

一句话:降价幅度比涨分更值得看
先给结论。据 Anthropic 官方公告,2026 年 11 月 9 日发布的 Claude Fable 5.2 与 Claude Mythos 5.2 是同一个底层模型的两套护栏:每百万输入 token 8 美元、输出 40 美元,上代 5.1 是 10 与 50,降幅 20%。
说白了,分数涨 10% 是论文里的事,价格降 20% 是账单上的事。账单每个月都来,论文一年也来不了几篇。对绝大多数人来说,后者才是真变化。
划重点:这代产品的两条线不是两个模型,是一个模型两种开关。分开卖的不是智力,是许可;而定价单里降下去的那 20%,才是每个用户都摸得到的东西。
很多人被卡住的地方从来不是智力上限,是每隔几天就跳一次的成本预警。价格降两成,等于同一笔预算能多跑一批实验,这才是发布当天就能兑现的那部分。

划重点:三个真数字
第一个数字:Terminal-Bench-Science 0.1 拿到 74.6%,比 5.1 高 22%。据系统卡,这是终端里跑科研任务的一组成绩,属于长流程硬活,不是闲聊打分。
第二个:FrontierCode 2.0 在 Xhigh 档 49.1%,5.1 是 32.4%;同场的 GPT-6 Astra 42.8%,Carbon 41.1%。这一档它确实领先,但领先幅度比宣传语给人的想象要小。
第三个:RoboDojo Sim 用摄像头图像控制模拟双臂机器人,得 64.9%,Opus 5.5 为 39.4%、GPT-6 Astra 为 29.8%。跨代差这么大,多半是任务刚换、别家还没调优,得等复现。
藏在前三位后面的还有一个 FrontierSWE v2:69.9%,对比的 65.5% 与 61.2%。这一项只多出四个多百分点,而它恰恰最接近日常里改代码那种活。

最反常识的一条:拉到最高档,分数反掉了
系统卡里有一张比排行榜诚实的表:FrontierCode 2.0 单任务成本,Medium 档 2.48 美元、High 档 6.72 美元、Xhigh 档 14.19 美元、Max 档 44.70 美元。
问题在于,Max 档的分数低于更便宜的 Xhigh 档。多花的那三十美元买到了更长的思考链,却没买到更高的正确率,买来的其实是更长的犹豫。
对比一下:Opus 5.5 在 Max 档平均 12.82 美元,得分和它相近。说白了,档位不是油门,踩到底不等于跑得快。这张表真正想说的,是让你自己算每美元分数。
系统卡没有解释这个倒挂的原因,只能当经验规则记下来:默认先试 Xhigh,除非你的任务确实需要把思考预算拉满。省下的钱够你多跑一倍任务。
一千个 agent 写操作系统,八天
据 SiliconANGLE 报道,有一位工程师让 Fable 5.2 拉起 1000 个 agent 去写一个操作系统,前后约 8 天。这个数字比任何百分比都好记。
成品能在笔记本上跑起来、能联网、还带一个 Claude 侧边栏。演示的说服力在于调度规模,而不在于代码成色,能指挥一千个 agent 不打架就已经不容易。
但这里有个前提:报道没有说这套系统好不好维护。能跑和能改之间隔着很多个凌晨,而那些凌晨没有人愿意值。
还有一个没人回答的问题:同样的调度换成 5.1 能不能复现。压测数字最怕只有一次,样本为一的演示,说服力停在故事层面,不能当产能结论。

但这里有个前提:基准是自家出的
14 项基准里,多数比 5.1 提升超过 10%。这个「多数」出自 Anthropic 自家的系统卡。自己出题、自己监考、自己判卷,分数好看是应当的。
Mythos 5.2 在内部 CVE 重发现评测上做到 89.6%,5.1 是 78.3%,题库是 1829 个已披露漏洞,成绩按系统卡口径给出。
说白了,已披露漏洞是答案早就公开的题库,重发现考的是检索与复现能力。真本事在没人贴过补丁的地方,而那里从来没有基准,只有事故。
所以看这类发布,我一般把自家基准当内部体检报告读:能说明方向,不能当外部判决。等第三方跑榜出来再改判断也不迟,反正价格已经写进账单了。
护栏分叉:一个模型两套开关
两个名字的差别全在护栏。Fable 屏蔽部分生物与网络安全用例,Mythos 只在受信任研究者项目里开放,也就是 Project Glasswing 与 Cyber Verification Program。
误拦这件事也算改进了。据 SiliconANGLE 与官方公告,Fable 5.2 错误阻断正常安全提示的可能性比 5.1 低 55%,对天天写安全脚本的人算好消息。
被拦下的生物学与网安问题会转给 Opus 4.8 或 Opus 5 去答。转交不是解决,是把问题挪到另一个窗口,顺带再收一次 token 的钱。
这一层设计说白了是责任分配:能力没变,用的人变了。同一套权重,给研究者一把钥匙,给普通用户一扇关着的门,安全性就这么落到了许可上。
收尾:该问的三个问题
速度参数也动了:输出比 5.1 快 30%;Fast 模式定价 16 与 80 美元,可把 token 生成速度最高提到 2.5 倍;缓存读 0.20 美元。
这些数字比基准更影响月底那张账单。尤其是缓存读的 0.20 美元,它决定了长上下文到底能不能天天开着用,而不是只在演示时开一次。
所以该问的是三个问题:你的活需要 Medium 还是 Xhigh,需要 Fable 还是 Mythos,需要快 2.5 倍还是需要少错一次。三个都答不上来,降价两成也省不下钱。
如果只留一句判断:这一代更像性价比更新,不是能力跳变。分数上的变化够用,账单上的变化更实在,先按账单做决定,再按分数挑细节。