
先说结论:它不是在画图,是在写程序
先说结论:Fable 5.2 这次真正特别的地方,不是「AI 生图又强了一截」,而是它压根没走扩散模型那条路。它写出一千到两千行 Python,程序驱动一套模拟画笔引擎,刷毛的纹理、湿颜料落在画布上的方式、画布自己的纹路,全都在这套引擎里。
每一笔的坐标,都是模型自己输出的。图像不是被渲染出来的,是程序跑完之后剩下的东西。这个区别听着绕,但后面所有事都由它决定。
那套模拟画笔引擎也值得多看一眼:笔尖的刷毛怎么分叉、湿颜料碰到干画布会怎么晕开、纸面的纹理怎么吃住颜色,都写进了程序里。模型不画像素,它只管下达「这一笔落在哪、用什么力度」这样的指令。
消息来源不玄乎:Anthropic 的员工 Jake Eaton 在 11 月 9 日把作品发在 X 上,The Decoder 在 11 月 15 日跟进报道。原文我放在文末,想自己看图的可以去翻。
我第一眼看到缩略图,反应和很多人一样:这不就是张照片吗。翻到放大图才反应过来,那些边缘的毛刺不是噪点,是笔触。
111 笔,
一只鸟和 7 像素抖动
工程师 Michael Graczyk 做了个更狠的实验:把撤销关掉。每一笔必须作为一行坐标独立输出,落下去就不能再改。他让模型画日出里的一只鸟,最终用了恰好 111 笔。
第一笔的参数很具体:颜色 #30346a,宽度 90 像素,五个带微抖动的路点。模型自己解释说,它故意加了大约 7 像素的抖动,因为人手臂画不出绝对直线。这句解释比画本身更让我停了一下——它模仿的不是图像,是手。
注意这里没有生成一次看一次的原型:程序直接吐坐标,引擎按坐标落笔。纠正发生在画布上,不在代码里。这和人类画家的习惯一致,和训练时见过的所有东西都不太一样。
中间它会回头看画布。发现鸟背画得太细、太毛糙,就压一笔更重的覆盖上去,边上的杂毛顺手变成了羽毛的质感。没有撤销,意味着每一步都得算代价:错了只能再盖一笔,不能删掉重来。
另一幅 280 笔的作品里,它后加的光影把桌上颜料管和杯子抹花了,于是把这两个物件重画了一遍。这个动作很像人——先救场,再继续。
七十万笔那张停车场
最大的一幅是 Eaton 提的要求:尽可能难以和照片区分。模型画的是停车场里的一辆购物车,用了大约 70 万次模拟笔触。
The Decoder 自己也写了:放大能看到笔触。所以它没有真的骗过照片判定,也没通过什么「这是照片还是画」的盲测。它做到的,是在缩略图尺寸上骗过眼睛。
但我觉得这张的价值不在像不像。它证明的是那条链子能跑通:程序生成笔触,笔触堆成图像,七十万次调用下来没有结构性崩坏。这种工程量比一张好看的小图更能说明问题。
顺带说一句,这一幅花了多长时间、烧了多少钱,官方没公开。这件事后面还要再提一次。
和扩散模型比,走的是两条路
说人话:扩散模型是从一团噪声里一步步去噪,剩下的形状看起来像图。它不知道「笔」是什么,也没有画布的概念,它只是在概率分布里挪动。
这条路反过来:先决定这一笔画在哪、多宽、什么颜色,再让引擎去执行。图像是程序输出的副作用,不是目标本身。
它更接近 agent 干活的样子——看结果,发现问题,覆盖修正。Graczyk 那个「鸟背太毛糙就加重一笔」的细节,跟写代码时跑一遍、看到报错、回去改一行,是同一个回路。
所以别把它当成一支更好的画笔。它更像一个会写绘图脚本的人,画笔只是它调用的工具之一。
泼点冷水:都是自家人
这里得踩一脚刹车。所有作品都出自 Anthropic 自己的员工,由他们挑选之后再发布。没有第三方独立复现,也没有在同一提示下和扩散模型做盲测对比。
缺了这两样,「它比扩散模型更强」这句话就只能算半个结论。展示品是挑出来的,挑的过程本身就是一种筛选。
还有成本。70 万笔那幅的耗时没公开,我们没法判断这东西在真实生产里划不划算。一张图跑几小时和跑几秒,是两个产品,不是一个功能。
更硬的反例在机器人那边。Anthropic 内部有个仿真基准叫 RoboDojo Sim,Fable 5.2 拿了 64.9%,OpenAI 的 GPT-6 Astra 是 29.8%,差距看着很夸张。
需要补一句:这两个数字都来自 Anthropic 自己公布的材料,不是第三方跑出来的。引用的时候我心里是打折的,你也别当免检数据用。
可到了真实机械臂上,Fable 5.2 的速度和精细动手控制反而落后。外部研究者 Aris Zhu 用两台机械臂画《星夜》,Astra 更快;立起多米诺骨牌这个项目,目前只有 OpenAI 的模型做到。仿真里赢、真机上输,这个反差挺说明问题。
现在能拿它干什么
如果你以为「下一代生图模型来了」,多半会失望。它慢、依赖一套专门的画笔引擎,短期内替不掉扩散模型在日常出图里的位置。
但它指向另一个方向:可复现的程序化绘画。每一笔都有坐标、颜色、宽度,整幅画就是一份能重跑的代码。想改某一块,调参数就行,不用重新抽一次噪声碰运气。
做生成艺术、希望过程可追溯的人,可以盯着这条线;研究 agent 怎么用工具改造外部世界的人,也该看一眼;单纯好奇「模型能不能学会控制一支笔」的,看个热闹不亏。
要批量出电商图、要秒级出图的团队,现在别看这个。它给不了你吞吐量。
收个尾:这更像一次关于「模型能不能写程序去操作物理世界」的演示,不是一场画质竞赛。看明白这一点,就不容易被标题带着跑。
原文:the-decoder.com/anthropics-claude-fable-5-2-doesnt-generate-images-it-paints-them/


