Fable 5.2 很强,强在它只挑能验证的活干

午夜尼奥
11-11

11 月 9 日,Anthropic 发布 Claude Fable 5.2。

发布页上最显眼的一条:1000 个 Fable 5.2 智能体在 30 小时内完整形式化了费马大定理的 Lean 证明,人工干预压到最低。

上一次做同一件事,用的是尚未发布的研究版 Claude,花了 11 天,还得配上定制执行框架和一位人类研究者的随时指导。

三十小时对十一天,接近九倍的压缩,这是 A社通稿的读法。

把这份成绩单展开来看,会发现它们的结构非常一致。三款能通电的电子设备;黑洞物理与全息对偶的两个开放问题;从空文件夹起步、协调一千多个子智能体连跑八天、最终能在笔记本上启动的操作系统,还带着自研内核、磁盘和键盘驱动、持久化文件存储与窗口程序;以及那道费马定理。

这些事分属不同学科,却共享一个性质:验收标准可以写成一行断言。

灯亮不亮,内核能不能 boot,Lean 认不认这一步推导。全部二值,没有中间地带,不需要评审委员会开会,也不需要谁拍胸脯担保。

我觉得这才是 Fable 5.2 真正让人不安的地方——它没有在人类的地盘上击败人类,它是在人类自己铺好的跑道上,跑出了人类跑不出来的速度。

这条路是十九世纪末开建的。弗雷格 1879 年写《概念文字》,目标是把推理拆成不含歧义的形式语言,让 “证明” 不再依赖谁更聪明。希尔伯特后来把这份野心推到极致,图灵在 1936 年给了它理论边界,德布鲁因在 1967 年做出Automath,柯克与利恩依次接棒。人类花了一个半世纪,一层一层把裁判权交给不会讲人情的编译器。

然后 AI 来了。在这条绝对公正的赛道上,它没有理由输。

围棋是这件事的前传。AlphaGo 赢得干脆,是因为它挑了一个连胜负都早被写进规则的游戏。棋盘之外的世界,绝大多数胜负需要人类点头。

官方数字里还藏着一层。

Intelligence Index v5 上,Fable 5.2 拿到 65 分登顶,领先 Gemini 4 Carbon 五分、自家 Opus 5.5 六分,九项测试五项第一。但 65 分是 Max 档的成绩;同一套测试里,High 档只有 62 分。

从 62 到 65,三个点,代价是单任务成本从 9 美元跳到 26.5 美元。而 26.5 美元是 Opus 5.5 的 2.6 倍。

Anthropic 官网的使用建议写得相当坦白:大多数日常编程和知识工作先用 Opus 5.5,任务足够重、足够开放,再升到 Fable。

大概意思就是发布方亲口承认——它最强的新模型不是给你天天用的。这是一台移动电站,只在“错了会很难看、且能立刻验出对错”的活上发动。

坦率的说,它确实比同门强,而且强得不含糊。同样的 1000 智能体配置交给 Opus 5.5,18 小时只完成 26% 的形式化工作量,跑到 30 小时,曲线几乎没再抬起过。

招股书披露了另一组数据,2026 年 9 月,Anthropic 代码库超过 90% 的贡献由 Claude 写出。而它的 CEO 在 9 月 12 日发表〈We Must Pace the Frontier〉,公开主张业界放慢提升模型能力的速度。

外界把这称作虚伪,其实不冲突。

Dario 要减速的是能力竞赛的节奏,Anthropic 在加速的是能力可被证明的密度。IPO 前夕递交 SEC 的三百多页 S-1,需要的是经得起尽调的进步,而非一句“我们更快”。

费马定理、黑洞、能启动的操作系统,都是尽调材料。它们的好处在于无可辩驳——你不必相信 Anthropic 的品味,跑一遍编译器就行,结果你自己看。

从这个角度说,Fable 5.2 是一次极聪明的自我证明。它挑的全是能留下证据的战场。

所以它让人服气,也让人清醒。

在可验证的世界里,它已经是这个星球上最强的解题者,而且连它的战绩也还在等待验证——那份费马证明至今没有外部评审

在不可验证的世界里,它仍然只能交草稿。一篇文章值不值得读,一个战略判断三年后对不对,一个人该不该被托付。这些到今天没有编译器,只能靠人去赌,去签字,去承担。

前者正在被一寸一寸工业化,后者的价格反而在上涨。

它没有威胁到人。它只是把人的工作重新分了一次类,剩下的那些没人能替你验证答案的活,才是你的位置。

那个位置不会更大,但会一直存在。

免责声明:上述内容仅代表发帖人个人观点,不构成本平台的任何投资建议。

精彩评论

我们需要你的真知灼见来填补这片空白
发表看法