11月9日，Anthropic同时放出两款模型，Claude Fable 5.2与Claude Mythos 5.2。两者共享同一个底座，差别在安全策略：Fable面向广泛开放，Mythos把网络安全与生命科学场景的限制放宽，通过验证计划向部分机构开放，同时驱动Claude Security这条产品线。
价格表比榜单更能说明取向。输入从每百万词元10美元降到8美元，输出从50美元降到40美元，降幅两成；响应速度提升最高三成；可选的高速模式按两倍价计费。已经付费的账号会拿到一到三次Fable额度重置，Pro档与标准团队席位里，Fable最多可以占到每周用量上限的一半。
发布演示里最抓人的一项是协同规模。Fable 5.2可以同时协调超过一千个智能体，官方给出的例子是从一个空文件夹开始，八天之后交付一个能在笔记本上启动的操作系统，包含内核、驱动、文件保存、窗口显示与登录界面。这不是把任务拆给一千个模型各写一段，而是要让它们在共享代码库上不互相踩踏。
协同规模上去之后，瓶颈从单次推理挪到了调度。一千个执行者同时改一份代码，冲突解决的代价会随并发数快速上升，能不能收敛取决于任务切分的粒度与合并规则。这类工程细节官方没有展开，但它是"千智能体"从演示走向可用的真正门槛，也是后续最该被追问的地方。
同一套能力还被用在数学形式上，官方称三十小时完成了费马大定理的机器可验证改写。这件事的意义不在于又攻下一个定理，而在于证明长链条任务可以被拆成上千个可并行的子目标，并且中间产物能在形式化工具的检查下逐段收敛。
模型发布通常先讲能力再讲价格，这次反过来读更有信息量。输入降价两成而输出保持同样的降幅，说明成本压力主要来自上下文长度而非生成长度，长文档、大代码库这类"读得多"的场景被优先照顾。速度提升三成，指向的是构建在长任务上的产品体验，等待时间从分钟级压到几十秒级。
高速模式按两倍价计费，这条设计把用户分成了两类。对延迟敏感的场景，比如交互式编程与在线客服，多付一倍钱换更快的首字返回是合算的；对批处理场景，比如夜间跑数据清洗，慢一点无所谓，价格才是唯一变量。一个模型两种计价，本质上是把同一份算力按时间价值重新切了一遍。
官方还建议大多数日常编码与知识工作继续用Opus 5.5，不要默认挑最强的那个。这条建议罕见地诚实，也说明产品线已经足够密，选型本身成了一件需要指导的事。对采购方来说，这意味着按任务重要性分档会比按榜单排名选型更省钱。
最值得记下来的细节是一次减法。训练阶段，Anthropic刻意限制了那些会最直接加速AI自身研发的能力，具体是加速器内核优化与改进大模型架构两项。在这两类任务上，Fable 5.2与Mythos 5.2的表现大致停在Opus 5.5的水平，而在其他方向上都超过了它。
做法值得注意的地方在于位置。限制是在训练时施加的，不是在推理时加一层过滤器。推理时限制可以绕过，换成另一条提示词、换一个入口，边界就会松动；训练时限制写进了权重本身，模型在这两件事上就是没有那么强。官方还留了一小部分话题透明回退到Opus 5，属于兜底而非主路径。
被限制的恰好是递归自我改进那条链条上最紧的两环。会优化内核的模型能让自己跑得更快，会改架构的模型能让自己更聪明，两者叠起来就是压缩研发周期。一个能压缩自身研发闭环的模型，正是这家公司选择不交付的东西。这不是能力不足，是主动不给。
第二层动作是防守。官方称Fable 5.2带上了目前最强的反蒸馏措施，能把蒸馏方从输出里收割到的数据削减九成到九成九。手段没有全部公开，但方向清楚，让输出的分布难以被稳定采样，让推理过程的中间状态难以被反推。
保留思考这项机制这次扩到了全部账号。它的作用是不让调用方改写此前的上下文，从而没法把推理链条骗出来。对正常用户几乎没有感知，对想拿输出训练自己模型的团队则是实质障碍。这类设计的效果很难被第三方验证，只能看后续是否出现稳定的绕过手法。
企业侧的配套叫Enterprise Frontier Safeguards，属于自动安全监控，跑在客户自己的基础设施里，并且支持零数据保留。首批封闭测试客户包括桥水、赛富时与Stripe。把监控放进客户机房是个聪明的折中，受监管行业最在意的不是模型多强，而是数据有没有出门。
第一个变量是外部评测能否复现那两道能力上限。厂商自报的"停在Opus 5.5水平"需要独立基准来核，尤其是内核优化这类任务，评测集本身就很窄，容易过拟合。如果半年后有团队用微调把这两项能力补回来，那么这道限制的实际强度就要打折。
第二个变量是价格能否守住。降价两成是在算力成本高企的背景下做的，同期这家公司还在为数据中心锁定长期电力，成本端并不轻松。如果下一季度用量增长跟不上，价格回调的压力会先出现在高速模式的定价上，那里最容易做区分。
第三个变量是开放边界。Mythos 5.2只对通过验证计划的机构开放，这个名单的准入标准、审计方式与移出机制都还没有公开。对做安全研究的团队来说，能不能进名单决定了他们能不能用这类模型做防御，而这层信息目前只能靠申请结果来倒推。