你有沒有在 Claude Code 裏見過一句話，說這次換了個模型來回答你？11 月 9 日，Anthropic 發了 Fable 5.2 和 Mythos 5.2，兩個名字背後是同一個模型。
在 Anthropic 自己的 FrontierCode 2.0 評測裏，Fable 5.2 寫代碼拿了 49.1%，上一代只有 32.4%，連 Opus 5.5 的 45.5% 也被它超過了。價格還降了兩成，每百萬 token 輸入 8 美元、輸出 40 美元，輸出最多快了三成。
它不光會寫代碼，還能成羣結隊地一起上。Anthropic 說，約 1,000 個 Fable 5.2 agent 一起花了約 30 個小時，用 Lean 把費馬大定理寫成了機器能驗算的證明。同一套設置下，Opus 5.5 在 18 小時後只完成了 26% 的證明。
可是這兩個模型不是隨便誰都能用的。Fable 5.2 對所有付費用戶開放，Mythos 5.2 只給通過了網絡安全驗證計劃或者生命科學驗證計劃的機構，因爲 Mythos 身上的網絡安全與生物限制放得更松。
同一個模型分兩扇門，門檻並不是模型本身，而是你是誰、你能問什麼。Fable 5.2 裏裝着分類器，專門攔高危的網絡安全請求和多數研究生物學請求，攔下來的網絡安全問題由 Opus 4.8 來回答，生物問題由 Opus 5 來回答。
回退的時候，Claude 會告訴你換了模型，而且回答上會標着是哪個模型答的。API 上只有你主動選加入纔會回退，不然就直接拒絕，產品裏默認開着自動切換，但是你可以在設置裏把它關掉。
訓練裏還壓着一道剎車，藏得更深。Anthropic 在訓練裏就壓住了最能直接加速 AI 研發的那幾項能力，其中一項是加速器內核優化，說白了就是寫出讓芯片跑得更快的底層代碼。還有一項是語言模型架構，兩項都被壓到了 Opus 5.5 大致相當的水平。到了推理的時候，其中一些話題還要回退給 Opus 5。
與此同時，分類器攔錯的請求比上一代少了約 55%，其中網絡安全少了約 60%，生物少了約 40%。所以合法的安全研究和生物請求，被攔下來回退給舊模型的次數也跟着少了。
可是回退本身也會出問題，而且問題正好出在安全上。按系統卡里引用的 Gray Swan 測試，間接 prompt injection 試了 15 次之後，Fable 5.2 被攻破的概率是 4.09%。上一代只有 1.02%，而 Opus 5.5 是 0.96%。
差距主要是回退造成的，因爲這 15 次嘗試裏有 53% 是由 Opus 4.8 來回答的。Fable 5.2 自己回答的時候，被攻破的概率是 2.05%，可是換成 Opus 4.8 回答，被攻破的概率就到了 5.17%。
也就是說，爲了防濫用而設的回退，恰好把請求交給了更容易被注入攻破的舊模型。如果你讓 agent 讀郵件、跑別人倉庫裏的代碼，這一點就直接關係到你，因爲注入的指令就藏在 agent 要讀的那些文字裏。
METR 的報告說，Anthropic 內部的模型已經把 AI 研發提速了約 2 倍。所以實驗室一邊享受着這種加速，一邊在訓練裏給新模型的能力劃線，而且線劃在明處，寫進了系統卡。
線劃在明處是好事，可是線劃在哪裏、線怎麼執行，都是實驗室自己定的。公衆看得見線，看不見線後面的執行，這纔是我不放心的那一點。
如果你天天用 Claude Code 寫代碼的話，那麼你應該先去設置裏看一眼，自動切換開沒開。開着它，被攔的請求還能接着往下跑，可是回答你的是更弱的舊模型。關掉它，被攔的請求就直接拒絕，不會再回退。敏感的任務別交給會回退的流程，寧可讓請求停下來，也別讓流程悄悄換人。
如果這篇對你有用，請訂閱或收藏這個博客。我會繼續分享 AI、安全和開源方面自己動手查過、用過的東西。等下一個模型發佈的時候，咱們再一起看它到底劃了哪條線。
來源：Anthropic 官方公告，見 https://x.com/claudeai/status/2119867114450268322