正文 · AI 翻译
今天，我们宣布 Claude Fable 5.2 和 Claude Mythos 5.2 已在 Amazon Bedrock 和 AWS 上的 Claude Platform 推出。Claude Fable 5.2 是 Anthropic 目前已普遍开放的最强技术工作模型，在编程和科学领域树立了更高标准。Claude Mythos 5.2 可通过 Anthropic 的验证计划用于网络安全和生命科学领域的高级工作。本文将介绍这两款模型的新特性、Fable 5.2 对技术工作负载的意义，以及如何开始在 Amazon Bedrock 上使用该模型构建应用。为什么选择 Claude Fable 5.2 Fable 5.2 在编程、数学和科学领域最困难的问题上树立了更高标准。它能够处理模糊的多步骤工作，验证自己的输出，并在无人值守的情况下运行数小时到数天。它会理解提示、反复迭代、发现自身错误，并在过程中持续优化。在 Anthropic 的对齐测试中，与 Opus 5.5、Sonnet 5.5 和 Mythos 5.1 相比，Mythos 5.2 产生幻觉的情况更少，完成任务更可靠，更持续地呈现重要信息，也更诚实地自行报告问题。Anthropic 预计 Fable 5.2 会表现出类似的行为。如果网络安全查询被拒绝，你可以在 Opus 4.8 上重试；如果生物学查询被拒绝，你可以在 Opus 5 上重试。在 Amazon Bedrock 上，重试需要由你的代码执行，系统不会自动切换。如果被拒绝的请求命中了提示缓存，拒绝响应还会包含一个回退抵扣令牌。重试时发送该令牌，费用便会按缓存读取计收，因此你无需为写入同一缓存支付两次费用。有关回退抵扣的更多信息，请查阅文档。对于网络安全和生命科学领域的授权工作，可以通过 Anthropic 的验证计划使用 Claude Mythos 5.2。Claude Fable 5.2 和 Mythos 5.2 的使用场景 Fable 5.2 适用于：跨大型、多代码库的智能体编程；协调多个子智能体完成持续数天工作的长时间运行智能体；从新分析方法到形式化数学证明的科学研究；用于量化研究和预测的金融分析；通过代码生成环境、组件和仿真的 3D、硬件及动态设计。Mythos 5.2 涵盖 2 个高风险领域，仅可通过前述验证计划使用：用于安全工程、红队演练和渗透测试的网络安全；生命科学研究，尤其是生物分子设计和研究综合。数据保留和企业前沿保障措施 Anthropic 将 Claude Fable 5.2 指定为受涵盖模型。默认情况下，使用该模型要求将数据保留最多 30 天，并接受人工安全审查。在 Amazon Bedrock 上，审查由 Amazon 人员在 AWS 边界内进行。调用模型前，请在你的账户或项目中设置 aws_review 数据保留模式。有关更多详情，请参阅 Amazon Bedrock 数据保留文档。企业前沿保障措施（EFS）由 Anthropic 与 AWS 合作构建，将零数据保留（ZDR）的隐私保护与用于检测滥用的先进保障措施相结合。EFS 通过将数据存储在客户控制的云基础设施中运作。在 EFS 推出之前，符合条件的客户可以在零数据保留模式下使用 Fable 5.2。这项安排至少在 2027 年 6 月 30 日之前可供内部使用。开始在 Amazon Bedrock 上使用 Claude Fable 5.2 若要试用 Fable 5.2，请打开 Amazon Bedrock 控制台，依次选择 Test、Playground，并选择 Fable 5.2 作为模型。然后，你可以直接向模型发送提示。若通过程序调用，你可以使用 Anthropic SDK，通过 bedrock-runtime 的 Anthropic Messages API 调用模型。你也可以继续通过 AWS 命令行界面（AWS CLI）和 AWS SDK 使用 bedrock-runtime 上的 Invoke 和 Converse API。先决条件 若要按照本文中的代码示例操作，你需要：一个已获准访问 Amazon Bedrock 的有效 AWS 账户；已安装 AWS CLI，并配置适当的凭证；Python 3.9 或更高版本；已安装 Boto3（适用于 Python 的 AWS SDK）：pip install boto3；AWS 身份与访问管理（IAM）权限：bedrock:InvokeModel 和 bedrock:InvokeModelWithResponseStream。下面是使用适用于 Python 的 AWS SDK（Boto3）的简短示例：import boto3 import json # 创建 Bedrock Runtime 客户端 bedrock_runtime = boto3.client( service_name="bedrock-runtime", region_name="us-east-1" ) # 调用 Claude Fable 5.2 response = bedrock_runtime.invoke_model( modelId="global.anthropic.claude-fable-5-2", contentType="application/json", accept="application/json", body=json.dumps({ "anthropic_version": "bedrock-2023-05-31", "max_tokens": 4096, "messages": [ { "role": "user", "content": "一个 S3 存储桶每月产生 40 TB 的出站流量。按每 GB 0.09 美元估算每月的出站流量费用，并说明一项使用 AWS 服务来降低费用的架构变更。展示计算过程，控制在 120 字以内。" } ] }) ) result = json.loads(response["body"].read()) # Fable 5.2 是推理模型：响应可能在文本块之前包含思考块，# 因此应选择文本块，而不是使用固定索引。 print(next(b["text"] for b in result["content"] if b["type"] == "text")) 你可以浏览 Getting Started 笔记本，查看更多示例。使用 Claude Code 中的 claude-api 技能迁移到 Claude Fable 5.2 对于已在 Amazon Bedrock 上运行 Claude 模型的团队，Claude Code 中的 claude-api 技能可帮助你升级到 Fable 5.2。claude-api 技能是 Claude Code 内置的一项开源技能，汇集了让 Claude API 代码良好运行所需的细节。它涵盖哪些智能体模式适合特定工作、不同模型代际之间有哪些参数变化，以及何时应用提示缓存。随着 Anthropic 的 SDK 演进，它也会保持更新：当新模型发布或 API 增加功能时，该技能已掌握相关信息。该技能如何帮助迁移到 Fable 5.2 当你要求 Claude Code 将代码库升级到 Fable 5.2 时，该技能会检查代码，并引导你完成：更新模型引用，在应用代码各处将模型 ID 替换为 Fable 5.2 的 ID；调整思考设置，在适合新模型的地方将手动思考配置改为自适应思考；清理过时参数，移除不再适用的已弃用 beta 标头、参数和设置；建议投入程度，根据你的使用场景在代码中建议合适的 output_config.effort 设置。该技能还会识别你的部署平台，包括 Amazon Bedrock、AWS 上的 Claude Platform 和其他环境，并相应调整模型 ID 格式和功能配置。例如，它会使用 Amazon Bedrock 的结构化模型 ID 格式（global.anthropic.claude-fable-5-2）。使用方法 在 Claude Code 中，直接运行迁移命令：/claude-api migrate 该命令会扫描你的工作目录（或你确认的子目录或特定文件列表），并通过一次引导式流程应用迁移更改。你也可以通过对话调用它，告诉 Claude Code：“将我的项目升级到 Claude Fable 5.2”，Claude 会检查你的代码并引导你完成必要的更改。“提高我的缓存命中率”，该技能会应用许多开发者容易忽略的提示缓存规则，帮助降低 Bedrock 上的成本。“为我的智能体添加上下文压缩”，它会引导你了解用于长时间运行的 Fable 5.2 会话的压缩基础机制和智能体模式。claude-api 技能可在 Claude Code 中使用，也集成在 CodeRabbit、JetBrains IDE（包括 Junie）、Resolve AI 和 Warp 中。它在 GitHub 的 anthropics/skills 仓库中开源，因此任何编程智能体都可以集成它。可用性 Claude Fable 5.2 和 Claude Mythos 5.2 现已通过 US Geo CRIS 和 Global CRIS 推理配置文件在 Amazon Bedrock 上提供。有关受支持区域的完整列表，请参阅 Bedrock 文档。有关定价信息，请参阅 Amazon Bedrock 定价。两款模型还可在提供 AWS 上的 Claude Platform 服务的每个区域使用。你可以在 Amazon Bedrock 控制台或 AWS 上的 Claude Platform 试用 Claude Fable 5.2，也可以浏览 GitHub 上的 Getting Started 笔记本。关于作者 Dani Mitchell Dani 是 AWS 的生成式 AI 高级专家解决方案架构师，负责 Anthropic 在 Amazon Bedrock 上的市场推广工作。他帮助全球企业利用 Amazon Bedrock 上 Anthropic 的模型和功能设计并部署生成式 AI 解决方案，构建可扩展、可投入生产的应用。Anshika Saxena Anshika 是 AWS 的生成式 AI 数据科学家，专注于 Amazon Bedrock。她指导企业客户在 Amazon Bedrock 上构建和实施解决方案，帮助他们加快采用生成式 AI 和智能体 AI。她还与独立软件开发商和初创公司合作，帮助他们使用 Amazon Bedrock 上最新的 Anthropic 服务。Aamna Najmi Aamna 是生成式 AI 高级专家解决方案架构师，专注于 Anthropic 模型，以及在 Amazon Bedrock 上大规模实施和治理生成式 AI 系统。她帮助独立软件开发商解决挑战、拥抱创新，并借助 Amazon Bedrock 创造新的商业机会。Alfredo Castillo Alfredo 是 AWS 的生成式 AI 高级专家解决方案架构师，专注于 Anthropic 模型在 Amazon Bedrock 上的市场推广。他与金融服务客户合作，设计和扩展跨分布式系统的生成式 AI 解决方案，并将生成式 AI 实验转化为生产工作负载。工作之余，他热爱家庭和耐力运动。Sofian Hamiti Sofian 是一位技术领导者，拥有超过 12 年构建 AI 解决方案以及领导高绩效团队以最大化客户成果的经验。他热衷于帮助多元化人才发挥才能，推动全球影响力，并实现职业理想。