今天三条，主题都绕着Agent：一个更强也更便宜的旗舰模型，一个专门给Agent干重复活的小模型，还有一家专门盯着Agent别乱来的安全公司。三条都有官方页面，也都有独立媒体报道。
01 Anthropic发布Fable 5.2和Mythos 5.2：同一个模型，两套护栏
11月9日（周一），Anthropic发布了Claude Fable 5.2和Claude Mythos 5.2。TechCrunch的说法是“on Monday, with the launch of Mythos 5.2 and Fable 5.2”。
这两个模型的关系有点特别。SiliconANGLE写道：“The LLMs are identical as far as their core capabilities are concerned.” 区别只在护栏：“Fable 5.2 blocks certain biology and cybersecurity use cases, while Mythos 5.2 includes more relaxed guardrails.” Mythos 5.2不对普通开发者开放，“only available to trusted researchers through a pair of limited-access programs.”
Fable 5.2遇到生物研究或网络安全类请求时，SiliconANGLE称它会把请求转给Opus 4.8或Opus 5处理，不是直接拒绝。Anthropic还表示，Fable 5.2误拦安全请求的概率比Fable 5.1低55%。这个数字来自公司自述，我没看到第三方复测。
价格是开发者最关心的。官方文档里Fable 5.2的定价写的是“$8 / input MTok, $40 / output MTok”，API ID是claude-fable-5-2，上下文窗口1M token，最大输出128K。TechCrunch报道这次是“lowering the cost of Fable from $10 to $8 per million input tokens”，SiliconANGLE称新模型比上一代便宜20%。
能力方面，SiliconANGLE称“Fable 5.2 scored 74.6% on Terminal-Bench-Science 0.1, a 22% improvement over Fable 5.1.” 在FrontierCode 2.0和FrontierSWE 2.0两个编程基准上，领先上一代13%以上。这些都是Anthropic自己公布的成绩。
我的判断：同一个模型分成「公开版」和「受控研究版」，说明前沿实验室已经接受一个现实——模型能力强到一定程度，限制谁能用，比限制模型能做什么更实际。对普通开发者，直接影响是单价降了，原来用Fable 5.1跑的长任务可以算算新账。Mythos 5.2的单价和模型ID我没在官方文档里找到，需要的话请以Anthropic官网为准。
来源：Claude官方文档 Models overview；SiliconANGLE；TechCrunch。
02 Meta发布Muse Ember：专门给Agent干重复活的低价模型
同一天，Meta发布Muse Ember。官方博客对它的定位是“our smallest and most efficient model designed for complex reasoning execution and the work agents repeat all day”。具体场景列得很清楚：“tool calls, coding subtasks, routing, extraction, and long document parsing.”
为什么要单独做这样一个模型？Meta的解释是：“Agents spend most of their tokens on many small, structured steps, and Muse Ember is built for exactly that.” 一个Agent任务里，真正需要大模型做规划的只有少数几步，大量token花在调工具、抽字段、分发任务上。TechCrunch总结得很直白：“Muse Wonder plans, Muse Ember handles the volume.”
价格：“$0.10 per million input tokens and $0.50 per million output tokens”，缓存输入每百万token 0.004美元。官方脚注写明，这个价格适用于200K token以内的提示词，更长的提示词输入涨到0.3美元、输出1.5美元。模型ID是muse-ember-1.0，支持Responses API，上下文1M token，已上Meta Model API和Muse Code，Meta还称Muse系列已上Google Cloud和Oracle Cloud。
跑分方面，Meta称它“matches Haiku's best score at about a third of the cost and beats every Luna setting.” 在AutomationBench-AA上，Meta公布的成绩是Ember 37.8%、Haiku 5.5 13.9%、GPT-6 Luna 20.2%。不过Meta自己的表格里，FrontierCode 2.0上Ember是27.2，落后Haiku 5.5的34.9。多数分数来自Meta内部评测。
我的判断：「大模型规划、小模型执行」这套分工，正在从工程技巧变成厂商直接卖的产品。做Agent项目时，可以把调用日志按步骤拆开看，哪些步骤只是抽取和路由，换成这一档小模型，成本可能差一个数量级。但别只看厂商跑分，用自己的任务跑一遍对比再换。
来源：Meta官方博客；TechCrunch；SiliconANGLE。
03 Bay融资5000万美元：Agent每做一个动作，先过一道检查
11月10日，以色列AI安全公司Bay结束隐身。官方博客标题是“Bay Emerges From Stealth With $50M After Fortune 100 Companies Used Its Platform to Triple Autonomous AI Agent Use”。
这5000万美元分两轮。SiliconANGLE报道，“Battery Ventures LP led the larger $37 million Series A round”，另外1300万美元来自此前没公开的种子轮，由YL Ventures和Striker Venture Partners共同领投。美光的投资部门Micron Ventures也参投了，美光本身是Bay的客户；Wiz CEO Assaf Rappaport以个人身份投资。
产品逻辑很好理解。Bay会追踪公司里所有在跑的Agent，不管它在员工笔记本、云工作负载还是SaaS应用里。SiliconANGLE描述了执行流程：“Each time an agent proposes an action, the AI tool running it hands the request to Bay Enforcer, a static binary, through a native hook.” 检查在本机完成，会结合整个会话上下文判断，“Anything judged too risky never runs.” Bay官网的说法是“Risky actions stop before they complete. Everything else keeps moving.”
公司总部在特拉维夫，三位联合创始人是CEO Yuval Zacharia、CPO Aner Morag和研发副总裁Boris Danilovich。标题里「财富100强客户让Agent用量翻三倍」是公司自述，具体是哪些客户、怎么统计的，公开材料里没有。
我的判断：Agent从「回答问题」变成「动手操作」之后，安全问题也换了形态——不再只是防提示词注入，而是要管住它删文件、发邮件、改配置这些真实动作。做DevOps或安全方向的同学，可以开始了解Agent的权限模型、执行钩子和审计日志，这块的岗位需求大概率会跟着Agent落地一起涨。
来源：Bay官方博客；Bay官网；SiliconANGLE。