研究與評測
Anthropic 披露 Claude Fable 5.2:以 Python 模擬物理筆觸繪圖,RoboDojo 跑分達 64.9%
The Decoder單一來源
核實資料不足
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。
本次未取得足夠原文證據

據外媒 The Decoder 報導,Anthropic 開發人員展示了名為 Claude Fable 5.2 的語言模型。該模型捨棄主流工具採用的擴散(diffusion)生成技術,改由 1,000 至 2,000 行 Python 程式碼驅動虛擬繪圖引擎,透過計算座標、筆刷寬度、刷毛紋理與顏料物理特性,在虛擬畫布上逐筆繪製圖像。
Anthropic 開發者 Jake Eaton 與工程師 Michael Graczyk 披露的測試顯示,Fable 5.2 能以約 70 萬道模擬筆觸繪製逼真的停車場推車場景;在 111 道筆觸完成的日出鳥類示範中,首筆輸出包含色碼 #30346a、90 像素寬度及模擬人手約 7 像素的抖動路徑。由於該系統不設撤銷功能,模型在筆觸失誤時需像真實畫家般重新覆蓋修正。
Anthropic 稱該模型的逐步規劃與自我修正能力已延伸至實體機器人領域。在內部 RoboDojo Sim 模擬基準測試中,Fable 5.2 獲得 64.9% 分數,高於 OpenAI GPT-6 Astra 的 29.8%。然而,在 AI 研究員 Aris Zhu 以實體機械手臂繪製《星夜》的實測中,Fable 5.2 的速度與精細動作控制落後於 GPT-6 Astra,且未能如對手般以鬆開夾爪利用重力立起骨牌。
報導另引述 Anthropic 指稱,Fable 5.2 在內部測試中解決了兩項黑洞物理學問題、與 Diode 合作設計出三款電路板裝置,並調用逾千個子代理在八天內編寫出筆記型電腦作業系統;該架構同時衍生出針對生物與安全研究的 Mythos 5.2 版本。
讀原始報導背景
在機器學習領域,Diffusion model 是一類潛在變數生成模型,主要由前向擴散與反向取樣過程組成,為現行主流影像生成技術的基礎。另一方面,基於筆觸的渲染(Stroke-Based Rendering,SBR)演算法則是透過模擬畫家決定落筆位置的方式來繪製筆畫,在非真實感繪製(NPR)領域發揮重要影響。