Anthropic 最近发布了 Claude Fable 5.2。看完官方技术报告,我觉得这次有几个变化挺值得关注的。
相比单纯提升模型的知识和推理能力,Fable 5.2 更值得关注的地方,是它在长程 Agent 任务和复杂工程任务上的表现。
我先说一个比较震撼的案例。
Anthropic 让 Fable 5.2 尝试形式化证明费马大定理。这个任务需要把数学证明转换成 Lean 这样的形式化语言,再由计算机逐步验证每一个推导步骤。
最终,1000个 Agent 协同工作,只用了30小时就完成了形式化证明。
作为对比,此前一个研究版本的 Claude,在人工指导和专门工具支持下,花了11天才完成。使用相同的1000 Agent配置,Opus 5.5运行30小时也只完成了约26%。
这里真正值得关注的,不是简单地让1000个模型同时工作,而是模型如何拆解任务、分配子任务、协调不同 Agent,并把各自的结果整合成一个可以验证的完整成果。
这其实涉及多 Agent 系统中非常重要的几个技术问题:任务规划、上下文传递、并行执行和结果校验。
再看推理机制。
Fable 5.2采用了始终开启的 Adaptive Thinking,也就是自适应推理。开发者可以通过 Effort 参数控制推理深度,分为 Low、Medium、High、Xhigh 和 Max 五档。
这意味着模型可以根据任务难度,调整思考深度、Token消耗和执行时间,而不是所有问题都使用同样的推理预算。
在代码能力上,Fable 5.2的 FrontierCode 2.0 得分达到49.1%,高于 Opus 5.5的45.5%。
Anthropic还披露,Fable 5.2协调1000多个子 Agent,连续工作8天,从空目录开始搭建出了一个能够在笔记本上启动的操作系统原型。
另外,它在一次 Python 到 Rust 的生产服务迁移中,将服务启动速度提升了约26倍。
我觉得这些案例反映出一个很重要的趋势。
过去我们评价模型,主要看它能不能写出正确的代码、回答复杂的问题。
但现在,真正有价值的能力,是模型能不能持续理解一个复杂项目,调用工具、管理子任务、检查错误,并最终交付完整结果…
#howto入门codex #互联网 #claude #AI进化生活howto #AI视频





