Anthropic 发布 Claude Fable 5.2,用代码逐笔绘制图像
Anthropic's Claude Fable 5.2 doesn't generate images, it paints them
Anthropic 发布新语言模型 Claude Fable 5.2,它不依赖外部图像模型,而是用 1000 至 2000 行 Python 代码驱动模拟绘画引擎,逐笔在虚拟画布上作画。
原文展示了模型用代码逐笔模拟绘画的过程,并给出与扩散模型不同的生成路径和机器人任务对比数据。
Anthropic 的新语言模型 Claude Fable 5.2 能够通过编写代码,在虚拟画布上放置数十万个独立的笔触,从而创作出复杂甚至逼真的绘画作品。
当前的图像模型(如 Midjourney)通常使用扩散技术,将带有噪声的图像逐步细化为清晰的结果。 Fable 5.2 采取了不同的方法,模拟真实的物理绘画过程,包括刷毛纹理、颜料涂抹方式以及需要覆盖的错误。
开发者 Jake Eaton 在 X 平台上展示了该方法的效果。Eaton 供职于 Anthropic,他经常参与关于语言模型价值观、安全机制和 AI 智能体行为的研究。
当他要求 Fable 5.2 创作一幅尽可能难以与照片区分开来的画作时,该模型生成了停车场中一辆购物车的图像,使用了大约 700,000 个模拟笔触。
据 Eaton 介绍,Claude 在没有外部图像模型且没有预渲染或描摹源图像的情况下工作。每幅作品都是一个包含 1,000 到 2,000 行代码的 Python 程序,用于驱动模拟绘画引擎。这种方法类似于 代理式图像编辑,即由语言模型选择工具并评估结果。
此前使用兄弟模型 Opus 5.5 的尝试因仅仅模仿现有艺术而受到批评。Eaton 回应称,让 Fable 5.2 发展出具有虚构背景故事和一致风格的艺术家人格。每幅画作需要数千个笔触,Eaton 通过注释来引导这些笔触。
由于没有撤销按钮,模型必须对每一笔负责
Anthropic 工程师 Michael Graczyk 分享了一段 聊天记录和视频,记录了他要求 Fable 5.2 绘制日出时分鸟类的实验。该模型只能使用代码来模拟刷毛的物理特性、湿颜料和画布纹理。它必须手动输出每一笔作为单独的坐标行,一旦放置便无法撤销。这正是该方法与 AI 生成视频的区别所在,后者如 Flux 3 等模型直接生成图像序列及其时间一致性。
生成的这段 21 秒视频使用计数器追踪了画作如何从空白画布上的恰好 111 笔逐渐成形。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轻微抖动的路径点。Fable 5.2 表示,它故意添加了大约七像素的抖动,因为人类手臂也无法画出完全笔直的线条。
在每次运笔之间,模型会观察画布并对自身的错误做出反应,就像真正的画家一样。当鸟的背部画得太细且杂乱时,AI 在其上覆盖了一笔更粗重的笔触,使得边缘散乱的刷痕现在看起来像蓬松的羽毛。
在另一幅展示黄昏时两人作画的 280 笔作品中,晚些时候的光影效果意外地抹开了桌上的颜料管和杯子。Claude 事后重新绘制了这些物体。模型还让两个人都用外侧的手作画,以便他们的内侧肩膀能够接触,正如提示词所要求的那样。
同样的空间推理能力也适用于实体机器人
Fable 5.2 在物理约束下逐步规划并自我纠正的能力不仅限于虚拟画布。据 Anthropic 称,该模型专为极其苛刻的长周期技术任务而构建,Mythos 5.2 也是如此,后者是专为经过验证的安全性和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开放问题,与电路板制造商 Diode 合作设计了三种可工作的电子设备,并在八天内使用超过 1,000 个子代理为其自己的笔记本电脑操作系统编写了程序。
AI 研究员 Aris Zhu 测试了该模型在实际机械臂上的表现。他将 Fable 5.2 与 OpenAI 的竞争模型 GPT-6 Astra 进行对比,两者均使用实体机械臂来绘制梵高的《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 的现实世界比较仍显示出精细运动控制的局限性。Astra 绘画速度更快,目前只有 OpenAI 的模型成功将多米诺骨牌竖立起来。它是通过缓慢松开夹爪,利用重力作为支点来实现这一点的。
无炒作 AI 新闻 – 由人工策划
订阅 THE DECODER,享受无广告阅读、每周 AI 通讯、每年六次的独家 "AI Radar" 前沿报告、完整档案访问权限以及评论版块访问权限。
来源:The Decoder · the-decoder.com