Anthropic 的 Claude Fable 5.2 以 Python 程式碼作畫,在畫布上落下數十萬筆虛擬筆觸,而非像 Midjourney 那樣採用擴散模型。
- Anthropic 的 Claude Fable 5.2 透過 Python 程式碼,將每一筆筆觸逐一落在虛擬畫布上生成圖像,並模擬筆毛的毛躁程度與顏料附著在表面的方式。
- 一幅停車場畫作由約 700,000 筆筆觸構成,另一幅小鳥畫作則由剛好 111 行座標組成,模型之後還能在錯誤處重新覆蓋繪製。
- 在 Anthropic 內部的 RoboDojo Sim 測試中,Fable 5.2 取得 64.9%,OpenAI 的 GPT-6 Astra 則為 29.8%。
- 改用真實機械手臂測試時,Fable 5.2 在速度與精細動作控制上仍不敵對手。
文章目錄
用程式碼取代擴散來作畫
Anthropic 近日發表語言模型 Claude Fable 5.2,並帶來一項相當特別的能力。這個模型能以程式碼在虛擬畫布上落下數十萬筆獨立筆觸,畫出複雜、甚至近乎照片的作品。
Midjourney 等主流圖像生成模型多半採用擴散(diffusion)機制,也就是逐步修整一張雜訊圖,直到畫面清晰為止。Fable 5.2 走的是另一條路。它模擬的是實體繪畫的過程,從筆毛的毛躁程度、顏料如何被塗抹,到模型不得不重新覆蓋的失誤,都包含在內。
開發者 Jake Eaton 在 X 上展示了這項實驗。他任職於 Anthropic,常參與語言模型價值觀、安全機制與 AI agent 行為的研究。當被要求畫出盡可能與照片難以區分的畫作時,Fable 5.2 交出了一幅多層停車場裡的購物推車,共使用約 700,000 筆模擬筆觸。

Eaton 表示,Claude 並未使用外部圖像生成模型,也沒有依賴現成圖片或描圖底稿。每件作品都是一支長達 1,000 至 2,000 行的 Python 程式,用來操控一套模擬繪圖工具。這種做法接近 agentic 式的修圖,由語言模型自行挑選工具,再評估結果。
先前,同系列的 Opus 5.5 在類似實驗中被批評只是在模仿既有藝術。Eaton 的回應是讓 Fable 5.2 自行打造專屬的畫家角色,並賦予虛構的生平與一致的風格。每幅畫需要數千筆筆觸,Eaton 則以評語來引導模型。

沒有復原鍵,每一筆都得負責
Anthropic 工程師 Michael Graczyk 分享了一次實驗的對話紀錄與影片,他請 Fable 5.2 畫一隻黎明時分的小鳥。模型只能用程式碼模擬筆毛、濕顏料與畫布織紋的物理特性。每一筆都必須手動輸出成獨立的一行座標,一旦落下便無法復原。這與 AI 生成的影片不同,Flux 3 等模型是直接生成連續影格,並維持時間上的一致性。
最終的影片長 21 秒,附有計數器,顯示畫作在白色畫布上由剛好 111 筆逐步成形。第一筆時,模型輸出色碼 #30346a、寬度 90 px,以及五個略有偏移的控制點。Fable 5.2 解釋,它刻意加入約 7 px 的抖動,因為真人的手臂也畫不出絕對筆直的線條。
在每輪繪製之間,模型會回頭檢視畫布,並像真正的畫家一樣處理自己的失誤。當小鳥的背部畫得太薄、太毛躁時,AI 便疊上一筆更深的顏色。邊緣那些散落的筆毛痕跡,如今看起來就像蓬起的羽毛。在第二件共 280 筆的作品中,描繪兩人在黃昏作畫,後來加入的光線效果弄髒了桌上的顏料管與杯子。Claude 事後重畫了那些物件,並讓兩位角色以外側的手持筆,使內側的肩膀如要求般相碰。

這種空間推理能力可應用於真實機器人
逐步規劃並在物理限制下自我修正的能力,並不侷限於虛擬畫布。Anthropic 指出,這個模型是為難度極高、需要多步驟的長程(long-horizon)工程任務而打造。Mythos 5.2 是提供給已通過驗證的資安與生物學研究人員的版本,同樣循著這個方向發展。在內部測試中,Fable 5.2 解出了兩道關於黑洞物理的開放性問題,並與電路板製造商 Diode 合作設計出三款可運作的電子裝置。模型還動用超過 1,000 個 sub-agent,在 8 天內自行編寫出一套筆電作業系統。
AI 研究員 Aris Zhu 則以真實機械手臂測試這個模型。他讓 Fable 5.2 對上 OpenAI 的 GPT-6 Astra,雙方各操控一支機械手臂,重現梵谷的〈星夜〉。Anthropic 公布 Fable 5.2 在內部 RoboDojo Sim 測試中的得分為 64.9%,GPT-6 Astra 則為 29.8%。
不過,Zhu 的實際比較仍顯示出精細動作控制上的限制。Astra 畫得更快,而且到目前為止,只有 OpenAI 的模型能把多米諾骨牌立起來。它的做法是慢慢鬆開夾爪,利用重力作為旋轉支點。
Fable 5.2 值得留意之處,不在於畫作有多漂亮,而在於模型的工作方式:每一筆都是無法收回的決定,迫使 AI 像真人一樣規劃、觀察、再修正。這種能力對現實中的機器人而言,比一個圖像生成器更為重要。同時也該保持謹慎,因為 64.9% 的分數來自 Anthropic 自家的內部測試,而真實機械手臂的實驗則顯示 Astra 在速度與靈巧度上仍略勝一籌。讀者不妨等待更多獨立評測,再下結論。
資料來源:The Decoder (AI)
審核人: Hero Association








