从 Claude Fable 5.2 破解黑洞物理难题看:重度 Agent 任务怎么选 API 更稳更省

作者注:本文借 Claude Fable 5.2 多代理做完两道黑洞物理题的官方研究帖,整理重度 Agent 任务在选模型、拆角色、设停机线上的可落地做法。

2026 年 11 月 17 日,Anthropic 发了一篇研究帖:Claude Fable 5.2 的多份拷贝在后台跑了大约六周,做完了两道黑洞物理题。对跑长任务、多代理的开发者来说,这件事值得看的地方不在物理本身,而在于它展示了一种长时间、多路并行、互相核对的工作方式。

这不是一篇物理科普,也不会替你判断哪家接口更稳。本文只做一件事:把研究帖里能借鉴的工程信号,翻译成你自己跑重度 Agent 任务时可以照着做的步骤。

核心价值:读完本文,你会知道怎么把主推理和复核拆成不同角色、给每一路代理写清停机线,并且只在型号表里有明确标价的模型之间做选择,让长任务的花费可预估、可封顶。

claude-fable-5-2-heavy-agent-task-api-selection-image-0


从 Claude Fable 5.2 研究帖看重度 Agent 任务的核心要点

先用一两段把由头讲清楚。研究帖是 Anthropic 的官方自述,涉及的两篇论文目前是预印本,并非已经过同行评审的论文。两道题都属于理论物理,描述的不是我们所在的宇宙,也没有实际用途,所以它的意义主要在“方法”,而不是“结论有多重要”。

按帖子的说法,2026 年 8 月研究员 Hongbin Chen 让 Claude 列出黑洞与 bootstrap 方向的开放题,几小时后得到 22 道。他给每道题单独分配一个代理,代理之间能读到彼此的进度,然后在后台跑了大约六周。帖子原话是“没有特殊配置”,但这是官方对搭建方式的描述,不等于零成本,帖子也没有给出成本账单。

研究帖中的事实 对重度 Agent 任务的启发 你可以怎么做
一题一代理,代理可读彼此进度 任务拆分粒度要清楚,共享状态要可读 每个子任务独立代理,进度写入共享存储
几乎每一步由两份代理独立做再对文献 关键步骤需要独立复核 主推理与复核分成两个角色
早期代理并行试了 61 次没做成 失败是常态,失败要有上限 每一路写清最大失败次数与预算
结果用 Lean 形式化核验、物理学家检查 机器结果最终要外部验证 留出人工或工具校验环节
后台跑了大约六周 长任务的花费会累积 按型号表标价预估,并设费用封顶

重度 Agent 任务的两道题分别说明了什么

第一题是 2003 年就被提出、一直没算完的霍金-佩奇相变计算。帖子说几乎每一步都由两份代理独立做一遍,再与文献对照,结论是在弱耦合下跃迁仍然是突然的。另一位物理学家用不同方法独立得到了同样的答案,形成了交叉印证。对工程实践而言,这一题说明的是“独立重复 + 外部对照”这套复核思路。

第二题是模 bootstrap 最简单版本的上限问题。更早的一批 Claude 代理并行尝试了 61 次都没做成,后来的代理从数值结果里看出规律,借用了另一道球填充问题的方法,证出最轻黑洞质量的上限大约是 c/9.1266,并且指出这套方法无法再把上限压得更低。2026 年 9 月,这个结果用 Lean 做了形式化核验,论文由 Claude 撰写,物理学家检查了主要结果。这一题对工程的启发是:大量失败尝试是过程的一部分,所以每一路都必须有预算和停机条件。

需要特别说明的是,帖子里的做法是“同一个模型的多份拷贝互相核对”,并不是“规划用贵模型、复核用便宜模型”。下文的拆角色省钱方案,是读者可以尝试的工程做法,而不是这篇研究已经验证过的结论。

claude-fable-5-2-heavy-agent-task-api-selection-image-1


重度 Agent 任务如何拆角色:主推理与复核分开

重度 Agent 任务里,最贵的通常是需要深度推理的那一路,最频繁的则是检查、比对、格式校验这类复核动作。如果所有调用都走同一个最贵的模型,费用会随着轮数线性甚至超线性增长。把“想出来”和“查一遍”拆成两个角色,是控制成本最直接的手段。

拆分的原则可以概括为:需要开放式推理、长链条规划的步骤交给主推理角色;判断“这一步是否和上一步一致”“输出格式是否合规”“结论是否和已知文献冲突”这类有明确标准的检查,交给复核角色。复核角色给出的应当是结构化判断,而不是重新推一遍。

角色 负责内容 候选模型 ID 输出要求
主推理 开放式推导、方案生成、关键步骤 claude-fable-5-2、claude-fable-5-2-thinking 完整推理过程与中间结论
一级复核 逻辑一致性、步骤对照、引用核对 claude-sonnet-5-5 PASS / FAIL 加理由
轻量校验 格式检查、字段完整性、简单比对 claude-haiku-5-5 结构化 JSON 结果
外部校验 形式化证明、数值验证、人工审阅 工具或人工 最终确认

这样拆分以后,所有角色可以走同一个调用入口。通过 API易 apiyi.com,一个 API Key 就能在上表这些模型之间切换,接口是 OpenAI 兼容的,主推理和复核只需要改 model 参数,不必维护多套 SDK 和多份密钥。对于需要多路并行的长任务,统一入口也能让用量统计集中在一处,便于对账。

不过要注意,复核模型更便宜并不意味着更可靠。复核角色能否胜任,取决于你给它的判断标准是否足够明确。建议先用一小批已知答案的样本跑一遍,确认复核模型的通过与打回判断基本符合预期,再放进长任务里。


重度 Agent 任务怎么选 API:对价格和模型 ID

长任务的预算控制,前提是每一次调用的单价都是确定的。建议坚持一条原则:只调用型号表里有明确标价的模型,并且在代码里写死模型 ID 与对应单价,而不是在运行中临时更换。

根据 Anthropic 官方模型页,Claude Fable 5.2 于 2026 年 11 月 9 日发布,模型 ID 是 claude-fable-5-2,上下文 100 万 tokens,最大输出 12.8 万 tokens,思考默认开启。下表是核对日(2026-11-19)API易 apiyi.com 型号总表中与本文相关模型的标价,单位为美元每百万 tokens。

模型 ID 输入 缓存读 输出 本文建议角色
claude-fable-5-2 8 0.2 40 主推理
claude-fable-5-2-thinking 8 0.2 40 主推理(思考版)
claude-fable-5-1 10 0.25 50 相邻版本,供对照
claude-sonnet-5-5 2 0.1 10 一级复核
claude-haiku-5-5 0.1 0.01 0.5 轻量校验

从表里能读出几个对长任务很关键的信息。第一,claude-fable-5-2 的标价低于相邻的 claude-fable-5-1,如果你原来的主推理在用旧版本,值得评估迁移。第二,缓存读价格只有输入价的 2.5%,长任务里代理反复读取共享进度、系统提示和背景文档,这部分如果能命中缓存,费用差异会很明显,是否命中取决于调用方式和平台规则,以文档说明为准。第三,复核模型与主推理的单价差距是数量级的。

claude-fable-5-2-heavy-agent-task-api-selection-image-2

用一组假设数字感受一下:一次主推理调用输入 5 万 tokens、输出 8 千 tokens,在 claude-fable-5-2 上约 0.4 + 0.32 = 0.72 美元;一次复核输入 2 万、输出 2 千 tokens,在 claude-sonnet-5-5 上约 0.04 + 0.02 = 0.06 美元,在 claude-haiku-5-5 上约 0.003 美元。如果复核也用主推理模型,同样的复核调用约 0.16 + 0.08 = 0.24 美元。这只是算术示意,实际 token 数取决于你的任务。

另外,官方模型页上 Opus 5.5 的标价为输入 4、输出 20,Sonnet 5.5 为 2 和 10,Haiku 5.5 从 0.10 和 0.50 起,可以作为了解官方定价梯度的参照。实际调用时,型号和价格以平台型号列表为准,API易 的 claude-fable-5-2 系列支持 chat 和 messages 两种端点,入口统一为 https://api.apiyi.com/v1。


重度 Agent 任务快速上手:带停机线的调度代码

极简示例

先确认主推理模型能正常调用,并且能拿到 usage 字段,这是后面做费用统计的基础:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1",  # API易 OpenAI 兼容接口
)

resp = client.chat.completions.create(
    model="claude-fable-5-2",
    messages=[{"role": "user", "content": "列出这一步推导需要独立核对的三个关键假设"}],
    max_tokens=2000,
)
print(resp.choices[0].message.content)
print(resp.usage)  # 用于统计 token 与估算费用

为每一路代理写清停机线

研究帖里早期代理并行尝试了 61 次都没成功,这提醒我们:重度 Agent 任务一定会有大量失败尝试,而失败本身也在花钱。停机线的作用,就是让每一路代理在失控之前自动停下来,交给人或工具判断。

停机线 含义 建议初始值(按任务调整)
最大轮数 主推理与复核往返的上限 10-30 轮
费用封顶 单路累计估算费用上限 按单题预算设定
连续无进展 复核连续打回且无新结论 3-5 次
最大失败次数 累计被复核打回的次数 轮数的一半左右
输出长度 单次输出 token 上限 远低于最大输出 12.8 万

查看完整实现代码
from dataclasses import dataclass, field
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1",  # API易 统一入口,主推理与复核共用
)

# 单价:美元 / 百万 tokens,按平台型号表写死,变更时手动更新
PRICES = {
    "claude-fable-5-2": (8.0, 40.0),
    "claude-sonnet-5-5": (2.0, 10.0),
    "claude-haiku-5-5": (0.1, 0.5),
}

SOLVER = "claude-fable-5-2"
REVIEWER = "claude-sonnet-5-5"


@dataclass
class StopLine:
    max_rounds: int = 20
    max_cost_usd: float = 5.0
    max_no_progress: int = 4
    max_failures: int = 10
    max_output_tokens: int = 8000


@dataclass
class RunState:
    rounds: int = 0
    cost_usd: float = 0.0
    failures: int = 0
    no_progress: int = 0
    notes: list = field(default_factory=list)


def estimate_cost(model: str, usage) -> float:
    """按标价估算,未计入缓存折扣,结果偏保守。"""
    price_in, price_out = PRICES[model]
    return (usage.prompt_tokens * price_in + usage.completion_tokens * price_out) / 1_000_000


def call(model: str, messages: list, max_tokens: int, state: RunState) -> str:
    resp = client.chat.completions.create(
        model=model, messages=messages, max_tokens=max_tokens
    )
    state.cost_usd += estimate_cost(model, resp.usage)
    return resp.choices[0].message.content


def should_stop(state: RunState, line: StopLine) -> str | None:
    if state.rounds >= line.max_rounds:
        return "达到最大轮数"
    if state.cost_usd >= line.max_cost_usd:
        return "达到费用封顶"
    if state.no_progress >= line.max_no_progress:
        return "连续无进展"
    if state.failures >= line.max_failures:
        return "失败次数过多"
    return None


def run_task(task: str, line: StopLine = StopLine()) -> dict:
    state = RunState()
    progress = "(尚无进展)"

    while True:
        reason = should_stop(state, line)
        if reason:
            return {"status": "stopped", "reason": reason, "progress": progress,
                    "cost_usd": round(state.cost_usd, 4), "rounds": state.rounds}

        state.rounds += 1
        draft = call(SOLVER, [
            {"role": "system", "content": "你是主推理代理,只推进一步,写清依据。"},
            {"role": "user", "content": f"任务:{task}\n当前进展:{progress}\n请推进下一步。"},
        ], line.max_output_tokens, state)

        verdict = call(REVIEWER, [
            {"role": "system", "content": "你是复核代理,不重新推导,只判断。"
                                          "第一行只输出 PASS 或 FAIL,第二行给理由。"},
            {"role": "user", "content": f"已有进展:{progress}\n新的一步:{draft}"},
        ], 500, state)

        if verdict.strip().upper().startswith("PASS"):
            progress = draft
            state.no_progress = 0
            if "已完成" in draft:
                return {"status": "done", "progress": progress,
                        "cost_usd": round(state.cost_usd, 4), "rounds": state.rounds}
        else:
            state.failures += 1
            state.no_progress += 1
            state.notes.append(verdict)


if __name__ == "__main__":
    print(run_task("核对给定推导中每一步的符号约定是否一致,完成后写“已完成”"))

这段代码有三个刻意的设计。其一,单价表写死在代码里,任何人改模型都必须同时改单价,避免“换了个没标价的模型”导致预算失真。其二,复核角色被要求只输出 PASS 或 FAIL 加理由,不允许重新推导,控制复核的输出长度。其三,停机后返回当前进展和累计费用,方便人工接手,而不是让代理无限重试。

🚀 快速开始:建议先在 API易 apiyi.com 用新用户的免费测试额度,拿一道你已知答案的小题跑通上面的流程,确认复核判断和费用估算都符合预期,再逐步放大并行路数和轮数。


重度 Agent 任务选 API 常见问题 FAQ

Q1:Claude Fable 5.2 破解黑洞物理难题这件事可信吗?

这是 Anthropic 2026 年 11 月 17 日研究帖中的官方自述。相关两篇论文是预印本,尚未经过同行评审。其中第二题的结果在 2026 年 9 月用 Lean 做了形式化核验,第一题有另一位物理学家用不同方法得到同样答案。阅读时应按“官方自述 + 预印本”的级别理解。

Q2:研究帖说“没有特殊配置”,是不是意味着很便宜?

不是。“没有特殊配置”描述的是搭建方式,帖子并没有给出成本账单。22 道题、每题一个代理、后台跑约六周,调用量本身就不小。自己跑类似规模的任务时,应按型号表标价自行估算,并设费用封顶。

Q3:用便宜模型做复核,是研究帖验证过的做法吗?

不是。帖子的做法是同一模型的多份拷贝独立重做、互相核对。“主推理用贵模型、复核用便宜模型”是本文建议你尝试的工程做法,效果需要你在自己的任务上验证。对正确性要求极高的步骤,也可以保留“两份主推理独立重做”的方式。

Q4:`claude-fable-5-2` 和 `claude-fable-5-2-thinking` 怎么选?

两者在 API易 型号表中的标价相同,都是输入 8、缓存读 0.2、输出 40 美元每百万 tokens。官方模型页说明 Fable 5.2 思考默认开启。两个 ID 在调用行为上的具体差异以平台型号说明为准,建议各跑几次同一任务,对比输出长度和 `usage`,再决定主推理用哪个。

Q5:如何通过一个接口同时调用主推理和复核模型?

在 API易 apiyi.com 注册并获取 API Key 后,把 SDK 的 base_url 设为 `https://api.apiyi.com/v1`,主推理与复核只需切换 `model` 参数即可,例如 `claude-fable-5-2` 与 `claude-sonnet-5-5`。新用户有免费测试额度,适合先验证停机线和复核逻辑。

Q6:长任务里缓存读价格有什么意义?

Fable 5.2 的缓存读价格是输入价的 2.5%,即 0.2 美元每百万 tokens。多代理长任务会反复读取系统提示、背景资料和共享进度,这部分内容保持稳定、放在提示前部,更有机会命中缓存。是否命中、如何计费,以平台文档为准。

Q7:停机线设多少合适?

没有通用数字。建议先从保守值开始:轮数 10-30、连续无进展 3-5 次、单路费用按题目价值设封顶。跑完一批后看停机原因分布,如果大多数是“费用封顶”却已接近完成,再适当放宽;如果大多数是“连续无进展”,说明任务拆得不够细。

Q8:这种做法有哪些限制?

一是复核模型可能漏判或误判,需要用已知答案样本校准。二是费用估算基于标价,未计缓存折扣和失败重试的波动。三是像研究帖那样,最终结论仍需要外部校验,例如形式化证明或领域专家审阅,代理之间互相通过不等于结果正确。


重度 Agent 任务选 API 核心要点 Key Takeaways

  • 由头定性:Fable 5.2 黑洞研究是官方自述,论文为预印本,看方法不看结论
  • 拆角色:开放推理交给主推理模型,有明确标准的检查交给复核模型
  • 复核要独立:复核只判断不重推,输出 PASS / FAIL 加理由
  • 停机线必写:轮数、费用、连续无进展、失败次数四条线缺一不可
  • 只用有标价的模型:模型 ID 与单价写死在代码里,换模型必须同步改价
  • 善用缓存读:稳定的背景与进展放前部,缓存读仅为输入价的 2.5%
  • 统一入口上手:通过 API易 一个 Key 切换主推理与复核模型,先用免费额度跑小题

总结

从 Claude Fable 5.2 破解黑洞物理难题这件事出发,重度 Agent 任务最值得借鉴的是三点:

  1. 主推理与复核分开:研究帖用同一模型多份拷贝互相核对,你可以在此基础上尝试按角色选不同价位的模型,并用样本验证复核质量。
  2. 每一路写清停机线:61 次失败尝试说明失败是常态,轮数、费用、无进展和失败次数都要有上限。
  3. 只调型号表里有标价的模型:把 claude-fable-5-2、claude-sonnet-5-5、claude-haiku-5-5 等模型 ID 和单价写进代码,费用才可预估、可封顶。

长任务的成败往往不取决于某一次调用有多聪明,而取决于整体流程能否在可控预算内持续推进并留下可校验的结果。推荐通过 API易 apiyi.com 用免费测试额度先跑通一道小题,再按停机原因逐步调参、扩大规模。


📚 参考资料

  1. Anthropic 研究帖:Claude Fable 5.2 多代理完成两道黑洞物理题的官方自述

    • 链接:anthropic.com/research/claude-black-hole-physics
    • 说明:了解代理分工、时长与复核方式的一手描述
  2. 预印本论文一:研究帖关联的预印本,未经同行评审

    • 链接:hexagonmath.org/2611.00175v1
    • 说明:适合想查看结果原文的读者
  3. 预印本论文二:研究帖关联的另一篇预印本,未经同行评审

    • 链接:hexagonmath.org/2611.00174v1
    • 说明:与上一篇对照阅读
  4. Claude Fable 5.2 官方模型页:模型 ID、上下文、最大输出与官方标价

    • 链接:platform.claude.com/docs/en/models/fable-5-2/overview
    • 说明:核对模型规格与官方定价梯度

作者:API易 技术团队
技术交流:欢迎在 API易 网站首页联系我们,型号与价格说明可查阅 docs.apiyi.com 文档中心

发表评论