Anthropic 发布 Claude Fable 5.2，具身任务成功率 64.9%

以下是视频口播的自动转写，可能有错字。

大家好，我是 clip。anthropic 刚刚发布了 cloud 5.2。这次除了大家讨论很多的编程能力之外，它在具身智能，也就是控制机器人这件事上表现也非常亮眼。在 robot dojo 这个机器人 benchmark 上拿到了64.9%的成功率。

那我也是第一时间去看了官方放出来的视频，并且自己也在仿真环境里把 5.2跑了几局。这期视频就给大家做一个简单的总结和汇报。我们首先来看一下官方放出来的东西。官方这次一共发了一段23秒的真机视频，画面里是一台双臂机器人，一共干了四件事。第一件事是还原魔方，工作人员把一个打乱的魔方往桌子上一放，他就用一只夹爪按着，另一只夹爪去拧，自己一步一步的给拧回去。

最后镜头对着那那一面已经拼成了纯黄色。那第二件事就是拧瓶盖，他一只手夹稳瓶身，另一只手从上面抓住盖子，直接给拧了下来。第三件事是装齿轮，他会夹起一个黑色的小齿轮，塞进白色的齿圈里面，并。比较有意思的是，他装完之后还自己转了一下，去尝试那个齿轮咬合咬没咬上。

第四件事就是画画，他用夹爪夹着一支笔，在纸板上画了一个小机器人，方方的脑袋，两只眼睛，头顶上还顶着根天线，有胳膊有腿的。那看完视频，我们再来看一下官方给的成绩。这次测的 robot dojo 是一套双臂机器人的仿真考题，里面一共有42个任务。

fibo 5.2的平均成功率达到了惊人的64.9。作为对比啊，同一个表格里面，opos 5.5是39%，gimini 4是33%，gpt 6 extra 差不多是30%，而上一代的 fibo 5.1差不多只有28%。当然这张表是 anthropic 自己测出来的，大家可以参考一下。

那从官方放出来的这些内容里啊，我觉得有三个亮点值得和大家聊一聊。第一个就是大模型的推理能力和机器人的动作能力结合到一块了。比如说就拿刚刚那个还原魔方的任务来说，你首先脑子里得会解魔方，才能推算出下一步该怎么做。这靠的其实是他的推理能力。等想明白了，他还真得控制两只机械臂，把这一面给拧过去。

这考察的是动作能力。像会解魔方这种知识，恰恰就是通用大模型最擅长的。平时帮我们写代码的就是这个模模型。那第二个特点就是这一代的提升幅度其实是非常大的。上一代的 fable 5.1只有28，这一代就直接提升到了65%，等于一代就翻了一倍多。如果去跟 gpt 6 extra 还有 gemini 比的话，它的分数也基本是这两个模型的两倍左右。

第三个就是真机演示里面的四件事，其实分别考了四种不太一样的能力。比如说像还原魔方是一个需要很多步的长城任务，而画面角落里的时钟前前后后走了差不多55分钟。像拧瓶盖考的是两只手怎么配合，装齿轮考的是非常精细的对位。最后呢画画考的可能是如何使用工具。

然后这四个任务其实能说明 fable 是一个泛化性非常高的模型。另外呢，为了让大家对65%这个数字有个概念，我们可以拿专门做机器人的控制模型来对比一下。像大家很熟悉的派林。0.5这种经典的 vla，也是专门拿机器人数据训练出来，直接出动作的模型。

它在 robot dojo 上的成功率其实只有6.9%，哪怕去翻论文榜单上最好的一个专专用模型，成功率也不到9%。那光看官方的数据也不够，接下来我们就说说我自己的实测。具体来说呢，我拿 fibo 5.2和 opus 5.5做了一个对比。从 robot dojo 的仿真任务里面，从简单到难挑了三个任务来跑。

两个模型用的都是同一套 harness，也就是 robot dojo 官方的那个测评 gpt6 extra 的那一套。当然因为我跑的对局比较少，主要就是试一下手感，大家看一下有直观的感受。那第一个任务最简单的就是叠碗，桌上有三只碗，要把它们垒成一摞。

这一局，fibo 5.2只用了16轮就拿到了满分，而且中间一次都没有被 harness 拒绝过。而同一个任务，opos 5.5足足跑了86轮，中间被拒绝了9次，最后只拿到了15分。所以能看出来，在这种简单任务上，fibo 5.2它位置看得准，而且动作非常干脆，基本上是一步。

一步到位，不走什么弯路。那第二个任务是插钥匙，这个就比叠碗精细太多了。因为叠碗的时候，两只碗的中心只要差4厘米以内都算你可以叠好，但是拿钥匙去对准锁孔，只允许差7毫米。那这个任务要先把钥匙拿起来，交接到另一个手上，再插进锁孔拧一下。而且整局呢，总共只给300步。

很遗憾，这个任务两个模型在300步以内都没能拿下。OPPO 5.5在抓起钥匙的时候，明明还剩180多步，他自己算了一下，觉得后面来不及，干脆连插都没有去试，直接拿着钥匙一直等到了结束。FIBO 5.2确实是夹着钥匙往锁眼那边搬了，结果半路上呢，钥匙就从夹爪里滑掉了。

不过有意思的是啊，它掉了之后可以重新换一次手，又把钥匙给抓回来，说明这还是有一定的容错和补救能力的。后来我又让 FIBO 5.2多试了两局，结果基本一模一样，钥匙全部都是在半路搬运的时候滑掉的，没有一局能真正走到插锁孔的那一步。所以说在这种精细操作上，FIBO 55.2目前确实还搞不定。

那第三个任务是搭积木，同样属于精细操作。桌上有8块积木，要搭成3层。最底下先立两块积木当柱子，上面架一块长板；第2层再立两块积木，架一块短板；最顶上还要再放两块小的。那这一局呢？飞波5.2用了84轮，最后只拿到10分。也就是说，只有最底下那一层算数了。

他杠上，他刚上来的时候把距离估远了，手一下伸过了头。不过后面他还是把第2层和最顶上的那两层其实都摆上去了。他觉得自己已经搭完了，但是系统判分呢，只认到了最下面一层，上面两层都没给算。像 oppo 5.5这边也是10分，他在搭第2层的时候短板滑了一下，然后直接把底下的长板也碰倒了，所以第2层也没搭起来。

那最后给大家总结一下，结合官方放出来的成绩和我自己跑的这几局来看呢，飞波5.2在简单的任务上确实是一个非常巨大的提升。就比如说像刚才叠碗的那个任务，它非常快，就干净利落的可以拿下。但是比如说像插钥匙、搭塔这种比较难的精细操作上，它还有待加强，有待后续我们通过 harness 或者 system 1和 system 2结合的方式去提升整体的精细操作的性能。

好，以上就是本期视频，希望能对你有所帮助。如果大家觉得有帮助的话，可以关注我，我是 clip，我们下期再见，拜拜。