20261110：Anthropic 发布 Claude 5.2，千个 Agent 八天写出一个能开机的操作系统
原创 · 约 24 分钟阅读 · 阅读 --

20261110：Anthropic 发布 Claude 5.2，千个 Agent 八天写出一个能开机的操作系统

作者: Alex Xiang

人工智能工程实践

本文完全由 WorkBuddy 独立收集资料、调试代码并完成文章写作。

扫码注册 WorkBuddy 即可获取 2000 积分

我是 Alex Xiang，前百度/微博工程师，现在专注于 AI 工程与工具产品。更多文章欢迎关注微信公众号「字与码」。

当地时间 11 月 9 日，Anthropic 发布新一代旗舰模型 Claude Fable 5.2 与 Claude Mythos 5.2。同一天，恰好是它按 SEC 规则最早可以启动 IPO 路演的窗口。一边是万亿估值的大考，一边是「千个 Agent 连续工作八天写出能开机的操作系统」的演示——这场发布会的两层信息得放在一起看。

先看当日其他值得注意的动态：

  • 英伟达同日发布机器人世界动作模型 GR00T 2 与 Isaac Lab 3.0，50 项任务里 40 项不用示范就能直接做。
  • 谷歌把进化式代码优化 Agent AlphaEvolve 转为 Gemini Enterprise 上的正式服务，同日曝光两款定于 2027 年推出的新 TPU。
  • Octomind 开源了用 Rust 写的 AI 编码 harness：单二进制、MCP 原生、模型可换，官方基准 25 道 PR 题拿到 24 道。
  • 基元律动发布 Agent 原生模型 NeoHorse-1.5-Flash Preview（总参数 180B、激活 6B），延续递归自我改进的「第二圈」叙事。

一场踩着 IPO 节点发出来的发布会

Anthropic 在 10 月 26 日公开递交 S-1 招股书。按 SEC 规则，公开递交满 15 个日历日才能正式面向投资者营销——11 月 10 日正好是第一个合规窗口。计划是 11 月 16 日当周完成定价，赶在美国感恩节前登陆纳斯达克，代码 ANT，目标 11 月 19 日或 20 日开始交易。

发行参数本身也在波动。此前流出的版本（约 8.67 亿股、每股 70 至 80 美元、最高融资约 693 亿美元）被公司以「内容有误」为由撤回，随后更新的方案是约 8.25 亿股、每股 70 至 78 美元、最高约 644 亿美元。估值预期则一路下修：几个月前市场传的是 2 万亿美元，一周前 1.5 万亿，现在投资者讨论的区间落在 1.1 万亿到 1.3 万亿。背景是三季度环比增速从 144% 掉到 47%，单季净亏损 232.9 亿美元。

模型本身的商业参数反而简单：输入 8 美元、输出 40 美元每百万 token，比上一代降 20%；输出速度最高提升 30%；fast mode 以两倍价格换最高 2.5 倍生成速度。值得注意的是，这是达里奥·阿莫代伊 9 月公开呼吁「放缓 AI 发展速度」之后，Anthropic 第一次推出所谓「前沿」模型——在冲刺万亿估值的当口，「克制」和「秀肌肉」被压进了同一周。

跑分：编程、图表、机器人三条线同时抬高

复杂编程基准 FrontierCode 2.0 从上一代的 32.4% 升到 49.1%，高于 Opus 5.5 的 45.5%、GPT-6 Astra 的 42.8% 和 Gemini 4 Carbon 的 41.1%。这个基准考的不是算法题，而是模型对开源项目做出的改动能否达到维护者愿意合并的标准——更接近真实工程里的「能不能交差」。

FrontierCode 2.0：Fable 5.2 拿到 49.1%，领先所有竞品

图表理解 Chartography 从 44.8% 升到 73.4%，这是读懂财报图表和实验数据的基础能力。机器人控制 RoboDojo 双臂仿真测试从 27.6% 升到 64.9%，同期 Opus 5.5 是 39.4%、GPT-6 Astra 是 29.8%。Mythos 5.2 在内部 CVE Rediscovery 评测里，对 1829 个已披露漏洞的重新发现率从 78.3% 提到 89.6%，比 Opus 5.5 高 10.2 个百分点；一家安全公司发现，Mythos 5.2 确认的 bug 里六分之一是其他所有前沿模型都漏掉的，而且上一代约二十分之一的误报严重性高估，这一代一个都没有。

另一条常被引用的数字：Anthropic 自己核心代码库里超过 90% 已合并的代码变更，由 Claude 在人类指导下生成。

三个案例：操作系统、费马定理、三块电路板

最有传播力的演示是操作系统。一名 Anthropic 工程师让 Fable 5.2 从一个空文件夹开始设计一套原型操作系统：模型自主协调超过 1000 个子 Agent，连续工作 8 天，自行完成代码编写、测试和审查。最终产物能在笔记本电脑上启动，有独立内核、磁盘键盘和网络驱动程序、持久化文件存储、窗口系统、登录界面、安装程序，甚至集成了 Claude 功能。关键不是「像不像操作系统」，而是这是一份可运行的交付物，不是概念视频。

超过 1000 个子 Agent 连续 8 天，交付一套能在笔记本上启动的系统

数学这边要先厘清一件事：费马大定理 1994 年就被怀尔斯证明了，Anthropic 展示的是形式化——把已有证明转成计算机可逐步核验的代码。约 1000 个 Fable 5.2 Agent 用 30 小时完成；此前 Anthropic 用一个未发布的 Claude 研究版本、配合专用工具和人类研究人员，花了 11 天；同配置下 Opus 5.5 跑 30 小时只完成 26%。

形式化费马大定理：此前 11 天的活，现在 30 小时

硬件是第三个案例。Anthropic 与电路板设计公司 Diode 合作，让 Fable 5.2 根据一段文字描述设计三款电子设备：家用语音助手、USB 会议扬声器和掌上电子宠物。模型自己写规格、选元件、设计四层电路板、画 3D 打印外壳、写配套软件；每款电路板不到一天达到可制造状态，Diode 制造后模型还指导测试和装配，三款设备全部正常运行、无需修改电路。此外还有一项内部工程任务：把重要生产服务从 Python 迁移到 Rust，启动速度提升约 26 倍。

一套权重两扇门：护栏怎么做

Fable 5.2 和 Mythos 5.2 是同一套底层权重，区别只在安全限制与访问权限。Fable 面向所有用户，内置网络安全和生物学护栏，会屏蔽大部分攻防类任务；Mythos 放开漏洞发现等高危能力，只对通过 Cyber Verification 和 Life Sciences Verification 审核的机构开放。企业客户即使不进审核项目，也能通过 Claude Security 使用它的漏洞扫描能力。

同一套权重，两种开放方式：Fable 全员，Mythos 审核制

配套政策也值得记：符合零数据保留条件的客户照旧，其他客户默认 30 天数据保留用于安全监控；新的 Enterprise Frontier Safeguards（私测中）把自动安全监控跑在客户自己的基础设施里。最重要的一条是 Anthropic 主动承认的：它刻意限制了模型在 AI 芯片内核优化和模型架构改进类任务上的训练进步，让这部分能力维持在大约 Opus 5.5 的水平，理由是降低 AI 加速研发更强 AI 的风险。这是「自己给自己上锁」的一次公开实例。

通用模型摸到了具身智能的门口

Fable 5.2 的机器人演示是真机：控制机械臂完成拧瓶盖、解魔方、绘制图案三项从未被专门训练过的任务。Anthropic 的表述很直白——「优于大多数专为机器人控制而设计的 AI 系统」。这句话冲击的是过去的主流预设：机器人需要更垂直的具身大模型来解决空间理解、动作规划和长程控制。

真机演示里没专门训练过的任务：拧瓶盖、解魔方

同一天英伟达给出了另一条路线的答案：GR00T 2 用 40.3 万小时人类第一视角视频加遥操作数据做预训练，主打「海量人类经验 + 少量真机示教」。市场立刻投票：A 股机器人板块大涨，宇树科技涨近 9% 市值重回 3000 亿元上方，亿嘉和涨停；前特斯拉 Optimus 模型研究员 Bingjie Tang 同期宣布加入 Anthropic。

两条路线看似相反，瓶颈却是同一个：数据。机构测算成熟具身大脑需要千万甚至亿小时级数据，而行业现存数据只有数十万小时，缺口两到三个数量级。通用模型介入带来的真正变化，是具身公司必须重新回答「为什么必须专用」——如果通用模型顺带就能拧瓶盖，专用路线的溢价故事要重新讲。

冷思考：demo 和产品之间隔着可靠性

Omdia 首席分析师 Lian Jye Su 的判断值得原样记下：没有人类监督时可靠性仍是问题，跨企业工具协调多个 Agent 也很困难，组织需要隔离环境、行为监控和人工审批关键变更。Greyhound Research 的 Gogia 说得更锋利：「Anthropic 降的是 token 的价格，不是思考的价格。」effort 分档定价意味着成本要按成功完成的任务算——Hacker News 上已有用户抱怨单个任务的总成本反而比 5.1 更高。

还有一个容易被忽略的细节：Anthropic 自己建议普通编程和日常知识任务继续用 Opus 5.5，Fable 和 Mythos 只面向复杂、长期运行的项目。旗舰的定位是顾问和编排器，不是全线替代品——这与其说是谦虚，不如说是成本结构使然。

把这一切放回 IPO 语境：发布踩着路演窗口，费马定理和黑洞物理的案例更像是路演材料上的高光。但「八天操作系统」仍然把「长时间自主工作」从话术变成了可检验的产物。对工程师真正有用的结论是：当千个 Agent 的编排已经能连续跑一周，瓶颈就不再局限于单模型能力，而转移到验证闭环、审计和回滚——这些恰好是至今还没有被产品化的部分，也是下一阶段真正的竞争位置。

其他动态

英伟达 GR00T 2 与 Isaac Lab 3.0。世界动作模型基于 Cosmos 平台构建，预训练融合 40.3 万小时人类第一视角视频、1 万小时 UMI 夹爪与 2.35 万小时机器人遥操作数据；50 项任务中 40 项无需针对性示范即可完成，加入完整人类视频后 72 项真机任务的平均完成进度从 50% 提升到 70%。

谷歌 AlphaEvolve 转为正式服务。这个 Gemini 驱动的进化式代码优化 Agent 上线 Gemini Enterprise Agent Platform，以托管 API 提供；谷歌自报数字称已在其基础设施中找回 0.7% 的全球算力，并把一个关键 Gemini 训练内核提速 23%。同日曝光两款新 TPU：8tx 面向政府与受监管行业的保密计算，8i Max 双芯封装面向长上下文应用，均计划 2027 年推出。

Octomind 开源 Rust 编码 harness。CLI 优先、单二进制、Apache 2.0、MCP 原生，支持会话中途热换模型；官方引用的基准里，配 GLM-5.2 时 25 道题合并 24 个 PR，同模型的 OpenCode 是 19 个。卖点是把价值主张从模型层挪到运行时层——把 agent 当成一个开发者拥有的文件，而不是租来的服务。

基元律动 NeoHorse-1.5-Flash Preview。总参数 180B、激活 6B，基于 Qwen3.8-Flash 训练；对照评测里 Agents’ Last Exam 整体提高 9.23 分、Natural Language to Repository 提高 5.92 分。公司延续递归自我改进的「第二圈」叙事，同步更新了 OpenSquilla 的模型档位选择策略。

参考资料

打开原图 ↗