人工智慧（Artificial Intelligence, AI）研發公司 Anthropic 宣布推出新一代旗艦模型 Claude Fable 5.2 與 Claude Mythos 5.2，在程式寫作、圖表判讀與科研推理等多項測試獲得顯著進展。新模型除了提高三成的生成速度並調降運算成本，更展示了自動化開發作業系統以及跨領域硬體研發的實際應用成果。
評測數據大幅提升 展現複雜程式與機器人控制能力
這款最新模型在各項效能指標上展現出領先趨勢。在衡量複雜軟體工程能力的 FrontierCode 2.0 測試中，Fable 5.2 的表現從前代的 32.4% 提升至 49.1%，此項基準主要評估模型撰寫的程式碼是否符合開源專案的審核與採納標準。此外，在圖表理解測試 Chartography 中，其得分也自 44.8% 大幅成長至 73.4%；在模擬機器人操作的 RoboDojo 測試中，任務成功率提高至 64.9%。
本次發布劃分為兩個版本，底層採用相同模型架構。Claude Fable 5.2 面向一般使用者與大眾開發者；Claude Mythos 5.2 則針對特定安全與科學機構開放，用於網路安全防護與生命科學等專業研究。在整體營運效能上，新模型的輸出速度比前代快了約 30%，同時運算調用的標準價格也降低了兩成。
多智能體協作實例 從軟體工程到硬體設計
除了數據表現外，新模型在實際應用上的展現更加引人注目。在軟體開發領域，工程師曾測試讓 Fable 5.2 從空白專案起步，調動超過一千個 AI 智能體（AI Agent）進行分工、編寫與測試，耗時八天便建構出具備核心管理、圖像介面且能在筆記型電腦執行的作業系統原型。另一個企業案例則是透過智能體團隊，將既存的生產服務程式碼由 Python 語言遷移至 Rust 語言，成功讓服務啟動速度提升至原先的 26 倍。
在硬體與跨領域研究方面，該模型與電路板製造商 Diode 合作，在極少人工介入的情況下，於一天內完成包含語音中樞、會議麥克風與電子寵物等硬體的規格制定、四層電路板佈線與外殼設計，實體裝置經組裝後均一次順利運作。而在高階科研上，新模型除了完成黑洞物理計算與兩百多年前的費馬大定理形式化證明，Mythos 5.2 亦成功預測了 28 種病毒衣殼的完整結構。
給家長與老師
面對生成式 AI 展現出「八天做作業系統」與「一天完成電路設計」的強大實力，家長與老師可能會思考：孩子未來還需要學習寫程式嗎？事實上，這代表資訊教育的重點正轉向更高層次的運算思維與系統設計能力。
- 從死記語法轉為邏輯規劃： 未來的程式學習不再側重於記憶特定語言的語法細節，而是訓練孩子如何定義問題、拆解任務，並指揮多個 AI 工具協同運作。
- 培養跨領域 STEM 整合思維： 模型能同時處理硬體布線、軟體撰寫與科研邏輯，這說明未來的科技人才需要兼具科學知識與專案管理能力。引導孩子從生活問題出發，體驗完整的專案開發流程，會比單純練習題目更有意義。
學習小教室
- 生成式 AI（Generative AI）： 一種人工智慧技術，能夠根據輸入的指令或資料，自動產生文字、程式碼、圖像或聲音等全新內容。
- AI 智能體（AI Agent）： 不僅僅是回答問題的聊天機器人，而是具備目標導向能力、能自行規劃執行步驟、呼叫外部工具並自我修正以完成任務的軟體系統。
- 程式碼遷移（Code Migration）： 指將一套寫好的軟體系統，從原有的程式語言轉換為另一種程式語言（例如從 Python 改寫為 Rust），通常是為了獲得更高的執行效率或系統安全性。
常見問題
Claude Fable 5.2 與 Mythos 5.2 有什麼差別？
兩者採用相同的底層模型，Fable 5.2 面向廣大使用者開放，而 Mythos 5.2 則需通過審核項目授權，專門用於網路安全與生命科學等特定領域。
AI 已經能自己寫作業系統，學生還需要學 Python 嗎？
需要。學習 Python 等程式語言能奠定孩子的運算思維與邏輯基礎，幫助孩子理解程式運作邏輯，進而在未來更好地指揮與審查 AI 所產出的成果。
這項新技術對實體機器人和硬體開發有何幫助？
新模型能快速規劃電路板布線、選用電子元件並編寫軟體，同時提升機器人透過鏡頭辨識環境與控制動作的成功率，大幅縮短硬體研發時程。