Claude Fable 5.2 用代码逐笔作画
Anthropic 发布语言模型 Claude Fable 5.2，它不直接生成像素图像，而是通过 Python 代码在虚拟画布上逐笔落笔，模拟笔毛纹理与颜料附着等物理特性。演示中它用约 70 万笔完成停车场场景、以 111 组坐标序列画出一只鸟，并在事后覆盖修正偏差。在内部 RoboDojo Sim 基准上得分 64.9%，远超 GPT-6 Astra 的 29.8%，但真实机械臂测试中速度与精细运动控制仍落后。
报道正文
本文目录4 个章节
Anthropic 的 Claude Fable 5.2 并非生成图像，而是“绘制”图像
[Manuel Uth](https://the-decoder.com/author/manuel-uth/) 2026年11月15日 
由 THE DECODER 提示的 Nano Banana Pro
要点
-
Anthropic 的新语言模型 Claude Fable 5.2 通过 Python 代码在虚拟画布上放置笔触来生成图像，模拟鬃毛纹理和颜料涂抹等物理特性。
-
在演示中，该模型用约 70 万次笔触绘制了一幅停车库场景，并用 111 个坐标序列绘制了一幅鸟类画作，事后还会覆盖修正偏差。
-
在 Anthropic 内部的 RoboDojo Sim 基准测试中，Fable 5.2 得分为 64.9%，而 OpenAI 的 GPT-6 Astra 为 29.8%，但在使用实体机械臂进行的真实世界测试中，它在速度和精细运动控制方面落后于竞争对手。
文本 询问关于本文的问题…… 搜索
Anthropic 的新语言模型 Claude Fable 5.2 能够通过代码在虚拟画布上放置数十万次单独笔触，创作出复杂甚至照片级逼真的画作。
当前像 Midjourney 这样的图像模型通常使用扩散技术，将一张充满噪点的图像逐步精炼为清晰的结果。Fable 5.2 采取了不同的方法，模拟物理绘画过程，包括鬃毛纹理、颜料的附着方式，以及它随后必须覆盖修正的失误。
开发者 Jake Eaton 在 X 上展示了这种方法的能力。Eaton 在 Anthropic 工作，经常参与语言模型价值观、安全机制和 AI 智能体行为方面的研究。
当他要求 Fable 5.2 创作一幅尽可能难以与照片区分的画作时，该模型使用约 70 万次模拟笔触生成了一幅停车库中购物车的图像。
广告 
Claude Fable 5.2 创作的这幅照片级逼真停车库场景使用了约 70 万次模拟笔触。| 图片：Jake Eaton
据 Eaton 介绍，Claude 无需外部图像模型，也无需预渲染或描摹的源图像即可工作。每件作品都是一个 1,000 到 2,000 行的 Python 程序，用于驱动一个模拟绘画引擎。这种方法类似于智能体图像编辑，即由语言模型挑选工具并评估结果。
此前使用同系列模型 Opus 5.5 的尝试因仅仅模仿现有艺术作品而受到批评。Eaton 的回应是让 Fable 5.2 发展出自己的艺术家人格，为其设定虚构背景故事和一致的风格。该模型每幅画需要数千笔笔触，Eaton 通过评论来引导它们。
广告 
在其画作中，Fable 5.2 发展出自己的艺术家人格，并通过 Python 代码控制笔触。| 图片：Jake Eaton
没有撤销按钮，模型必须对每一笔负责
Anthropic 工程师 Michael Graczyk 分享了一份聊天记录和视频，记录了一项实验：他让 Fable 5.2 画一只日出时的鸟。该模型只能使用代码来模拟刷毛、湿颜料和画布纹理的物理特性。它必须将每一笔笔触手动输出为各自的坐标行，一旦落笔就无法撤销。这正是该方法与 AI 生成视频的不同之处——在后者中，像 Flux 3 这样的模型直接生成图像序列及其时间一致性。
最终生成的 21 秒视频使用一个计数器来追踪画作如何从空白画布上恰好 111 笔笔触逐渐成形。对于第一笔，模型输出了颜色代码 #30346a、90 像素的宽度，以及五个略微晃动的路径点。Fable 5.2 表示，它故意加入约七像素的晃动，因为人类手臂也无法画出完美的直线。
在多次绘制之间，模型会观察画布，并像真正的画家那样对自己的失误做出反应。当鸟的背部画得太细太杂乱时，AI 会在上面叠加一笔更粗的笔触，于是边缘那些散乱的笔毛痕迹现在看起来就像蓬乱的羽毛。
在第二幅包含 280 笔、描绘两个人在黄昏作画的画作中，一个后期添加的光照效果意外地涂抹了桌上的颜料管和杯子。Claude 事后重新绘制了这些物体。模型还让两个人物都用外侧的手作画，这样他们的内侧肩膀就能相触，正如提示词所要求的那样。
即便是复杂的透视和光照，也能由语言模型通过数千条独立的代码指令来处理。| 图片：Jake Eaton
同样的空间推理能力可迁移到实体机器人
Fable 5.2 在物理约束下逐步规划并自我纠错的能力并不局限于虚拟画布。据 Anthropic 称，该模型专为极其严苛的长周期技术任务而打造，Mythos 5.2 也是如此——后者是专为经过验证的安全与生物学研究人员设计的版本。
在内部测试中，Fable 5.2 解决了黑洞物理学中的两个未解问题，与电路板制造商 Diode 合作设计了三款可工作的电子设备，并使用超过 1,000 个子智能体在八天内为其自己的笔记本电脑编写了操作系统。
AI 研究员 Aris Zhu 测试了该模型在真实机械臂上的表现。他让 Fable 5.2 与 OpenAI 的竞争模型 GPT-6 Astra 对决，双方各用一只实体机械臂绘制梵高的《星月夜》。Anthropic 报告称，Fable 5.2 在其内部 RoboDojo Sim 基准测试中得分为 64.9%，而 GPT-6 Astra 为 29.8%。
Zhu 的真实世界对比仍然显示出精细运动控制方面的局限。Astra 画得更快，而且到目前为止只有 OpenAI 的模型成功将一张多米诺骨牌立了起来。它是通过缓慢松开夹爪、利用重力作为支点来实现的。