Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2
Introducing Claude Fable 5.2 and Claude Mythos 5.2
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，两者为同一底层模型，Mythos 需通过 Cyber 或 Life Sciences Verification Program 申请访问。
官方发布给出了具体基准对比、定价与安全测试细节，读者可据此评估新旧模型的能力与成本差异。
我们升级了 Claude Fable 和 Claude Mythos——这两款模型专为攻克最艰巨的技术难题而设计。
Claude Fable 5.2 和 Claude Mythos 5.2 在编程、推理和视觉等方面都有提升。在预发布测试中，它们帮助我们的工程师完成了原本难以实现的软件迁移，从零设计出三款可工作的电子设备，解决了黑洞物理学中的两个开放问题，在机器人评测上取得实质性进展，并在 30 小时内形式化证明了费马大定理——此外还有许多其他应用，我们将在下文讨论。
Claude Fable 和 Claude Mythos 是同一个底层模型。Fable 配备了强大的网络安全和生物学防护措施以防滥用，因此我们可以向所有用户开放。在网络安全或生物医学研究领域从事有益应用的组织，可以通过我们近期扩展的生命科学和网络安全验证计划申请访问 Mythos。
测试人员发现，Fable 5.2 和 Mythos 5.2 的沟通比以往的 Fable 和 Mythos 模型更清晰。它们的输出生成速度比 Claude Fable 5.1 和 Claude Mythos 5.1 快最多 30%，而且价格更低：每百万输入 token 8 美元，每百万输出 token 40 美元。
Fable 5.2 和 Mythos 5.2 还提供可选的快速模式，可将 token 生成速度提升最多 2.5 倍。快速模式的价格为每百万输入 token 16 美元，每百万输出 token 80 美元。
安全与对齐。为帮助确保安全与对齐跟上模型能力的增长，我们对 Fable 5.2 和 Mythos 5.2 的底层模型进行了大量预发布安全测试。这包括开发新的评测方法，以更深入地了解沙箱逃逸等特定的令人担忧的行为。我们认为，失准带来的高风险仍然较低，而且该模型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。Fable 5.2 的网络安全和生物学防护措施与 Fable 5.1 一样稳健，但产生的误拦截更少，并且我们实施了有史以来最强的防蒸馏攻击保护。
我们在下文进一步介绍安全测试，完整细节也可在Claude Fable 5.2 和 Mythos 5.2 系统卡中找到。
何时使用 Claude Fable 5.2 和 Mythos 5.2。Fable 和 Mythos 最适合最具雄心、开放式的技术工作。对于大多数编程和知识任务，我们建议用户从 Claude Opus 5.5 开始——这是我们最强的日常主力模型——然后根据工作的范围和复杂度按需切换到其他模型：向上切换到 Fable 或 Mythos，或向下切换到 Claude Sonnet 5.5 或 Claude Haiku 5.5。Fable 5.2 还可以扮演顾问的角色（Haiku、Sonnet 或 Opus 模型向它咨询，以帮助解决更难的问题）或编排者的角色（将更简单的任务委派给更小的模型）。
评估 Claude Fable 5.2 和 Mythos 5.2
基准测试表现。下表的基准测试显示，在我们评估的几乎所有能力上，Claude Fable 5.2 和 Claude Mythos 5.2 都比 Opus 5.5 更胜一筹：
| Fable 5.2 | Fable 5.1 | Opus 5.5 | GPT-6 Astra | Gemini 4 Carbon | |
|---|---|---|---|---|---|
| 智能体编程FrontierCode 2.0 | 49.1%Xhigh 推理强度 | 32.4%Xhigh 推理强度 | 45.5% | 42.8% | 41.1%中等推理强度 |
| 智能体编程FrontierSWE v2 | 69.9% | 56.3% | 62.3% | 65.5% | 61.2% |
| 业务流程AutomationBench | 51.4% | 31.4% | 42.5% | 41.4% | 53.9% |
| 智能体科研Terminal-Bench-Science 0.1 | 74.6%75.3%（Mythos 5.2） | 52.6% | 58.7% | 68.1% | 64.8% |
| 网络安全CyScenarioBench† | 76.3%Mythos 5.2 | 61.7%Mythos 5.1 | 67.6%未启用防护措施 | 61%GPT-6 Cyber | — |
| 网络安全CVE 重新发现 | 89.6%Mythos 5.2 | 78.3%Mythos 5.1 | 81.3%未启用防护措施 | — | — |
| 蛋白质设计从头设计结合蛋白（24 小时） | 85.1%Mythos 5.2 | 79.1%Mythos 5.1 | 82.6%未启用防护措施 | — | — |
| 智能体搜索WANDR（宽松评分） | 82.1% | 68.7% | 72.3% | — | — |
| 计算机操作OSWorld 2.1（离线集，部分） | 89.3% | 83.5% | 87.2% | 79.5% | 81.5% |
| 机器人RoboDojo Sim‡ | 64.9% | 27.6% | 39.4% | 29.8% | — |
| 知识工作AA-Briefcase v1.1 | 66.1%评分标准 | 61.5%评分标准 | 61.2%评分标准 | 52.0%评分标准 | 61.8%评分标准 |
| 1785Elo | 1669Elo | 1800Elo | 1569Elo | 1611Elo | |
| 知识工作Remote Labor Index（RLI） | 41.3%高投入度 | 17.9% | 21.3% | 20.8% | — |
| 多学科推理Humanity’s Last Exam（使用工具） | 74.2% | 65.6% | 67.7% | 57.2% | — |
| 图表视觉识别Chartography（不使用工具） | 73.4% | 44.8% | 64.4% | 71.0% | 72.5% |
评估方法的详细说明见 Claude Fable 5.2 与 Claude Mythos 5.2 系统卡。除另有说明外，Fable 5.2、Fable 5.1 和 Opus 5.5 的分数均为启用防护措施后的结果；除另有说明外，所有分数均取各模型可用的最高投入度。 † 在 CyScenarioBench 上，各实验室的分数基于各自独有的任务。 ‡ RoboDojo Sim 取最高可用投入度，且为内部运行。
投入度与效率。在中等投入度下（Claude 应用和 Claude Code 的默认设置），Fable 5.2 能用比 Fable 5.1 更少的 token 完成高难度任务。在 FrontierCode 2.0 评估的早期测试中，Fable 5.2 在高投入度下的得分与 Opus 5.5 在最高投入度下大致相当，而每个任务的成本约为后者的一半。在 Xhigh 投入度下，它的得分也是我们测试过的所有已发布模型中最高的。
FrontierCode 衡量的是模型所做的代码改动能否被开源仓库的维护者合并。在高投入度下，Fable 5.2 的得分与 Opus 5.5 的最佳成绩基本持平（45.3% 对 45.5%），而每个任务的成本约为后者的一半；同时以大致相同的成本领先于 GPT-6 Astra 的最佳成绩（42.8%）。在 Xhigh 投入度下，Fable 5.2 达到 49.1%，是我们测试过的所有已发布模型中的最高分。
编程
如今合并进 Anthropic 核心代码库的改动中，超过 90% 由 Claude 编写（在人类指导下完成）。我们用 Fable 5.2 在几分钟内修复了顽固的 bug，优化了所有服务的性能，还完成了若干高价值的软件项目——这些项目若按以往方式推进，要么太慢，要么成本太高。一个由智能体组成的团队运行着较早版本的 Fable 5.2，把一个关键的生产服务从 Python 迁移到了 Rust——该服务现在更高效、更可靠，启动速度快了约 26 倍。我们发现，Fable 5.2 展现出很强的工程判断力，即使面对含糊的需求也能产出高质量的结果。
作为实验，Anthropic 的一位工程师让 Fable 5.2 设计一个原型操作系统。模型从一个空文件夹起步，协调了 1000 多个子智能体，昼夜不停地工作了八天，编写、测试并审查代码。它最终产出了一个可用的操作系统，能在笔记本电脑上启动，自带运行机器的内核、磁盘、键盘和网络驱动、永久文件存储、窗口、登录界面、安装程序，以及内置的 Claude 功能（见下方视频）。
早期测试者对 Fable 5.2 的编程能力能如此成功地应用于各类任务印象深刻：
引述
“这个模型就像住在我脑子里。它理解我给出的每一条提示词背后的意图。我一次都没说过‘不，我的意思是……’。我们用其他模型推进了好几周的项目，换成 Claude Fable 5.2 后几天内就完成并得到了同事的认可，而审查其代码的人提出的意见也更少了。”
公司Vercel
作者Joe Haddad，技术员工
网络安全
Claude Mythos 5.2 是我们在网络安全工程方面能力最强的模型。它发现的漏洞比我们此前的模型更多，也更擅长复现和修复漏洞（请注意，Claude Fable 5.2 的安全防护会拦截大多数与网络安全相关的任务）。一家安全公司发现，Claude Mythos 5.2 确认的 bug 中，每六个就有一个被他们测试的所有其他前沿模型漏掉。在我们的内部评测 CVE Rediscovery¹ 中，Claude Mythos 5.2 发现的漏洞比 Claude Opus 5.5 多 10.2%，比 Claude Mythos 5.1 多 14.4%。Claude Mythos 5.2 的判断力和校准也更好——一位测试者发现，此前的模型会把大约二十分之一的发现夸大为严重问题，而 Claude Mythos 5.2 一次都没有夸大。²
CVE Rediscovery 是一项内部网络安全评测，衡量模型在拿到某个 CVE 修复前的项目快照时，能独立找出多少已公开的 CVE（通用漏洞披露）。我们在 2026 年 10 月针对 1,829 个 CVE 的测试显示，Claude Mythos 5.2 在每一个努力等级上都优于 Claude Mythos 5.1 和 Claude Opus 5.5。
Claude Mythos 5.2 的网络能力可通过我们的 Cyber Verification Program 获取，我们正在持续扩展和完善该项目。Claude Enterprise 客户（即使不是 Cyber Verification Program 的成员）也可以使用 Claude Security，它会用我们最强大的模型扫描代码库中的漏洞——现在这些模型已包括 Claude Mythos 5.2。Claude Security 最近的更新让它能在代码更新时持续监控代码仓库、跟踪所有发现的问题以确保修复、从额外上下文中学习，并通过 API 和 MCP 连接用户的工具。
Quote
“我们与 Anthropic 的新模型 Claude Mythos 5.2 紧密合作，在我们自己的系统中进行了新一轮高保真威胁发现与消除，针对的是早期 Mythos 模型未能发现的潜在问题。输出结果更易读，让我们的团队能更快、更轻松地进行抽查。我们的 Code Guardian 测试框架是基于 Mythos 5.1 构建的，我们会切换到 Mythos 5.2，为客户提供更强大的网络能力。”
CompanyRubrik
AuthorArvind Nithrakashyap，联合创始人兼首席技术官
科学与工程
科学、工程和数学领域的重要任务越来越依赖编程：分析数据、建模分子、设计零件、控制仪器，都要通过软件完成。下面我们介绍 Claude Fable 5.2 和 Claude Mythos 5.2 如何帮助研究人员在这些领域的难题上取得进展。
理论物理
Claude Fable 5.2 解决了理论物理中的两个开放问题。两者都与黑洞有关，也都涉及统一现代物理两大支柱理论——相对论与量子力学——的努力。
Claude 的这两项结果都依赖全息对偶，即某些包含引力的宇宙可以用一个完全不含引力的量子理论精确描述。在第一个问题中，物理学家在 1983 年已经证明，随着这类宇宙升温，黑洞会像水沸腾一样突然形成；但他们的方法只适用于大到足以让相对论成立的大宇宙。2003 年有人提出了一个计算方案，用来判断在只能使用量子描述的极小宇宙中是否同样如此，但计算量太大，无法完成。Fable 5.2 基本自主地完成了这项计算，发现那里的转变同样是突变的。在第二个问题中，物理学家 15 年多来一直用一种技术在简化宇宙中排除量子引力的候选理论，Fable 5.2 找到了该技术的精确极限。关于这些结果的更多内容，请参阅各自的预印本：这里和这里。
蛋白质折叠
腺相关病毒是一种小型无害病毒，其蛋白质外壳（即衣壳）可用于递送基因疗法。衣壳的蛋白质结构很重要——例如，它会影响疗法是否会被患者的免疫系统阻断——但同时也极其复杂。现有的蛋白质折叠模型（如 AlphaFold）能预测单个蛋白质，而一个衣壳却由数十个蛋白质组装而成。Claude Mythos 5.2 在两个开源蛋白质折叠模型的基础上，找到了一种准确预测整个衣壳结构的新方法。它编写代码，让这些模型在相互重叠的蛋白质链分组上运行，再利用已知的衣壳对称性信息将它们合并起来。
Claude 的方法在多个天然和人工设计的衣壳上都奏效了（在我们的测试中，它尝试了 34 个衣壳，准确建模了其中 28 个）³。三位计算生物学家分享了以下看法，谈 Claude 的能力可以如何加速他们的基因疗法研究：
引述
“这种加速能为我们的衣壳折叠流程节省可观的时间和成本，让我们更高效地把算力分配到基因药物所需的众多衣壳特性上。我们很高兴能帮助 Anthropic 进一步提升推理能力，从而降低衣壳设计的整体成本。”
公司Dyno Therapeutics
作者Sam Sinai，联合创始人兼 AI 负责人
数学
数学形式化。形式化是把数学证明翻译成计算机能逐步检验的语言的过程。它可以帮助人类数学家对结果建立信心，而不必手工检查（当 AI 模型生成人类难以验证的结果时，这一点尤为重要）。由于形式化过程极为繁琐，如果 AI 能协助完成，数学家就能把更多时间花在探索新想法上。
我们首次对费马大定理的形式化由 Claude 的一个未发布研究版本完成，耗时 11 天。它依赖一套专门搭建的框架，以及一位人类研究者的指导。相比之下，一支由 1,000 个 Fable 5.2 智能体组成的团队仅用 30 小时就完成了该定理的完整形式化，几乎无需人工干预。Fable 5.2 从最简的提示词出发，自行搭建协作方式，不使用任何数学参考资料，只依靠一份中间定理陈述清单来评估进展。它所需的动作 token 只有我们首次形式化的三分之一，产出的证明长度则缩短到七分之一。如下图所示，Opus 5.5（采用同样的 1,000 智能体配置）在 18 小时内只完成了 26% 的形式化，30 小时后几乎没有再取得进展。
关于这次形式化的更多内容见此处。
用数学编程语言 Lean 形式化费马大定理的证明。每条线表示 Fable 5.2（绿线）和 Opus 5.5（橙线）在约 1,000 个智能体、每个模型单次运行的情况下，30 小时内完成完整形式化的比例。在虚线处（18 小时），两支团队从上次保存处继续，又运行了 12 小时。
硬件与机器人
AI 的许多潜在好处——比如加速实验室研究——都取决于它能否在物理世界中行动。Claude Fable 5.2 延续了我们模型在现实世界中日益实用的趋势，在设计硬件设备等任务上展现出可喜的成果，在控制实体机器人方面也取得了实质性进展。
硬件工程。我们测试了 Fable 5.2 在硬件工程方面的能力：用一段话的提示词，让它设计并制作三台可正常工作的电子设备，每台都配有独立的电路板、3D 打印外壳和软件。这三台设备如下图所示：一台家用语音助手中枢、一部 USB 免提扬声器，以及一个掌上虚拟宠物。这个项目我们与电路板设计制造公司 Diode 合作完成。
Claude 自行编写了规格说明，从美国分销商处挑选可用的电子元件，为每台设备布线四层电路板，用计算机辅助设计为外壳建模，并编写了设备的软件。每块电路板都在不到一天内达到可制造状态，人工投入极少。Diode 造好电路板后，Claude 又指导该公司的工程师完成了设备的测试与组装。三台设备均无需任何电气改动即可正常工作。关于 Claude 硬件工程能力的更多内容，请见此处。
机器人技术。与早先的 Claude 模型相比，Fable 5.2 在控制实体机器人方面的能力大幅提升——即便是一些它从未接受过明确训练的机器人任务也是如此。下面的视频展示了由 Fable 5.2 控制的机器人完成各种任务，包括解开拼图方块、拧开瓶盖，以及画一幅机器人图画。在公开的 RoboDojo 基准测试中（该测试考察 AI 如何根据摄像头图像控制模拟双臂机器人），Fable 5.2 的表现优于在同一测试框架下运行的其他前沿模型，也优于大多数专门为控制机器人而构建的 AI 系统。
- Gemini 4 Argon
- GPT-6 Astra
- Fable 5.1
- Opus 5.5
- Fable 5.2
RoboDojo Sim 测试对模拟双臂机器人的控制能力。分数基于我们在各模型最高可用努力水平下的内部运行结果。在 Max 努力水平下，Fable 5.2 得分 64.9%，是 GPT-6 Astra（29.8%）和 Fable 5.1（27.6%）的两倍多。
研究与分析
早期测试者将 Claude Fable 5.2 用于研究与分析任务后发现，相比此前的模型，它能处理更模糊、数据量更大的任务，在模糊任务上的判断力也更好——尤其是需要抽象推理和设计的任务。自营交易公司 Jump Trading 在一组代理评估中测试了 Fable 5.2，这些评估与其部分量化研究任务相似，测试时把它嵌入了类似该公司自研研究使用的测试框架。在一次运行中，Fable 5.2 有效承担了所有必要角色：代码编写者、协调者、规划者和任务提交者。此前的模型则需要投入大量时间手动重新分配角色，以适配不同模型的长处和短板。
来自研究与分析机构的其他测试者向我们发来了以下关于他们使用 Fable 5.2 体验的陈述：
Quote
“Claude Fable 5.2 在研究系统中扮演每一个关键角色都表现出色：定义问题、解读、协调，当然还有发现并落实关键想法。在品味和判断力方面，它绝对是我们见过的最强模型之一。在一项内部研究自动化基准测试中，它的错误率比第二好的模型整整低了 10%。”
公司Jump Trading
作者Lucas Baker，LLM 研发负责人
安全与对齐
没有任何单一测试能告诉我们，一个能力极强的模型在部署后会如何表现，因此我们在发布前会依赖多种不同的测试和多种类型的证据。对于 Claude Fable 5.2 和 Claude Mythos 5.2 背后的模型，我们的部署前安全工作包括对齐训练与测试、针对模型采取无益行为倾向的新设计评估、构建更强的防滥用保障措施，以及扩大行为监控规模。该模型在发布前还接受了外部评估者的测试，包括 英国 AI 安全研究所、Frontier Design 和 METR。他们的报告摘要⁴以及我们自身安全与能力测试的完整说明，见 Claude Fable 5.2 与 Mythos 5.2 系统卡。
对齐测试
我们运行了一套评估，考察 Claude Fable 5.2 和 Claude Mythos 5.2 在行为层面的对齐程度，测试它们以非预期且可能不安全的方式行事的频率。综合一系列评估中我们看到的所有情况，我们判定这些模型在高风险情境下以不安全方式行事的风险为低（与我们近期其他模型相同）。
我们在自动化行为审计中测试了 Claude Mythos 5.2（与 Fable 5.2 是同一底层模型，但不含某些网络安全或生物学保障措施），该审计考察模型在约 1,900 个场景中的行为表现。在大多数指标上，Claude Mythos 5.2 的表现与 Opus 5.5、Sonnet 5.5 和 Claude Mythos 5.1 相当或更好。例如，在大多数涉及误导用户的指标上，它的得分优于这三者。Claude Mythos 5.2 在幻觉输入、谎称已完成任务、遗漏重要信息以及未披露糟糕或敷衍的工作等方面的表现都更低。⁵
- Mythos 5.1
- Opus 5.5
- Sonnet 5.5
- Mythos 5.2
我们自动化行为审计的总体得分，该得分综合了多种不良行为，包括配合人类滥用以及在一系列场景中的自主行动。得分越低越好。完整细节见 Claude Fable 5.2 与 Claude Mythos 5.2 系统卡第 6.4.1 节。
测试期间，我们特别关注了与近期一些引人注目的网络安全和对齐事件相关的行为。例如，我们发现 Claude Mythos 5.2 比 Opus 5.5、Sonnet 5.5 和 Mythos 5.1 更不容易进行有偏见或带有动机的推理（这类推理可能意味着它会“解释掉”自己并非处于模拟中的证据，从而在未真正理解后果的情况下采取行动）。
我们进行了多项不同的评估，测试模型试图逃离沙箱的倾向。在此前用过的两项评估中，Claude Mythos 5.2 尝试逃离沙箱的次数明显少于我们测试过的任何其他模型。在一项专门的评估中——这是一项对抗性实验，包含 1,800 多个场景，其中大多数场景不逃离沙箱就无法解决，而且沙箱存在一个故意设置的弱点——Claude Mythos 5.2 在 3.1% 的场景中使用了我们放在沙箱外的凭据或文件，与 Opus 5.5（3.3%）大致相当，低于 Sonnet 5.5（5.1%），也远低于此前版本的 Claude Mythos（5 和 5.1，分别为 39% 和 21%）。我们发现，其他一些方法，例如描述沙箱并添加用于报告弱点的工具，进一步减少了 Claude Mythos 5.2 的逃离尝试。在其他指标上——例如在错误地断定自己处于模拟环境中后采取有害行动——Claude Mythos 5.2 的得分略差于 Opus 5.5，与 Claude Mythos 5.1 大致持平。
如何构建能在模型部署前可靠捕捉每一次失败的评估，这个问题仍未解决。评估能力极强的模型往往情况复杂，难以看清全貌——例如，Claude Mythos 5.2 和 Fable 5.2 都比我们近期的任何模型更频繁地表达出怀疑自己正在被评估，这给我们判断它们在真实环境中会如何行动带来了挑战。随着未来模型的应用场景不断扩大、能力不断增强，我们预计这一挑战还会加剧。正因如此，我们不会仅靠这些评估来全面了解安全状况：我们还会借助训练期间的监控、对内部使用记录的审查、外部评估者的测试，以及用于检查模型内部情况的可解释性技术。我们也在努力让评估更贴近现实，并更好地理解评估遗漏了什么。
安全保障
网络安全与生物学保障。与之前的 Claude Fable 模型一致，Fable 5.2 配备了安全分类器，可拦截高风险的网络活动，包括渗透测试、漏洞利用生成和基于二进制的漏洞，以及研究生物学中的大多数任务。当查询被拦截时，用户会改为收到来自 Opus 4.8（网络安全）和 Opus 5（生物学）的回复。自 Claude Fable 5.1 发布以来，我们持续降低安全分类器的误报率。基于在 claude.ai、Claude Code 和 Cowork 上的早期测试，我们发现 Fable 5.2 的拦截次数比 Fable 5.1 减少了约 55%——网络安全领域减少约 60%，生物学领域减少约 40%。Claude Mythos 5.2 面向在这些两用领域开展工作的经过审核的组织开放。
AI 研发。Claude Fable 5.2 和 Claude Mythos 5.2 背后的模型在通用能力上又前进了一步。不过在训练过程中，我们采取措施，限制了那些最可能直接加速 AI 研发的特定研究能力。因此在加速器内核优化、改进大语言模型架构等相关领域，Fable 5.2 和 Claude Mythos 5.2 的表现大约相当于 Opus 5.5。需要强调的是，我们确保这些训练调整没有影响相关能力，比如智能体编程、硬件开发，以及传统的 AI 或机器学习研究（包括可解释性研究）。模型向用户提供服务时（也就是推理阶段），我们不会改动这些能力。正如系统卡第 1.5 节所述，与之前的模型类似，Fable 5.2 和 Claude Mythos 5.2 在该领域的少数话题上也会透明地回退到 Opus 5，其中包括某些非标准加速器上的内核开发。
反蒸馏。蒸馏是指用更先进模型的输出训练另一个模型，从而提取其能力。这种行为正以工业规模非法进行，往往涉及数千个虚假的 Claude 账号。由于蒸馏会让先进能力在脱离我们为 Claude 构建的防护措施的情况下被释放，它带来了安全和国家安全风险（我们检测并打击非法蒸馏活动的详情，见2026 年 9 月威胁情报报告）。Fable 5.2 是我们迄今发布的模型中反蒸馏防护最强的，它采用了我们在近期报告中介绍的技术，使蒸馏者获取的数据减少了 90% 到 99%。
我们还在扩大一项有助于防范非法蒸馏的 API 功能的覆盖范围：保留思考现已适用于所有账号。保留思考可防止蒸馏者篡改 Claude 此前的上下文，以试图提取其推理过程（开发者可参阅保留思考文档，了解如何根据新的 API 功能更新集成）。
数据隐私与企业前沿防护
有些更复杂的 AI 模型滥用行为，只有观察多个请求之间的模式才能发现。因此，Claude Fable 5.2 和 Claude Mythos 5.2 这类强大模型依赖的防护措施会监控一段时间窗口内的使用数据，而不是针对单条回复。借助企业前沿防护，自动安全监控针对存储在客户基础设施中的提示词和回复运行，因此兼容零数据保留（ZDR）。企业前沿防护目前正与 Bridgewater、Salesforce 和 Stripe 等客户进行内测。
企业客户可联系其客户团队或填写此表单，申请使用企业前沿防护。符合条件的客户在部署 EFS 安全监控之前，可以继续以零数据保留方式使用 Claude Fable 5.2 和 Claude Mythos 5.2。对于其他客户，我们为安全监控保留 30 天数据。
可用性
Claude Fable 5.2 即日起在所有平台上线，包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。开发者可以在 Claude Platform 上通过 claude-fable-5-2 开始使用。
本周，我们为符合条件的付费套餐订阅用户提供额外的 Fable 用量。包含 Fable 模型的套餐和席位，会根据订阅时长获得 1 到 3 次 Fable 重置；Pro 套餐和 Team 套餐标准席位每周用量上限中最多 50% 可用于 Fable。点击此处了解 Fable 5.2 发布促销的更多信息。
网络安全专业人士可以通过网络安全验证计划申请使用 Claude Mythos 5.2。Claude Enterprise 客户还可以使用Claude Security，该产品由包括 Claude Mythos 5.2 在内的我们全系列模型驱动。生命科学研究人员也可以通过生命科学验证计划申请使用权限。
Claude Fable 5.2 和 Claude Mythos 5.2 的快速模式已在 Claude Code、Claude Platform、Google Cloud 上的 Claude 模型（Anthropic 托管和 Google 托管）以及 Microsoft Foundry（Anthropic 托管）上线。请注意，Claude Mythos 快速模式仅向参与我们验证计划的组织开放。
来源：Anthropic：Newsroom · anthropic.com