নৃতাত্ত্বিক এখনও তার সর্বোচ্চ বেঞ্চমার্ক স্কোর সহ Claude Fable 5.2 এবং Mythos 5.2 চালু করেছে

অ্যানথ্রোপিক সোমবার ক্লদ ফেবল 5.2 এবং ক্লড মিথোস 5.2 প্রকাশ করেছে, ফ্রন্টিয়ার মডেলগুলির নতুন সংস্করণ যা এটি সবচেয়ে চাহিদাপূর্ণ প্রযুক্তিগত কাজের জন্য সংরক্ষণ করে। কোম্পানি বলেছে যে আপগ্রেড করা জুটি কোডিং, যুক্তি এবং দৃষ্টিতে উন্নতি করে, Fable 5.1 এবং Mythos 5.1 এর থেকে 30% দ্রুত আউটপুট তৈরি করে এবং কম দামে আসে: $8 প্রতি মিলিয়ন ইনপুট টোকেন এবং $40 প্রতি মিলিয়ন আউটপুট টোকেন, একটি ঐচ্ছিক ফাস্ট মোড সহ যা প্রতি $201 মিলিয়ন ডলার পর্যন্ত ত্বরান্বিত করে। আউটপুট টোকেন।

লঞ্চটি দ্রুত মডেল-ট্র্যাকিং সম্প্রদায়ের দৃষ্টি আকর্ষণ করে। কৃত্রিম বিশ্লেষণ, একটি স্বাধীন AI মূল্যায়ন সাইট, এর বুদ্ধিমত্তা সূচকে Fable 5.2 স্কোর করেছে 65, এটি এখন পর্যন্ত প্রকাশিত যেকোনো মডেলের জন্য রেকর্ড করা সর্বোচ্চ স্কোর, এবং ঘোষণাটি কয়েক ঘণ্টার মধ্যে হ্যাকার নিউজে শত শত মন্তব্য করেছে। সাম্প্রতিক AI উন্নয়ন অনুসরণ করা পাঠকদের জন্য, এই রিলিজটি জুন মাসে Fable লাইনের আত্মপ্রকাশের পর থেকে Anthropic-এর সবচেয়ে তীক্ষ্ণ ক্ষমতার জাম্পকে চিহ্নিত করে।

এক মডেল, দুই দরজা

রূপকথা এবং মিথোস একই অন্তর্নিহিত মডেল। পার্থক্য হল অ্যাক্সেস নীতি: কল্পকাহিনীতে শক্তিশালী সাইবার নিরাপত্তা এবং জীববিজ্ঞান সুরক্ষা রয়েছে যা অ্যানথ্রোপিককে এটি সমস্ত ব্যবহারকারীদের কাছে অফার করতে দেয়, যখন মিথোস কম ক্ষমতাগুলি সরিয়ে দেয় এবং তাই অ্যানথ্রপিকের জীবন বিজ্ঞান এবং সাইবার যাচাইকরণ প্রোগ্রামগুলিতে গৃহীত সংস্থাগুলির মধ্যে সীমাবদ্ধ। অ্যানথ্রোপিক বলেছেন যে Fable 5.2 এর সুরক্ষাগুলি Fable 5.1 এর মতোই শক্তিশালী কিন্তু কম অপ্রয়োজনীয় ব্লক তৈরি করে এবং নতুন মডেলে পাতন আক্রমণের বিরুদ্ধে কোম্পানির সবচেয়ে শক্তিশালী সুরক্ষা অন্তর্ভুক্ত রয়েছে।

কোম্পানিটি আরও প্রকাশ করেছে যে প্রি-রিলিজ নিরাপত্তা পরীক্ষায় স্যান্ডবক্স পালানোর মতো নির্দিষ্ট আচরণগুলিকে লক্ষ্য করে অভিনব মূল্যায়ন অন্তর্ভুক্ত করা হয়েছে এবং বেশিরভাগ সারিবদ্ধকরণ ব্যবস্থাগুলিতে মডেলটি সাম্প্রতিক নৃতাত্ত্বিক মডেলগুলির তুলনায় ভাল বা ভাল পারফর্ম করেছে৷ সম্পূর্ণ বিবরণ Fable 5.2 এবং Mythos 5.2 সিস্টেম কার্ডে প্রকাশিত হয়েছে।

বেঞ্চমার্কগুলি কী দেখায়

অ্যানথ্রোপিক নতুন মডেলগুলিকে ক্লাউড ওপাস 5.5 এর উপরে একটি ধাপ হিসাবে অবস্থান করে, এটির প্রস্তাবিত দৈনিক-চালক মডেল, এটি মূল্যায়ন করা প্রায় প্রতিটি ক্ষমতার উপর। FrontierCode 2.0-এ, একটি এজেন্টিক কোডিং বেঞ্চমার্ক যা পরিমাপ করে যে মডেলের পরিবর্তনগুলি আসলেই ওপেন-সোর্স রিপোজিটরিতে একত্রিত হবে কিনা, Fable 5.2 সর্বোচ্চ যুক্তির প্রচেষ্টায় 49.1% স্কোর করেছে, যে কোনও প্রকাশ করা মডেলের সর্বোচ্চ স্কোর কোম্পানিটি পরীক্ষা করেছে। উচ্চ প্রচেষ্টায় এটি 45.3% এ পৌঁছেছে, মোটামুটিভাবে প্রতি টাস্কের প্রায় অর্ধেক খরচে Opus 5.5 এর সেরা স্কোর 45.5% এর সাথে মিলেছে এবং GPT-6 Astra-এর সেরা 42.8% কে হারায়।

Anthropic এর ঘোষণা থেকে অন্যান্য ফলাফল:

• FrontierSWE v2 (এজেন্টিক কোডিং): 69.9%, Fable 5.1 এর জন্য 56.3% থেকে এবং Opus 5.5 (62.3%), GPT-6 Astra (65.5%), এবং Gemini 4 কার্বন (61.2%) থেকে এগিয়ে৷

• মানবতার শেষ পরীক্ষা টুল সহ (মাল্টিডিসিপ্লিনারি রিজনিং): 74.2%, Fable 5.1 এর জন্য 65.6% এবং GPT-6 Astra-এর জন্য 57.2% সর্বোচ্চ প্রচেষ্টায়।

• দূরবর্তী শ্রম সূচক (জ্ঞানের কাজ): উচ্চ প্রচেষ্টায় 41.3%, Fable 5.1 এর 17.9% এর দ্বিগুণেরও বেশি এবং Opus 5.5 এর 21.3% থেকে বেশ এগিয়ে।

• OSWorld 2.1 (কম্পিউটার ব্যবহার): 89.3%, Opus 5.5 থেকে 87.2% এগিয়ে।

• RoboDojo Sim (রোবোটিক্স): 64.9%, আগের সংস্করণের জন্য 27.6% থেকে একটি লাফ।

• BenchCAD 2.1 (হার্ডওয়্যার ইঞ্জিনিয়ারিং): সর্বোচ্চ প্রচেষ্টায় 83.5, Opus 5.5 এর জন্য 65.3 বনাম।

জেমিনি 4 কার্বন একটি অঞ্চলে প্রান্ত ধরে রেখেছে, অটোমেশনবেঞ্চে 53.9% থেকে Fable 5.2-এর 51.4% স্কোর করেছে, একটি ব্যবসা-ওয়ার্কফ্লো বেঞ্চমার্ক। Mythos 5.2 শক্তিশালী সাইবারসিকিউরিটি এবং প্রোটিন-ডিজাইন ফলাফল পোস্ট করেছে, যার মধ্যে 76.3% CyScenarioBench এবং 89.6% CVE পুনঃআবিষ্কার পরীক্ষায়।

লঞ্চের আগে মডেলটি কী করেছিল

ঘোষণার মধ্যে সবচেয়ে আকর্ষণীয় দাবিগুলি প্রি-রিলিজ পরীক্ষা সংক্রান্ত। অ্যানথ্রোপিক বলেছে যে Fable 5.2 তার ইঞ্জিনিয়ারদের অন্যথায়-অসম্ভাব্য সফ্টওয়্যার স্থানান্তর সম্পূর্ণ করতে সাহায্য করেছে, স্ক্র্যাচ থেকে তিনটি কার্যকরী ইলেকট্রনিক ডিভাইস ডিজাইন করেছে, ব্ল্যাক হোলের পদার্থবিদ্যায় দুটি খোলা সমস্যা সমাধান করেছে এবং 30 ঘন্টার মধ্যে ফার্মাটের শেষ উপপাদ্যের প্রমাণকে আনুষ্ঠানিক করেছে।

একটি অভ্যন্তরীণ পরীক্ষায়, একজন নৃতাত্ত্বিক প্রকৌশলী মডেলটিকে একটি খালি ফোল্ডার থেকে শুরু করে একটি প্রোটোটাইপ অপারেটিং সিস্টেম তৈরি করতে বলেছিলেন। মডেলটি আট দিনের মধ্যে 1,000 টিরও বেশি সাবএজেন্টকে সমন্বয় করেছে এবং একটি সিস্টেম তৈরি করেছে যা একটি ল্যাপটপে তার নিজস্ব কার্নেল, ডিস্ক, কীবোর্ড এবং নেটওয়ার্ক ড্রাইভার, স্থায়ী ফাইল স্টোরেজ, একটি উইন্ডো সিস্টেম, একটি লগইন স্ক্রিন এবং একটি ইনস্টলার সহ বুট করে। অ্যানথ্রোপিক আরও বলেছে যে মডেলের একটি পূর্ববর্তী সংস্করণ চালানো এজেন্টদের একটি দল পাইথন থেকে মরিচায় একটি সমালোচনামূলক উত্পাদন পরিষেবা স্থানান্তরিত করেছে এবং পরিষেবাটি এখন প্রায় 26 গুণ দ্রুত শুরু হয়েছে।

সংস্থাটি যোগ করেছে যে 90% এরও বেশি পরিবর্তনগুলি তার নিজস্ব মূল কোডবেসে একত্রিত হয়েছে এখন ক্লাউড মানব নির্দেশিকা সহ লিখিত।

কিভাবে নৃতাত্ত্বিক এটি ব্যবহার করার পরামর্শ দেয়

বেঞ্চমার্ক লিপ সত্ত্বেও, অ্যানথ্রোপিক তার প্রধান লাইনআপের প্রতিস্থাপন হিসাবে Fable 5.2 এর অবস্থান করছে না। বেশিরভাগ কোডিং এবং জ্ঞানমূলক কাজের জন্য এটি Opus 5.5 দিয়ে শুরু করে শুধুমাত্র Fable বা Mythos-এ যাওয়ার পরামর্শ দেয় যখন কোনও সমস্যা এটির দাবি করে, অথবা সনেট 5.5 এবং হাইকু 5.5-এ যখন এটি না হয়। Fable 5.2 একটি উপদেষ্টা হিসাবেও কাজ করতে পারে যা ছোট মডেলগুলি কঠিন সমস্যাগুলির বিষয়ে পরামর্শ করে, বা একটি অর্কেস্ট্রেটর হিসাবে যা নীচের দিকে সহজ কাজগুলি অর্পণ করে।

ঘোষণায় উদ্ধৃত প্রাথমিক গ্রাহকদের মধ্যে রয়েছে Vercel, Shopify, Datadog, Unity, Uber, Oracle, Snowflake, Cognition এবং iGent। ভার্সেলের কারিগরি কর্মীদের একজন সদস্য জো হাদ্দাদ বলেছেন যে প্রকল্পগুলি যেগুলি সপ্তাহ ধরে অন্যান্য মডেলের সাথে ঠেলে দেওয়া হয়েছিল সেগুলি কয়েক দিনের মধ্যে শেষ হয়ে যায় এবং অনুমোদিত হয়, যখন শপিফাইয়ের একজন স্টাফ ইঞ্জিনিয়ার টম প্রিচার্ড মডেলটিকে অন্য স্টাফ-লেভেল ইঞ্জিনিয়ারের সাথে কাজ করার মতো অনুভূতি হিসাবে বর্ণনা করেছেন।

প্রাপ্যতা

Fable 5.2 এখন Amazon Web Services, Google Cloud, এবং Microsoft Azure জুড়ে উপলব্ধ, এবং ডেভেলপাররা Claude প্ল্যাটফর্মে এটিকে claude-fable-5-2 হিসাবে কল করতে পারেন। Mythos 5.2 অ্যাক্সেস যাচাইকরণ প্রোগ্রামগুলির মাধ্যমে চলে, এবং Anthropic এছাড়াও এন্টারপ্রাইজ গ্রাহকদের জন্য ক্লড সিকিউরিটির ভিতরে মডেলটি সারফেস করছে। লঞ্চ সপ্তাহের জন্য, অ্যানথ্রপিক যোগ্য অর্থপ্রদানকারী গ্রাহকদের প্রো প্ল্যানগুলিতে সাপ্তাহিক ব্যবহারের সীমার 50% পর্যন্ত মূল্যের Fable অ্যাক্সেস সহ অতিরিক্ত Fable ব্যবহার দিচ্ছে৷

সামর্থ্য লাফ দেওয়া মূল্যের কাটতি উল্লেখযোগ্য। Fable 5.2-এর স্কোরগুলি স্বাধীন মূল্যায়নের অধীনে ধরে রাখবে কিনা, এবং প্রতিদ্বন্দ্বী OpenAI এবং Google তাদের পরবর্তী পদক্ষেপে কত দ্রুত সাড়া দেবে, তা 2027-এর দিকে অগ্রসর হওয়া সীমান্ত রেসকে আকৃতি দেবে।

---

এআই থেকে এগিয়ে থাকুন

সর্বশেষ AI খবর, বিশ্লেষণ এবং সাফল্য পান — সব এক জায়গায়।

আরও এআই খবর পড়ুন →