的組織,可以通過我們近期擴充套件的生命科學和網路安全驗證計劃申請訪問 Mythos。

測試人員發現,Fable 5.2 和 Mythos 5.2 的溝通比以往的 Fable 和 Mythos 模型更清晰。它們的輸出生成速度比 Claude Fable 5.1 和 Claude Mythos 5.1 快最多 30%,而且價格更低:每百萬輸入 token 8 美元,每百萬輸出 token 40 美元。

Fable 5.2 和 Mythos 5.2 還提供可選的快速模式,可將 token 生成速度提升最多 2.5 倍。快速模式的價格為每百萬輸入 token 16 美元,每百萬輸出 token 80 美元。

安全與對齊。為幫助確保安全與對齊跟上模型能力的增長,我們對 Fable 5.2 和 Mythos 5.2 的底層模型進行了大量預釋出安全測試。這包括開發新的評測方法,以更深入地瞭解沙箱逃逸等特定的令人擔憂的行為。我們認為,失準帶來的高風險仍然較低,而且該模型在大多數對齊指標上的表現與我們近期的模型相當或更好。Fable 5.2 的網路安全和生物學防護措施與 Fable 5.1 一樣穩健,但產生的誤攔截更少,並且我們實施了有史以來最強的防蒸餾攻擊保護。

我們在下文進一步介紹安全測試,完整細節也可在Claude Fable 5.2 和 Mythos 5.2 系統卡中找到。

何時使用 Claude Fable 5.2 和 Mythos 5.2。Fable 和 Mythos 最適合最具雄心、開放式的技術工作。對於大多數程式設計和知識任務,我們建議使用者從 Claude Opus 5.5 開始——這是我們最強的日常主力模型——然後根據工作的範圍和複雜度按需切換到其他模型:向上切換到 Fable 或 Mythos,或向下切換到 Claude Sonnet 5.5 或 Claude Haiku 5.5。Fable 5.2 還可以扮演顧問的角色(Haiku、Sonnet 或 Opus 模型向它諮詢,以幫助解決更難的問題)或編排者的角色(將更簡單的任務委派給更小的模型)。

評估 Claude Fable 5.2 和 Mythos 5.2

基準測試表現。下表的基準測試顯示,在我們評估的幾乎所有能力上,Claude Fable 5.2 和 Claude Mythos 5.2 都比 Opus 5.5 更勝一籌:

Fable 5.2Fable 5.1Opus 5.5GPT-6 AstraGemini 4 Carbon
AI 助理程式設計FrontierCode 2.049.1%Xhigh 推理強度32.4%Xhigh 推理強度45.5%42.8%41.1%中等推理強度
AI 助理程式設計FrontierSWE v269.9%56.3%62.3%65.5%61.2%
業務流程AutomationBench51.4%31.4%42.5%41.4%53.9%
AI 助理科研Terminal-Bench-Science 0.174.6%75.3%(Mythos 5.2)52.6%58.7%68.1%64.8%
網路安全CyScenarioBench†76.3%Mythos 5.261.7%Mythos 5.167.6%未啟用防護措施61%GPT-6 Cyber—
網路安全CVE 重新發現89.6%Mythos 5.278.3%Mythos 5.181.3%未啟用防護措施——
蛋白質設計從頭設計結合蛋白(24 小時)85.1%Mythos 5.279.1%Mythos 5.182.6%未啟用防護措施——
AI 助理搜尋WANDR(寬鬆評分)82.1%68.7%72.3%——
計算機操作OSWorld 2.1(離線集,部分)89.3%83.5%87.2%79.5%81.5%
機器人RoboDojo Sim‡64.9%27.6%39.4%29.8%—
知識工作AA-Briefcase v1.166.1%評分標準61.5%評分標準61.2%評分標準52.0%評分標準61.8%評分標準
1785Elo1669Elo1800Elo1569Elo1611Elo
知識工作Remote Labor Index(RLI)41.3%高投入度17.9%21.3%20.8%—
多學科推理Humanity’s Last Exam(使用工具)74.2%65.6%67.7%57.2%—
圖表視覺識別Chartography(不使用工具)73.4%44.8%64.4%71.0%72.5%

評估方法的詳細說明見 Claude Fable 5.2 與 Claude Mythos 5.2 系統卡。除另有說明外,Fable 5.2、Fable 5.1 和 Opus 5.5 的分數均為啟用防護措施後的結果;除另有說明外,所有分數均取各模型可用的最高投入度。 † 在 CyScenarioBench 上,各實驗室的分數基於各自獨有的任務。 ‡ RoboDojo Sim 取最高可用投入度,且為內部執行。

投入度與效率。在中等投入度下(Claude 應用和 Claude Code 的預設設定),Fable 5.2 能用比 Fable 5.1 更少的 token 完成高難度任務。在 FrontierCode 2.0 評估的早期測試中,Fable 5.2 在高投入度下的得分與 Opus 5.5 在最高投入度下大致相當,而每個任務的成本約為後者的一半。在 Xhigh 投入度下,它的得分也是我們測試過的所有已釋出模型中最高的。

FrontierCode 衡量的是模型所做的程式碼改動能否被開源倉庫的維護者合併。在高投入度下,Fable 5.2 的得分與 Opus 5.5 的最佳成績基本持平(45.3% 對 45.5%),而每個任務的成本約為後者的一半;同時以大致相同的成本領先於 GPT-6 Astra 的最佳成績(42.8%)。在 Xhigh 投入度下,Fable 5.2 達到 49.1%,是我們測試過的所有已釋出模型中的最高分。

程式設計

如今合併進 Anthropic 核心程式碼庫的改動中,超過 90% 由 Claude 編寫(在人類指導下完成)。我們用 Fable 5.2 在幾分鐘內修復了頑固的 bug,優化了所有服務的效能,還完成了若干高價值的軟體專案——這些專案若按以往方式推進,要麼太慢,要麼成本太高。一個由AI 助理組成的團隊執行著較早版本的 Fable 5.2,把一個關鍵的生產服務從 Python 遷移到了 Rust——該服務現在更高效、更可靠,啟動速度快了約 26 倍。我們發現,Fable 5.2 展現出很強的工程判斷力,即使面對含糊的需求也能產出高質量的結果。

作為實驗,Anthropic 的一位工程師讓 Fable 5.2 設計一個原型作業系統。模型從一個空資料夾起步,協調了 1000 多個子AI 助理,晝夜不停地工作了八天,編寫、測試並審查程式碼。它最終產出了一個可用的作業系統,能在筆記型電腦上啟動,自帶執行機器的核心、磁碟、鍵盤和網路驅動、永久檔案儲存、視窗、登入介面、安裝程式,以及內建的 Claude 功能(見下方影片)。

早期測試者對 Fable 5.2 的程式設計能力能如此成功地應用於各類任務印象深刻:

引述

“這個模型就像住在我腦子裡。它理解我給出的每一條提示詞背後的意圖。我一次都沒說過‘不,我的意思是……’。我們用其他模型推進了好幾週的專案,換成 Claude Fable 5.2 後幾天內就完成並得到了同事的認可,而審查其程式碼的人提出的意見也更少了。”

公司Vercel

作者Joe Haddad,技術員工

網路安全

Claude Mythos 5.2 是我們在網路安全工程方面能力最強的模型。它發現的漏洞比我們此前的模型更多,也更擅長復現和修復漏洞(請注意,Claude Fable 5.2 的安全防護會攔截大多數與網路安全相關的任務)。一家安全公司發現,Claude Mythos 5.2 確認的 bug 中,每六個就有一個被他們測試的所有其他前沿模型漏掉。在我們的內部評測 CVE Rediscovery¹ 中,Claude Mythos 5.2 發現的漏洞比 Claude Opus 5.5 多 10.2%,比 Claude Mythos 5.1 多 14.4%。Claude Mythos 5.2 的判斷力和校準也更好——一位測試者發現,此前的模型會把大約二十分之一的發現誇大為嚴重問題,而 Claude Mythos 5.2 一次都沒有誇大。²

CVE Rediscovery 是一項內部網路安全評測,衡量模型在拿到某個 CVE 修復前的專案快照時,能獨立找出多少已公開的 CVE(通用漏洞披露)。我們在 2026 年 10 月針對 1,829 個 CVE 的測試顯示,Claude Mythos 5.2 在每一個努力等級上都優於 Claude Mythos 5.1 和 Claude Opus 5.5。

Claude Mythos 5.2 的網路能力可通過我們的 Cyber Verification Program 獲取,我們正在持續擴充套件和完善該專案。Claude Enterprise 客戶(即使不是 Cyber Verification Program 的成員)也可以使用 Claude Security,它會用我們最強大的模型掃描程式碼庫中的漏洞——現在這些模型已包括 Claude Mythos 5.2。Claude Security 最近的更新讓它能在程式碼更新時持續監控程式碼倉庫、跟蹤所有發現的問題以確保修復、從額外上下文中學習,並通過 API 和 MCP 連線使用者的工具。

Quote

“我們與 Anthropic 的新模型 Claude Mythos 5.2 緊密合作,在我們自己的系統中進行了新一輪高保真威脅發現與消除,針對的是早期 Mythos 模型未能發現的潛在問題。輸出結果更易讀,讓我們的團隊能更快、更輕鬆地進行抽查。我們的 Code Guardian 測試框架是基於 Mythos 5.1 構建的,我們會切換到 Mythos 5.2,為客戶提供更強大的網路能力。”

CompanyRubrik

AuthorArvind Nithrakashyap,聯合創始人兼技術長

科學與工程

科學、工程和數學領域的重要任務越來越依賴程式設計:分析資料、建模分子、設計零件、控制儀器,都要通過軟體完成。下面我們介紹 Claude Fable 5.2 和 Claude Mythos 5.2 如何幫助研究人員在這些領域的難題上取得進展。

理論物理

Claude Fable 5.2 解決了理論物理中的兩個開放問題。兩者都與黑洞有關,也都涉及統一現代物理兩大支柱理論——相對論與量子力學——的努力。

Claude 的這兩項結果都依賴全息對偶,即某些包含引力的宇宙可以用一個完全不含引力的量子理論精確描述。在第一個問題中,物理學家在 1983 年已經證明,隨著這類宇宙升溫,黑洞會像水沸騰一樣突然形成;但他們的方法只適用於大到足以讓相對論成立的大宇宙。2003 年有人提出了一個計算方案,用來判斷在只能使用量子描述的極小宇宙中是否同樣如此,但計算量太大,無法完成。Fable 5.2 基本自主地完成了這項計算,發現那裡的轉變同樣是突變的。在第二個問題中,物理學家 15 年多來一直用一種技術在簡化宇宙中排除量子引力的候選理論,Fable 5.2 找到了該技術的精確極限。關於這些結果的更多內容,請參閱各自的預印本:這裡和這裡。

蛋白質摺疊

腺相關病毒是一種小型無害病毒,其蛋白質外殼(即衣殼)可用於遞送基因療法。衣殼的蛋白質結構很重要——例如,它會影響療法是否會被患者的免疫系統阻斷——但同時也極其複雜。現有的蛋白質摺疊模型(如 AlphaFold)能預測單個蛋白質,而一個衣殼卻由數十個蛋白質組裝而成。Claude Mythos 5.2 在兩個開源蛋白質摺疊模型的基礎上,找到了一種準確預測整個衣殼結構的新方法。它編寫程式碼,讓這些模型在相互重疊的蛋白質鏈分組上執行,再利用已知的衣殼對稱性資訊將它們合併起來。

Claude 的方法在多個天然和人工設計的衣殼上都奏效了(在我們的測試中,它嘗試了 34 個衣殼,準確建模了其中 28 個)³。三位計算生物學家分享了以下看法,談 Claude 的能力可以如何加速他們的基因療法研究:

引述

“這種加速能為我們的衣殼摺疊流程節省可觀的時間和成本,讓我們更高效地把算力分配到基因藥物所需的眾多衣殼特性上。我們很高興能幫助 Anthropic 進一步提升推理能力,從而降低衣殼設計的整體成本。”

公司Dyno Therapeutics

作者Sam Sinai,聯合創始人兼 AI 負責人

數學

數學形式化。形式化是把數學證明翻譯成計算機能逐步檢驗的語言的過程。它可以幫助人類數學家對結果建立信心,而不必手工檢查(當 AI 模型生成人類難以驗證的結果時,這一點尤為重要)。由於形式化過程極為繁瑣,如果 AI 能協助完成,數學家就能把更多時間花在探索新想法上。

我們首次對費馬大定理的形式化由 Claude 的一個未釋出研究版本完成,耗時 11 天。它依賴一套專門搭建的框架,以及一位人類研究者的指導。相比之下,一支由 1,000 個 Fable 5.2 AI 助理組成的團隊僅用 30 小時就完成了該定理的完整形式化,幾乎無需人工干預。Fable 5.2 從最簡的提示詞出發,自行搭建協作方式,不使用任何數學參考資料,只依靠一份中間定理陳述清單來評估進展。它所需的動作 token 只有我們首次形式化的三分之一,產出的證明長度則縮短到七分之一。如下圖所示,Opus 5.5(採用同樣的 1,000 AI 助理配置)在 18 小時內只完成了 26% 的形式化,30 小時後幾乎沒有再取得進展。

關於這次形式化的更多內容見此處。

用數學程式語言 Lean 形式化費馬大定理的證明。每條線表示 Fable 5.2(綠線)和 Opus 5.5(橙線)在約 1,000 個AI 助理、每個模型單次執行的情況下,30 小時內完成完整形式化的比例。在虛線處(18 小時),兩支團隊從上次儲存處繼續,又運行了 12 小時。

硬體與機器人

AI 的許多潛在好處——比如加速實驗室研究——都取決於它能否在物理世界中行動。Claude Fable 5.2 延續了我們模型在現實世界中日益實用的趨勢,在設計硬體裝置等任務上展現出可喜的成果,在控制實體機器人方面也取得了實質性進展。

硬體工程。我們測試了 Fable 5.2 在硬體工程方面的能力:用一段話的提示詞,讓它設計並製作三臺可正常工作的電子裝置,每臺都配有獨立的電路板、3D 列印外殼和軟體。這三臺裝置如下圖所示:一臺家用語音助手中樞、一部 USB 擴音揚聲器,以及一個掌上虛擬寵物。這個專案我們與電路板設計製造公司 Diode 合作完成。

Claude 自行編寫了規格說明,從美國分銷商處挑選可用的電子元件,為每臺裝置佈線四層電路板,用計算機輔助設計為外殼建模,並編寫了裝置的軟體。每塊電路板都在不到一天內達到可製造狀態,人工投入極少。Diode 造好電路板後,Claude 又指導該公司的工程師完成了裝置的測試與組裝。三臺裝置均無需任何電氣改動即可正常工作。關於 Claude 硬體工程能力的更多內容,請見此處。

機器人技術。與早先的 Claude 模型相比,Fable 5.2 在控制實體機器人方面的能力大幅提升——即便是一些它從未接受過明確訓練的機器人任務也是如此。下面的影片展示了由 Fable 5.2 控制的機器人完成各種任務,包括解開拼圖方塊、擰開瓶蓋,以及畫一幅機器人圖畫。在公開的 RoboDojo 基準測試中(該測試考察 AI 如何根據攝像頭影像控制模擬雙臂機器人),Fable 5.2 的表現優於在同一測試框架下執行的其他前沿模型,也優於大多數專門為控制機器人而構建的 AI 系統。

  • Gemini 4 Argon
  • GPT-6 Astra
  • Fable 5.1
  • Opus 5.5
  • Fable 5.2

RoboDojo Sim 測試對模擬雙臂機器人的控制能力。分數基於我們在各模型最高可用努力水平下的內部執行結果。在 Max 努力水平下,Fable 5.2 得分 64.9%,是 GPT-6 Astra(29.8%)和 Fable 5.1(27.6%)的兩倍多。

研究與分析

早期測試者將 Claude Fable 5.2 用於研究與分析任務後發現,相比此前的模型,它能處理更模糊、資料量更大的任務,在模糊任務上的判斷力也更好——尤其是需要抽象推理和設計的任務。自營交易公司 Jump Trading 在一組代理評估中測試了 Fable 5.2,這些評估與其部分量化研究任務相似,測試時把它嵌入了類似該公司自研研究使用的測試框架。在一次執行中,Fable 5.2 有效承擔了所有必要角色:程式碼編寫者、協調者、規劃者和任務提交者。此前的模型則需要投入大量時間手動重新分配角色,以適配不同模型的長處和短板。

來自研究與分析機構的其他測試者向我們發來了以下關於他們使用 Fable 5.2 體驗的陳述:

Quote

“Claude Fable 5.2 在研究系統中扮演每一個關鍵角色都表現出色:定義問題、解讀、協調,當然還有發現並落實關鍵想法。在品味和判斷力方面,它絕對是我們見過的最強模型之一。在一項內部研究自動化基準測試中,它的錯誤率比第二好的模型整整低了 10%。”

公司Jump Trading

作者Lucas Baker,LLM 研發負責人

安全與對齊

沒有任何單一測試能告訴我們,一個能力極強的模型在部署後會如何表現,因此我們在釋出前會依賴多種不同的測試和多種型別的證據。對於 Claude Fable 5.2 和 Claude Mythos 5.2 背後的模型,我們的部署前安全工作包括對齊訓練與測試、針對模型採取無益行為傾向的新設計評估、構建更強的防濫用保障措施,以及擴大行為監控規模。該模型在釋出前還接受了外部評估者的測試,包括 英國 AI 安全研究所、Frontier Design 和 METR。他們的報告摘要⁴以及我們自身安全與能力測試的完整說明,見 Claude Fable 5.2 與 Mythos 5.2 系統卡。

對齊測試

我們運行了一套評估,考察 Claude Fable 5.2 和 Claude Mythos 5.2 在行為層面的對齊程度,測試它們以非預期且可能不安全的方式行事的頻率。綜合一系列評估中我們看到的所有情況,我們判定這些模型在高風險情境下以不安全方式行事的風險為低(與我們近期其他模型相同)。

我們在自動化行為審計中測試了 Claude Mythos 5.2(與 Fable 5.2 是同一底層模型,但不含某些網路安全或生物學保障措施),該審計考察模型在約 1,900 個場景中的行為表現。在大多數指標上,Claude Mythos 5.2 的表現與 Opus 5.5、Sonnet 5.5 和 Claude Mythos 5.1 相當或更好。例如,在大多數涉及誤導使用者的指標上,它的得分優於這三者。Claude Mythos 5.2 在幻覺輸入、謊稱已完成任務、遺漏重要資訊以及未披露糟糕或敷衍的工作等方面的表現都更低。⁵

  • Mythos 5.1
  • Opus 5.5
  • Sonnet 5.5
  • Mythos 5.2

我們自動化行為審計的總體得分,該得分綜合了多種不良行為,包括配合人類濫用以及在一系列場景中的自主行動。得分越低越好。完整細節見 Claude Fable 5.2 與 Claude Mythos 5.2 系統卡第 6.4.1 節。

測試期間,我們特別關注了與近期一些引人注目的網路安全和對齊事件相關的行為。例如,我們發現 Claude Mythos 5.2 比 Opus 5.5、Sonnet 5.5 和 Mythos 5.1 更不容易進行有偏見或帶有動機的推理(這類推理可能意味著它會“解釋掉”自己並非處於模擬中的證據,從而在未真正理解後果的情況下采取行動)。

我們進行了多項不同的評估,測試模型試圖逃離沙箱的傾向。在此前用過的兩項評估中,Claude Mythos 5.2 嘗試逃離沙箱的次數明顯少於我們測試過的任何其他模型。在一項專門的評估中——這是一項對抗性實驗,包含 1,800 多個場景,其中大多數場景不逃離沙箱就無法解決,而且沙箱存在一個故意設定的弱點——Claude Mythos 5.2 在 3.1% 的場景中使用了我們放在沙箱外的憑據或檔案,與 Opus 5.5(3.3%)大致相當,低於 Sonnet 5.5(5.1%),也遠低於此前版本的 Claude Mythos(5 和 5.1,分別為 39% 和 21%)。我們發現,其他一些方法,例如描述沙箱並新增用於報告弱點的工具,進一步減少了 Claude Mythos 5.2 的逃離嘗試。在其他指標上——例如在錯誤地斷定自己處於模擬環境中後採取有害行動——Claude Mythos 5.2 的得分略差於 Opus 5.5,與 Claude Mythos 5.1 大致持平。

如何構建能在模型部署前可靠捕捉每一次失敗的評估,這個問題仍未解決。評估能力極強的模型往往情況複雜,難以看清全貌——例如,Claude Mythos 5.2 和 Fable 5.2 都比我們近期的任何模型更頻繁地表達出懷疑自己正在被評估,這給我們判斷它們在真實環境中會如何行動帶來了挑戰。隨著未來模型的應用場景不斷擴大、能力不斷增強,我們預計這一挑戰還會加劇。正因如此,我們不會僅靠這些評估來全面瞭解安全狀況:我們還會藉助訓練期間的監控、對內部使用記錄的審查、外部評估者的測試,以及用於檢查模型內部情況的可解釋性技術。我們也在努力讓評估更貼近現實,並更好地理解評估遺漏了什麼。

安全保障

網路安全與生物學保障。與之前的 Claude Fable 模型一致,Fable 5.2 配備了安全分類器,可攔截高風險的網路活動,包括滲透測試、漏洞利用生成和基於二進位制的漏洞,以及研究生物學中的大多數任務。當查詢被攔截時,使用者會改為收到來自 Opus 4.8(網路安全)和 Opus 5(生物學)的回覆。自 Claude Fable 5.1 釋出以來,我們持續降低安全分類器的誤報率。基於在 claude.ai、Claude Code 和 Cowork 上的早期測試,我們發現 Fable 5.2 的攔截次數比 Fable 5.1 減少了約 55%——網路安全領域減少約 60%,生物學領域減少約 40%。Claude Mythos 5.2 面向在這些兩用領域開展工作的經過稽核的組織開放。

AI 研發。Claude Fable 5.2 和 Claude Mythos 5.2 背後的模型在通用能力上又前進了一步。不過在訓練過程中,我們採取措施,限制了那些最可能直接加速 AI 研發的特定研究能力。因此在加速器核心最佳化、改進大語言模型架構等相關領域,Fable 5.2 和 Claude Mythos 5.2 的表現大約相當於 Opus 5.5。需要強調的是,我們確保這些訓練調整沒有影響相關能力,比如AI 助理程式設計、硬體開發,以及傳統的 AI 或機器學習研究(包括可解釋性研究)。模型向用戶提供服務時(也就是推理階段),我們不會改動這些能力。正如系統卡第 1.5 節所述,與之前的模型類似,Fable 5.2 和 Claude Mythos 5.2 在該領域的少數話題上也會透明地回退到 Opus 5,其中包括某些非標準加速器上的核心開發。

反蒸餾。蒸餾是指用更先進模型的輸出訓練另一個模型,從而提取其能力。這種行為正以工業規模非法進行,往往涉及數千個虛假的 Claude 賬號。由於蒸餾會讓先進能力在脫離我們為 Claude 構建的防護措施的情況下被釋放,它帶來了安全和國家安全風險(我們檢測並打擊非法蒸餾活動的詳情,見2026 年 9 月威脅情報報告)。Fable 5.2 是我們迄今釋出的模型中反蒸餾防護最強的,它採用了我們在近期報告中介紹的技術,使蒸餾者獲取的資料減少了 90% 到 99%。

我們還在擴大一項有助於防範非法蒸餾的 API 功能的覆蓋範圍:保留思考現已適用於所有賬號。保留思考可防止蒸餾者篡改 Claude 此前的上下文,以試圖提取其推理過程(開發者可參閱保留思考文件,瞭解如何根據新的 API 功能更新整合)。

資料隱私與企業前沿防護

有些更復雜的 AI 模型濫用行為,只有觀察多個請求之間的模式才能發現。因此,Claude Fable 5.2 和 Claude Mythos 5.2 這類強大模型依賴的防護措施會監控一段時間視窗內的使用資料,而不是針對單條回覆。藉助企業前沿防護,自動安全監控針對儲存在客戶基礎設施中的提示詞和回覆執行,因此相容零資料保留(ZDR)。企業前沿防護目前正與 Bridgewater、Salesforce 和 Stripe 等客戶進行內測。

企業客戶可聯絡其客戶團隊或填寫此表單,申請使用企業前沿防護。符合條件的客戶在部署 EFS 安全監控之前,可以繼續以零資料保留方式使用 Claude Fable 5.2 和 Claude Mythos 5.2。對於其他客戶,我們為安全監控保留 30 天資料。

可用性

Claude Fable 5.2 即日起在所有平臺上線,包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。開發者可以在 Claude Platform 上通過 claude-fable-5-2 開始使用。

本週,我們為符合條件的付費套餐訂閱使用者提供額外的 Fable 用量。包含 Fable 模型的套餐和席位,會根據訂閱時長獲得 1 到 3 次 Fable 重置;Pro 套餐和 Team 套餐標準席位每週用量上限中最多 50% 可用於 Fable。點選此處瞭解 Fable 5.2 釋出促銷的更多資訊。

網路安全專業人士可以通過網路安全驗證計劃申請使用 Claude Mythos 5.2。Claude Enterprise 客戶還可以使用Claude Security,該產品由包括 Claude Mythos 5.2 在內的我們全系列模型驅動。生命科學研究人員也可以通過生命科學驗證計劃申請使用許可權。

Claude Fable 5.2 和 Claude Mythos 5.2 的快速模式已在 Claude Code、Claude Platform、Google Cloud 上的 Claude 模型(Anthropic 託管和 Google 託管)以及 Microsoft Foundry(Anthropic 託管)上線。請注意,Claude Mythos 快速模式僅向參與我們驗證計劃的組織開放。

來源:Anthropic:Newsroom · anthropic.com

來源: aihot (aihot.news)
開啟原文

讀者討論

理性交流 · 即時討論