Společnost Anthropic v pondělí vydala Claude Fable 5.2 a Claude Mythos 5.2, nejnovější verze hraničních modelů, které si vyhrazuje pro nejnáročnější technickou práci. Společnost říká, že tento upgradovaný pár zlepšuje kódování, uvažování a vidění, generuje výstupy až o 30 % rychleji než Fable 5.1 a Mythos 5.1 a dosahuje nižší ceny: 8 USD za milion vstupních tokenů a 40 USD za milion výstupních tokenů s volitelným rychlým režimem, který zrychluje generování až 2,5krát na milion vstupu a 80 USD za milion vstupu.

Uvedení na trh rychle přitáhlo pozornost komunity sledující modely. Artificial Analysis, nezávislý web pro hodnocení umělé inteligence, získal Fable 5.2 na svém indexu inteligence 65, což je nejvyšší skóre, které dosud zaznamenal u jakéhokoli vydaného modelu, a oznámení vyvolalo stovky komentářů na Hacker News během několika hodin. Pro čtenáře sledující nejnovější vývoj AI představuje toto vydání nejostřejší skok ve schopnostech, jaký Anthropic ukázal od červnového debutu řady Fable.

Jeden model, dvoje dveře

Fable a Mythos jsou stejný základní model. Rozdíl je v zásadách přístupu: Fable obsahuje silné kybernetické a biologické záruky, které umožňují Anthropicu nabídnout jej všem uživatelům, zatímco Mythos odebírá méně schopností, a proto je omezen na organizace přijaté do programů Antropic Life Sciences a Cyber ​​Verification Programs. Anthropic uvedl, že ochrany Fable 5.2 jsou stejně robustní jako Fable 5.1, ale produkují méně zbytečných bloků, a že nový model zahrnuje dosud nejsilnější ochranu společnosti proti destilačním útokům.

Společnost také odhalila, že bezpečnostní testování před vydáním zahrnovalo nová hodnocení zaměřená na specifická chování, jako jsou úniky z pískoviště, a že model fungoval stejně dobře nebo lépe než nedávné antropické modely ve většině opatření zarovnání. Úplné podrobnosti jsou zveřejněny na systémové kartě Fable 5.2 a Mythos 5.2.

Co ukazují benchmarky

Společnost Antropic umístila nové modely o stupínek výše než Claude Opus 5.5, svůj doporučený model pro každodenní řidiče, téměř ve všech hodnocených schopnostech. Na FrontierCode 2.0, benchmarku agentního kódování, který měří, zda by změny modelu byly skutečně začleněny do open source repozitářů, získal Fable 5.2 49,1 % při maximálním úsilí o uvažování, což je nejvyšší skóre ze všech vydaných modelů, které společnost testovala. Při vysokém úsilí dosáhlo 45,3 %, což je zhruba ve srovnání s nejlepším skóre Opus 5.5 45,5 % při přibližně polovičních nákladech na úkol a porazilo nejlepší skóre GPT-6 Astra 42,8 %.

Další výsledky z oznámení Anthropic:

  • FrontierSWE v2 (agentní kódování): 69,9 %, oproti 56,3 % u Fable 5.1 a před Opus 5.5 (62,3 %), GPT-6 Astra (65,5 %) a Gemini 4 Carbon (61,2 %).
  • Poslední zkouška Humanity s nástroji (multidisciplinární zdůvodnění): 74,2 % oproti 65,6 % u Fable 5.1 a 57,2 % u GPT-6 Astra při maximálním úsilí.
  • Remote Labor Index (práce se znalostmi): 41,3 % při vysokém úsilí, více než dvojnásobek Fable 5.1 17,9 % a výrazně před Opus 5,5 21,3 %.
  • OSWorld 2.1 (použití počítače): 89,3 %, před Opus 5.5 s 87,2 %.
  • RoboDojo Sim (robotika): 64,9 %, skok z 27,6 % u předchozí verze.
  • BenchCAD 2.1 (hardwarové inženýrství): 83,5 při maximálním úsilí oproti 65,3 pro Opus 5.5.

Gemini 4 Carbon držel náskok v jedné oblasti a dosáhl skóre 53,9 % oproti Fable 5.2 51,4 % v AutomationBench, benchmarku podnikových pracovních postupů. Mythos 5.2 zveřejnil silnější výsledky v oblasti kybernetické bezpečnosti a proteinového designu, včetně 76,3 % v CyScenarioBench a 89,6 % v testu znovuobjevení CVE.

Co model dělal před startem

Nejpoutavější tvrzení v oznámení se týkají předběžného testování. Společnost Anthropic uvedla, že Fable 5.2 pomohla svým inženýrům dokončit jinak neproveditelné softwarové migrace, navrhla tři fungující elektronická zařízení od nuly, vyřešila dva otevřené problémy ve fyzice černých děr a formalizovala důkaz Fermatova posledního teorému za 30 hodin.

V jednom interním experimentu požádal inženýr Anthropic model, aby vytvořil prototyp operačního systému počínaje prázdnou složkou. Model koordinoval více než 1000 subagentů během osmi dnů a vytvořil systém, který se spouští na notebooku s vlastním jádrem, diskem, klávesnicí a síťovými ovladači, trvalým úložištěm souborů, systémem oken, přihlašovací obrazovkou a instalačním programem. Anthropic také uvedl, že tým agentů provozujících starší verzi modelu migroval kritickou produkční službu z Pythonu do Rustu a že služba nyní začíná asi 26krát rychleji.

Společnost dodala, že více než 90 % změn sloučených do její vlastní základní kódové základny nyní píše Claude s lidským vedením.

Jak Antropický navrhuje jeho použití

Navzdory skoku v benchmarku Anthropic neumisťuje Fable 5.2 jako náhradu za svou hlavní řadu. Pro většinu kódovacích a znalostních úloh doporučuje začít s Opus 5.5 a přejít na Fable nebo Mythos pouze v případě, že to problém vyžaduje, nebo na Sonnet 5.5 a Haiku 5.5, když to nevyžaduje. Fable 5.2 může také fungovat jako poradce, se kterým menší modely konzultují těžké problémy, nebo jako orchestrátor, který deleguje jednodušší úkoly směrem dolů.

Mezi první zákazníky citované v oznámení patří Vercel, Shopify, Datadog, Unity, Uber, Oracle, Snowflake, Cognition a iGent. Joe Haddad, člen technického personálu ve Vercelu, řekl, že projekty, které byly týdny tlačeny spolu s jinými modely, byly dokončeny a schváleny během několika dní, zatímco Tom Pritchard, personální inženýr v Shopify, popsal model jako pocit, jako byste pracovali s dalším inženýrem na úrovni personálu.

Dostupnost

Fable 5.2 je nyní k dispozici ve službách Amazon Web Services, Google Cloud a Microsoft Azure a vývojáři jej mohou na platformě Claude nazývat claude-fable-5-2. Přístup k Mythos 5.2 probíhá prostřednictvím ověřovacích programů a Anthropic také zpřístupňuje model v rámci Claude Security pro podnikové zákazníky. V týdnu uvedení na trh společnost Anthropic poskytuje oprávněným placeným předplatitelům další využití Fable, včetně přístupu Fable v hodnotě až 50 % týdenních limitů využití v plánech Pro.

Snížení cen je pozoruhodné vzhledem ke skoku ve schopnostech. Zda výsledky Fable 5.2 obstojí při nezávislém hodnocení a jak rychle budou soupeři OpenAI a Google reagovat na další kroky, bude formovat hraniční závod směřující do roku 2027.

---

Stay Ahead of AI

Získejte nejnovější zprávy, analýzy a průlomové informace o umělé inteligenci – vše na jednom místě.

Přečtěte si další zprávy o AI →