Fable5/Mythos5发布，长任务Agent或成算力需求新引擎？

在2026年6月10日这一天，徽声在线报道了Anthropic公司正式推出Claude Fable5与Claude Mythos5两款大模型的重大消息。此次模型更新，其意义远不止于模型回答的精准度提升以及聊天体验的优化，更为关键的是任务形态发生了根本性转变。大模型正从传统的问答工具，逐步向具备持续规划、执行、检查和修正能力的长任务Agent方向迈进，这一变革无疑为人工智能领域带来了全新的发展格局。

从投资视角审视，这一变化带来的影响十分直接。倘若AI不再局限于辅助人们编写一段代码、解答一个问题，而是能够独立承担并完成一项复杂的工程任务，那么它在Token消耗、推理时间、算力资源需求以及企业部署规模等方面，都将迎来显著的增长。这种增长不仅体现在数量上，更可能引发整个行业生态的重塑。

一、Fable5与Mythos5模型究竟是什么？

Fable5和Mythos5可看作是Anthropic基于同一底层模型能力所进行的分层发布成果。这种分层发布策略，旨在满足不同用户群体和应用场景的需求，实现资源的合理配置和高效利用。

Fable5是面向广大普通用户开放的Mythos - class模型，被定位为公开可用的旗舰版本。它的核心优势并非在于将普通聊天体验进一步精细化，而是能够处理持续时间更长、复杂程度更高、更偏向异步执行的任务。简单来说，它不再仅仅追求回答的“好看”，而是要在更长的任务链条中稳定、高效地完成各项工作，为用户提供更可靠的解决方案。

Mythos5则是同一底层能力中权限更高、限制更少的版本，它优先面向Project Glasswing等可信安全伙伴开放。由于这类模型在网络安全、生命科学等关键领域具备更强大的能力，但同时也可能带来更高的风险，因此Anthropic采用了更为严格的企业级分层权限管理、安全审计机制以及可信访问控制，以确保模型的安全稳定运行，防止潜在风险的发生。

二、Fable5与Mythos5模型的强大之处体现在哪些方面？

从公开测试的结果来看，这一代模型的能力提升主要集中体现在三类任务上，即综合推理、Agent编程以及复杂代码质量。这些能力的提升，使得模型在实际应用中能够更好地应对各种复杂场景，为用户提供更优质的服务。

在人类最后考试（HLE）这一具有挑战性的测评中，Mythos 5在不调用工具的情况下，其表现超过了Preview版本，并且相较于GPT - 5.5、Gemini 3.1 Pro也具有明显的领先优势。HLE主要衡量模型在数学、科学、人文、逻辑推理等复杂问题上的综合能力，而且题目通常无法通过简单的检索来回答。Mythos 5在这一测评中取得更高的分数，充分说明它不仅仅擅长生成流畅的文本，更在长链条推理、跨学科理解和复杂问题拆解等方面取得了实质性的进步，具备了更强大的思维能力和问题解决能力。

图1：HLE测评结果

数据来源：徽声在线，易方达指数

在编程能力方面，差距体现得更为直观。SWE - Bench Pro主要用于测评模型处理真实世界中Agent编程任务的能力，例如理解代码库、定位问题、修改代码、运行测试并修复错误等。Fable 5在这一测评中取得了80.3%的成绩，高于11天前刚发布的Opus 4.8的69.2%，也远超GPT - 5.5的58.6%和Gemini 3.1 Pro的54.2%。这一成绩表明，Fable 5已经不再局限于“生成一段代码”，而是更接近能够在真实的工程环境中独立推进一段任务，为软件开发和工程实践提供了有力的支持。

图2：Agentic coding测评结果

数据来源：徽声在线，易方达指数

在代码质量方面，各模型之间的差距也十分显著。在Cognition推出的FrontierCode Diamond测评中，Fable 5获得了29.3%的成绩，而GPT - 5.5仅获得5.7%。这个榜单更注重Agent编写出来的代码质量，而不仅仅是代码能否正常运行。也就是说，模型需要深入理解用户需求，精确控制修改范围，尽量减少副作用，并且使代码更符合工程团队的接受标准，从而提高代码的可维护性和可扩展性。

图3：Frontier Code测评结果

数据来源：徽声在线，易方达指数

早期的一些实际应用案例也充分说明了这种变化。全球头部支付科技公司Stripe利用Fable 5在拥有5000万行Ruby代码的代码库中进行全局迁移工作。据悉，原本需要一个团队花费两个月以上时间才能完成的工作，该模型仅用一天就顺利完成。这个案例的重点并非在于速度的快慢，而在于任务规模的发生了巨大变化。模型开始能够应对大型代码库、复杂的依赖关系以及连续的验证流程，这意味着AI - Coding正从传统的“补几行代码”模式，逐渐向承接一段完整工程任务的模式转变，为软件开发行业带来了新的发展机遇。

三、为何长任务Agent有望拉动算力需求？

算力需求的增长，并非仅仅源于模型参数的增大，更重要的是使用方式发生了改变。这种改变使得模型在处理任务时对算力的需求呈现出新的特点和发展趋势。

在过去，许多AI应用采用的是单轮问答模式，即用户提出问题，模型给出回答，任务随即结束。然而，在Agent模式下，一个任务往往会被拆分成多个步骤。模型需要先理解任务目标，然后制定详细的计划，接着调用相应的工具，再检查结果是否符合要求，最后根据反馈信息继续进行修正和完善。一次完整的任务可能包含多轮推理、多次工具调用、多次上下文读取以及多次结果验证。这就意味着，完成同一个工作目标，Agent模式所消耗的Token数量、推理时间以及上下文窗口使用量，都可能明显高于普通的聊天模式。特别是在代码迁移、复杂工程修复、长文档分析、金融研究、科研辅助等场景中，由于任务链条较长，对模型的稳定性和算力供给的要求也更高，进一步加剧了算力需求的增长。

更值得关注的是企业级Agent的使用频率。它不再是一种偶尔尝试的新技术，而是有可能嵌入到企业的研发、运营、风控、客服、投研等日常业务流程中。一旦从个人尝鲜阶段走向组织级部署阶段，算力需求将从“流量驱动”模式进一步转变为“工作流驱动”模式。这种转变使得算力需求更加持续稳定，并且对低延迟、高可用性和安全可控性提出了更高的要求。因此，企业需要投入更多的资源来满足这种不断增长的算力需求，以确保业务的正常运行和发展。

因此，Fable5/Mythos5的发布不仅仅是一次简单的模型更新，它更进一步表明，大模型竞争的主线正在从聊天机器人领域，逐渐转向长任务Agent、AI Coding、知识工作自动化以及安全可控的企业级部署等领域。这一转变将为人工智能的发展带来新的方向和机遇，也将对整个行业产生深远的影响。

四、在这种情况下，哪些环节可能从中受益？

长任务Agent成为AI应用的重要发展方向，投资线索最终还是会回归到算力基础设施产业链。这是因为，这类能力要真正在企业场景中得到广泛应用，不能仅仅停留在模型发布和产品演示的层面，还需要有足够的云端推理资源来承接高频的调用需求。海外云厂商、模型公司以及AI应用平台若要推广这类Agent能力，就必须持续对推理基础设施进行扩容，以满足不断增长的业务需求。这就为算力基础设施产业链的相关环节带来了巨大的发展机遇。

从硬件环节来看，相关需求将沿着AI服务器和数据中心链条进行传导。GPU和AI服务器作为核心硬件，其性能和数量直接决定了模型的运算能力和处理效率。网络互联技术则决定了集群的效率，良好的网络互联能够确保数据在各个节点之间快速、稳定地传输，提高整个系统的运行效率。此外，光模块、交换机、高速连接器、PCB等环节也将受益于集群规模的扩大。随着数据中心功率密度的提升，电源、散热、液冷、机柜等配套设施的重要性也日益凸显。长任务Agent的应用越多，推理侧的负载就越重，这些硬件环节的需求弹性也就越值得关注和跟踪。企业可以根据市场需求的变化，合理调整生产和研发策略，抓住这一发展机遇，实现自身的快速发展。

五、应选择什么产品来布局算力硬件的产业趋势？

不少创业板公司与全球AI硬件产业链有着紧密的联系。它们通过光通信、服务器零部件、PCB、消费电子、半导体设备材料、电源散热等环节，积极参与到海外算力基础设施的建设中。随着长任务Agent的发展和算力需求的增长，未来这些公司的订单和业绩弹性有望逐步体现。它们将凭借自身的技术优势和市场布局，在算力硬件产业的发展中占据一席之地，为投资者带来丰厚的回报。

对于普通投资者来说，海外算力链覆盖的环节众多，既包括光模块、PCB、服务器零部件等硬件环节，也涉及半导体设备材料、电源散热和消费电子等领域。逐一对个股进行筛选和分析，难度较大，需要投资者具备丰富的专业知识和敏锐的市场洞察力。相比之下，借助ETF进行打包配置，可能是一种更为便捷、省心的参与方式。投资者可以关注创业板ETF易方达（159915，联接基金A/C/Y：110026/004744/022907）。该产品紧密跟踪创业板指，覆盖了创业板中市值较大、流动性较好的代表性公司，能够为投资者提供布局成长资产和观察AI硬件链外溢机会的有效工具，帮助投资者分享算力硬件产业发展的红利。

如果投资者希望进一步强化成长风格的投资，也可以关注创业板成长ETF易方达（159597，联接基金A/C：021749/021750）。该产品在海外算力产业链中的暴露程度更高，在科技制造和成长风格占优的阶段，或许能够更充分地反映产业趋势的变化，为投资者带来更高的投资回报。投资者可以根据自己的风险承受能力和投资目标，合理选择适合自己的投资产品，实现资产的稳健增值。