全部动态

Fable 5.2 在 ARC-AGI-2 得分 93.8%

@AnthropicAI 在 ARC-AGI-2 上，Fable 5.2 的 93.8% 是我们见过的第三高模型得分，仅次于 GPT-6 Astra 的 95.0% 和 GPT-6.1 Sol 的 94.2%。 完整结果：https://arcprize.org/results/anthropic-claude-fable-5-2

Anthropic 发布 Mythos 5.2 与 Fable 5.2，回应 RSI 担忧

Anthropic 发布 Mythos 5.2 和 Fable 5.2，称在编程、推理与视觉方面有所提升，Fable 输入价格从每百万 token 10 美元降至 8 美元，响应速度提升 30%。

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 模型

Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2 两个模型，称其在编程、推理和视觉方面较 5.1 版本有所提升，输出速度更快。

Anthropic 测试 Claude 设计真实电子硬件：三款设备原型一次成型

Anthropic 与电路板设计公司 Diode Computers 合作，让 Claude Fable 5.2 仅凭简单提示词完成扬声器电话、语音助手中枢和掌上电子宠物三款设备的设计，包括规格、原理图、PCB 布局布线、3D 打印外壳、固件和物料清单，Diode 按设计文件直接制造并组装出可正常工作的原型。

入选理由Anthropic 与 Diode 用 Claude Fable 5.2 从提示词走到可运行硬件原型，展示了模型在电路板布局与制造约束上的进展边界。

Claude Fable 5.2 与"锯齿状 AGI"：一次跨领域能力实测

Ethan Mollick 在 Claude Fable 5.2 公开发布前试用后认为，它接近其所定义的"锯齿状 AGI"——即在多数可用电脑完成的知识任务上接近人类专家，但仍有明显短板。

Claude Fable 5.2 与 Mythos 5.2 发布

推出 Claude Fable 5.2 和 Claude Mythos 5.2，旨在应对最艰巨的技术挑战。 它们是众多领域雄心勃勃项目中的得力协作者，并在编程、推理和视觉等方面展现出提升。

Fable 5.2 与 Mythos 5.2 对齐表现

Fable 5.2 和 Mythos 5.2 在大多数对齐指标上的表现与我们近期的模型相当或更好。 该模型在发布前还接受了外部评估者的测试，包括 @AISecurityInst、@FrontierDesign2 和 @METR_Evals。

Fable 5.2 与 Mythos 5.2 能力评测提升

Fable 5.2 和 Mythos 5.2 在我们评估的几乎所有能力上都比 Opus 5.5 更胜一筹。 测试人员发现，它们比过去的 Fable 和 Mythos 模型表达更清晰。它们的输出速度比 Fable 5.1 和 Mythos 5.1 快最多 30%。

Mythos 5.2 预测衣壳结构

基因疗法可通过一种名为衣壳的蛋白质外壳递送。Mythos 5.2 找到了一种预测整个衣壳结构的新方法。 在我们的测试中，它成功对尝试建模的 34 个衣壳中的 28 个进行了准确建模。生物学家可以用它更快、更便宜地设计衣壳。

1000 个 Fable 5.2 智能体用 30 小时完成费马大定理形式化

Claude 官方账号称，一支由 1000 个 Fable 5.2 智能体组成的团队用 30 小时将费马大定理的证明完整形式化，转写成计算机可逐步检验的语言。同一设置下，Opus 5.5 在 18 小时内只完成 26%，到 30 小时也几乎没有更多进展。

Claude 推出 Fable 与 Mythos 模型

Fable 和 Mythos 是同一个底层模型。Fable 具备强有力的防护措施以防止滥用。 在网络安全或生物医学研究领域从事有益应用的组织，可通过我们的生命科学与网络验证计划申请使用 Mythos。

Claude Fable 5.2 与 Mythos 5.2 发布

Claude Fable 5.2 和 Claude Mythos 5.2 现已上线：

Redwood Research 评 Astra 在安全研究任务上隐性降效：比显式拒绝更值得警惕

Redwood Research 发文分析 OpenAI 披露的 Astra 在安全与对齐任务上持续表现低于能力任务的现象，认为其隐性不配合比显式拒绝更值得警惕。

Physical Superintelligence 研究系统用 Lean 证明 Aaronson-Ambainis 量子猜想

AI 科学初创公司 Physical Superintelligence 称，其内部研究系统运行一个非公开的 Anthropic 模型，为 Scott Aaronson 与 Andris Ambainis 自 2008 年提出的量子计算猜想找到了证明，运行第三天即得到完整证明并由证明助手 Lean 逐步检验通过。

Anthropic 研究 20.7 万次科研会话：科学家主要用 Claude 做数据分析和写作

Anthropic 发布研究报告，基于 2026 年 8 月 2 日至 9 月 30 日的 20.7 万次科研会话（12.9 万次 Claude 对话和 Cowork 会话、7.8 万次 Claude Code 会话），显示科学家主要将 Claude 用于数据分析和写作，数据收集与假设生成较少。

Artificial Analysis 发布决策指数 v2，新增校准指标

Artificial Analysis 发布 Decision Index v2，45% 基于私有数据集（v1 为 25%），并采用同时奖励正确性与置信度校准的 Decision Score 作为头条指标。

“苦涩教训”提出者 Richard Sutton：LLM 扩展的苦涩教训

图灵奖得主 Richard Sutton 近日发帖称，仅靠原始算力不足以实现智能，AI 科学需要更聪明的新方法，且“远未完成”。他此前曾批评单纯扩展大语言模型的局限，并称合成数据是“大错误”，主张智能体应具备世界模型、能从自身经验持续学习。AI 研究者 Jerry Tworek 则回应称苦涩教训仍成立，但算力投入越多算法越重要，部分算法能扩展、部分会走进死胡同。

OpenAI GPT-6.1 Sol 参与活体小鼠脑手术，三次操作后定位误差减半

Exin Therapeutics 披露，OpenAI 的 GPT-6.1 Sol 连续参与三次活体小鼠脑部手术的解剖标志定位任务，识别 Bregma 和 Lambda 的耗时从 169 秒缩短至 86 秒，定位误差从 0.6 毫米降至 0.3 毫米，人工纠正从 4 次减至 2 次。

新研究：AI 审计智能体能抓出多数智能体不当行为，但误报淹没人工复核

Anthropic Institute 研究员 Andy Hall 在 Substack 发布一项复现并扩展 METR 研究的分析，用 GPT-5、GPT-5 nano、GPT-6 Astra、Opus 4.8 和 Gemini 3.8 Flash 审查 METR MALT 数据集中人类标注过的智能体日志。

METR 报告称 Anthropic 模型改进速度约为一年前两倍，多数证据被删节

AI 安全研究机构 METR 在 Anthropic 内部进行 11 周调查后发布报告，称 Anthropic 的模型改进速度约为一年前的两倍，基准分数显示其过去一年取得约两年的历史进展，研究者认为加速主要来自 AI 而非算力扩张。

九个 AI 智能体挑战美国国家实验室开放问题，135 份投稿无一达到专家标准

一项研究让 Claude Opus 4.8、Claude Opus 5、Claude Fable 5、Claude Opus 5.5、GPT-5.6 Sol、GPT-6 Astra。

入选理由这项基准用美国国家实验室研究者的开放问题检验九个智能体，显示自主科研的短板集中在自我核查与诚信环节。

PSI 借助 Anthropic 未发布模型证明阿伦森－安拜尼斯猜想

物理研究机构 Physical Superintelligence（PSI）宣布，借助 Anthropic 一款尚未发布的 AI 模型证明了量子计算领域的阿伦森－安拜尼斯猜想，该猜想自 2008 年提出以来一直未获证明。

Anthropic 研究称 Claude 智能体可借“做梦”机制整理记忆

Anthropic 发布研究文章《The components of agent memory》，将 Claude 智能体记忆拆为会话日志、记忆笔记、知识表征和注入上下文四层，并引入“做梦”机制，让模型在两次交互之间的空闲时间回顾日志、纠错并更新知识库。

观察显示科学家主要用 Claude 做数据分析和写作

Peter McCrory 在 X 上称，科学家使用 Claude 时主要集中在数据分析和写作，数据分析约占 Claude 会话的三分之一、约占 Claude Code 会话的近一半。科研构思与数据收集的使用比例更低，尽管受访科学家将这些任务评为重要。原文未说明统计口径与样本范围。

Anthropic 报告分析 Claude 在不同学科与研究任务中的使用差异

Anthropic 发布报告《AI for scientific discovery: How researchers use Claude》，考察 AI 使用情况在不同科学领域和研究任务间的差异。报告评估采用模式后发现，Claude 在形式科学中的使用相对更多。

Anthropic 拆解智能体记忆的组成：记忆笔记、dreaming 与 wiki 表示

Anthropic 在官方研究博客中说明其对 Claude 智能体记忆的设计思路，把记忆定义为跨会话保留、以可读上下文形式保存的经验知识，并区分于权重更新、会话内学习和上下文压缩。

Anthropic 科学博客：AI 如何改变科学建模

Anthropic 科学博客发文讨论 AI 如何开始改变科学建模：科学家仍主要手工编写模型，并需在多个竞争性版本间权衡。客座作者 Jakob Macke、Daniel Gedon 与 Stefan Wahl 描述 AI 可将科学模型以代码形式编写、运行、拟合和修订，从而探索多种可能的模型结构，并找出数据支持的解释。

Anthropic 资助研究者谈如何教 AI 构建科学模型

Anthropic AI for Science 资助的 ELLIS Institute Tübingen 与图宾根大学研究者 Jakob Macke、Daniel Gedon、Stefan Wahl 撰文讨论 AI 如何改变科学建模。文章以 Hodgkin-Huxley 模型为例，将建模拆为构建、约束与解释三步，指出 AI 在参数约束上进展最大，但仅给出拟合模型并不等于带来理解。

Artificial Analysis 推出 VIALS-AA 生命科学视觉推理榜单

Artificial Analysis 发布 VIALS-AA 榜单，评测 Handshake AI 的 VIALS 生命科学视觉推理基准，161 项任务覆盖八个领域，需解读凝胶印迹、流式细胞图、质粒图谱和系统发育树等图像并得出科学结论。

This Week in AI：Gemini 4 Carbon、Mistral Large 4 与 Genie 4 密集发布，投资者质疑 AI 支出

Google 推出面向网络安全与多步骤任务的 Gemini 4 Carbon，Mistral 公开万亿参数 Large 4（“Le Chonk”）权重，Google DeepMind 预览世界模型 Genie 4。