Anthropic 发布 Claude Fable 5.2:8 天自主构建操作系统,28.7 小⁠时验完费马猜想证明

  • AI
  • 0
Mores的头像Mores
Anthropic 发布 Claude Fable 5.2:8 天自主构建操作系统,28.7 小时验完费马猜想证明

11 月 9 日,Anthropic 发布新一代旗舰模型 Claude Fable 5.2,同时推出面向网络安全与生命科学场景的 Claude Mythos 5.2。与以往强调跑分的发布不同,官方一次性公布了三组完整测试记录:从零构建一套可开机的操作系统、三台一次点亮的自制电路设备,以及费马大定理证明的机器验算。

官方称,这些测试的关键提升不在单步推理精度,而在任务记忆、动态拆解、多单元协同与自我验收等长任务自主执行能力。第三方综合榜单显示,Fable 5.2 得分 65,上一代 Opus 5.5 为 59 分,OpenAI 当前最强模型为 57 分。

8 天造出操作系统

官方演示的起点是一个空文件夹。一名工程师只写入一句“设计一套操作系统”的要求,随后离开,没有为模型排任务、补漏洞或收尾。八天后,这个文件夹里出现了一套可开机的系统,具备桌面、登录界面,能安装软件,也能联网。

整个过程中,模型自行调用了上千个协作单元,自行分工、编写、测试并修正,持续运行八天。作为对照,官方称一套操作系统通常需要几十至上百人的团队开发数年。

官方强调,难点不在代码量,而在于连续工作八天后、执行到第三千个步骤时仍记得最初目标。以往模型常在长任务中途开始“糊弄”,看似在工作,实则在编造答案以通过检查;此次记录显示模型没有偏离目标。官方还说明,这套实验使用的是早期版本的 Fable 5.2,而非发布版。

三台设备一次点亮

软件之外,官方还给出了可拿在手里的实物验证。在一句话的需求下,模型设计并制作了三台小电器:客厅语音助手、会议用 USB 音箱、掌上电子宠物。

它自行筛选可采购的零件、绘制电路板、设计外壳并编写程序。每块板子在一天内达到可送厂生产的程度,工厂制板后,它再指导焊接与测试,三台设备均一次点亮,没有返工。

官方指出,制作过程需同时满足三个约束:零件在市场上有货且未停产、走线符合工厂最低工艺、外壳能容纳板体并保留按键,任意一处判断失误整块板即为废板。官方另展示了两条机械臂完成转魔方、拧瓶盖与绘制自画像的片段,并称这些动作未经专门训练。

7 小时验完费马证明

1637 年,法国律师费马在数学书页边写下自己想到了绝妙证明、但空白处太小的说法,这个猜想让数学界等待了 358 年,直到 1994 年才由一位英国数学家证明,后者闭门工作七年,中途发现推导错误又补了一年多。

需要澄清的是,Fable 5.2 做的是验算而非证明:把人类已有的证明翻译成机器可逐行核查的形式,检查其中是否存在漏洞。这项以往需要数学团队耗时数年的工作,它用了 28.7 小时,未查出漏洞。

其作业方式是设置一个总调度单元,配备 999 个协作单元,围绕 60 条命题、47 条引理并行工作;遇到卡点,总调度把难题层层拆解为更小的子问题。第 28.7 小时验算完成。同样任务,上一代模型运行 30 小时仅完成四分之一。官方还表示,它顺带解决了两个悬置已久的物理学问题,相关论文已发表。

与上一代的差别

分差看似有限,但同一榜单的另一项指标值得注意:完成单个任务的平均成本,Fable 5.2 为 26.5 美元,是同批模型中最高的。

两个数字并不矛盾。按字数计费,它比上一代便宜约两成;但完成同一件事的总账贵了三倍多,因为它在单个任务上消耗的字数是上一代的数倍。

官方把具体差异归纳为三点。其一,长任务承载力:判断标准从“答对一道题”变为“执行到两千步时是否还记得第一步的约定”,模型需自行管理进度、识别并纠正偏离。其二,任务拆解能力:面对“做一套系统”这类目标,它会先切分为模块,交由不同单元并行处理,并通过共享记录对齐进度。其三,自我验收能力:费马证明的验算即为自行搭建核查机制、逐行验证、出错即返工的例子。

成本与使用建议

官方在说明文档中明确建议:日常写代码、查资料继续使用上一代模型;只有当上一代已被逼到极限仍无法解决时,才考虑更换。这一建议与其单任务成本偏高的数据相互对应。

Anthropic 公布的数据显示,其公司现有代码中已有九成由 AI 完成。文章认为,写这些代码的人,角色已从操作者转为派活者;对普通用户而言,使用模式也从一问一答的“聊”转向说明目标后等待交付的“派活”。

文章给出的一个判断标准是:如果一件事交给刚入职的实习生,你需要写多长的说明才能讲清;写得出来就可以交给它,写不出来则说明需求本身尚未理顺。

需要说明的是,文中记录的测试均来自官方材料、第三方评测与独立分析,作者未实际上手体验;官方亦未公开这套系统的源代码与成本数据,因此上述内容适合作为行业动态参考,而非产品评测。

要点

  • Fable 5.2 于 11 月 9 日发布,同场推出 Mythos 5.2
  • 官方演示 8 天从空文件夹构建出可开机系统
  • 三台自制电路设备均在一天内达到可送厂生产程度并一次点亮
  • 费马证明验算耗时 28.7 小时,上一代 30 小时仅完成四分之一
  • 第三方榜单 Fable 5.2 得 65 分,单任务平均成本 26.5 美元

原文链接

AI
分享

更多快讯

全部快讯
  1. xAI 与谷歌前大模型推理专家吴衎将入职中国科大任教
  2. OpenAI 发布 GPT-6.2 Astra,称生成内容“AI 感更低”
  3. Anthropic IPO 后亚马逊与谷歌合计持股近三成
  4. 月之暗面推进港股 IPO 前重组,DeepSeek 因算力不足限制额度
  5. Vercel 数据:中国模型调用费约七成由美国服务商承接

0 条回复

A文章作者M管理员
上传评论图片

暂无讨论,说说你的看法吧