Η Anthropic κυκλοφόρησε τη Δευτέρα τα Claude Fable 5.2 και Claude Mythos 5.2, τις νεότερες εκδόσεις των μοντέλων frontier που διατηρεί για τις πιο απαιτητικές τεχνικές εργασίες. Η εταιρεία λέει ότι το αναβαθμισμένο ζεύγος βελτιώνεται στην κωδικοποίηση, τη λογική και την όραση, παράγει εξόδους έως και 30% πιο γρήγορα από το Fable 5.1 και το Mythos 5.1 και φτάνει σε χαμηλότερη τιμή: 8 $ ανά εκατομμύριο διακριτικά εισόδου και 40 $ ανά εκατομμύριο διακριτικά εξόδου, με προαιρετική γρήγορη λειτουργία που επιταχύνει την παραγωγή έως και 25 εκατομμύριο $ ανά έξοδο έως και 1 εκατομμύριο $. μάρκες.

Η κυκλοφορία τράβηξε γρήγορα την προσοχή της κοινότητας παρακολούθησης μοντέλων. Το Artificial Analysis, ένας ανεξάρτητος ιστότοπος αξιολόγησης τεχνητής νοημοσύνης, σημείωσε το Fable 5.2 στο 65 στον δείκτη νοημοσύνης του, την υψηλότερη βαθμολογία που έχει καταγράψει για οποιοδήποτε μοντέλο που κυκλοφόρησε μέχρι στιγμής, και η ανακοίνωση προκάλεσε εκατοντάδες σχόλια στο Hacker News μέσα σε λίγες ώρες. Για τους αναγνώστες που παρακολουθούν τις τελευταίες εξελίξεις της τεχνητής νοημοσύνης, αυτή η έκδοση σηματοδοτεί το πιο ευκρινές άλμα ικανοτήτων που έχει δείξει η Anthropic από τότε που έκανε το ντεμπούτο της η σειρά Fable τον Ιούνιο.

Ένα μοντέλο, δύο πόρτες

Το Fable και το Mythos είναι το ίδιο υποκείμενο μοντέλο. Η διαφορά είναι η πολιτική πρόσβασης: Το Fable φέρει ισχυρές διασφαλίσεις κυβερνοασφάλειας και βιολογίας που επιτρέπουν στο Anthropic να το προσφέρει σε όλους τους χρήστες, ενώ το Mythos αφαιρεί λιγότερες δυνατότητες και επομένως περιορίζεται σε οργανισμούς που είναι αποδεκτοί στα προγράμματα Life Sciences και Cyber ​​Verification του Anthropic. Η Anthropic είπε ότι οι διασφαλίσεις του Fable 5.2 είναι εξίσου ισχυρές με τις διασφαλίσεις του Fable 5.1, αλλά παράγουν λιγότερα περιττά μπλοκ και ότι το νέο μοντέλο περιλαμβάνει τα ισχυρότερα μέτρα προστασίας της εταιρείας από επιθέσεις απόσταξης.

Η εταιρεία αποκάλυψε επίσης ότι οι δοκιμές ασφάλειας πριν από την κυκλοφορία περιελάμβαναν νέες αξιολογήσεις που στοχεύουν συγκεκριμένες συμπεριφορές, όπως διαφυγές sandbox, και ότι το μοντέλο απέδωσε εξίσου ή καλύτερα από τα πρόσφατα μοντέλα Anthropic στα περισσότερα μέτρα ευθυγράμμισης. Οι πλήρεις λεπτομέρειες δημοσιεύονται στην κάρτα συστήματος Fable 5.2 και Mythos 5.2.

Τι δείχνουν τα σημεία αναφοράς

Η Anthropic τοποθέτησε τα νέα μοντέλα ως ένα βήμα πάνω από το Claude Opus 5.5, το προτεινόμενο μοντέλο για καθημερινό οδηγό, σχεδόν σε κάθε ικανότητα που αξιολόγησε. Στο FrontierCode 2.0, ένα πρακτορείο αναφοράς κωδικοποίησης που μετρά εάν οι αλλαγές ενός μοντέλου θα συγχωνευθούν πραγματικά σε αποθετήρια ανοιχτού κώδικα, το Fable 5.2 σημείωσε 49,1% στη μέγιστη προσπάθεια συλλογιστικής, την υψηλότερη βαθμολογία από οποιοδήποτε μοντέλο που κυκλοφόρησε που έχει δοκιμάσει η εταιρεία. Σε υψηλή προσπάθεια έφτασε το 45,3%, ταιριάζοντας περίπου με την καλύτερη βαθμολογία του Opus 5,5, 45,5% περίπου στο μισό κόστος ανά εργασία και ξεπερνώντας το καλύτερο του GPT-6 Astra με 42,8%.

Άλλα αποτελέσματα από την ανακοίνωση του Anthropic:

  • FrontierSWE v2 (agent coding): 69,9%, από 56,3% για το Fable 5.1 και μπροστά από το Opus 5.5 (62,3%), το GPT-6 Astra (65,5%) και το Gemini 4 Carbon (61,2%).
  • Humanity's Last Exam with tools (πολυεπιστημονικός συλλογισμός): 74,2%, έναντι 65,6% για το Fable 5.1 και 57,2% για το GPT-6 Astra με μέγιστη προσπάθεια.
  • Δείκτης εργασίας εξ αποστάσεως (εργασία γνώσης): 41,3% σε υψηλή προσπάθεια, υπερδιπλάσιο του Fable 5.1 17,9% και πολύ μπροστά από το 21,3% του Opus 5.5.
  • OSWorld 2.1 (χρήση υπολογιστή): 89,3%, μπροστά από το Opus 5.5 με 87,2%.
  • RoboDojo Sim (ρομποτικά): 64,9%, άλμα από 27,6% για την προηγούμενη έκδοση.
  • BenchCAD 2.1 (μηχανική υλικού): 83,5 στη μέγιστη προσπάθεια, έναντι 65,3 για το Opus 5.5.

Το Gemini 4 Carbon κατείχε το πλεονέκτημα σε έναν τομέα, σημειώνοντας 53,9% έναντι 51,4% του Fable 5.2 στο AutomationBench, ένα σημείο αναφοράς επιχειρηματικής ροής εργασίας. Το Mythos 5.2 δημοσίευσε τα ισχυρότερα αποτελέσματα για την ασφάλεια στον κυβερνοχώρο και τον σχεδιασμό πρωτεϊνών, συμπεριλαμβανομένου του 76,3% στο CyScenarioBench και του 89,6% σε μια δοκιμή εκ νέου ανακάλυψης CVE.

Τι έκανε το μοντέλο πριν από την κυκλοφορία

Οι πιο εντυπωσιακοί ισχυρισμοί στην ανακοίνωση αφορούν τις δοκιμές πριν από την κυκλοφορία. Η Anthropic είπε ότι το Fable 5.2 βοήθησε τους μηχανικούς του να ολοκληρώσουν τις κατά τα άλλα ανέφικτες μετατοπίσεις λογισμικού, σχεδίασε από την αρχή τρεις ηλεκτρονικές συσκευές που λειτουργούσαν, έλυσε δύο ανοιχτά προβλήματα στη φυσική των μαύρων τρυπών και επισημοποίησε την απόδειξη του Τελευταίου Θεωρήματος του Φερμά σε 30 ώρες.

Σε ένα εσωτερικό πείραμα, ένας μηχανικός Anthropic ζήτησε από το μοντέλο να κατασκευάσει ένα πρωτότυπο λειτουργικό σύστημα ξεκινώντας από έναν κενό φάκελο. Το μοντέλο συντόνισε περισσότερους από 1.000 υποπράκτορες σε οκτώ ημέρες και παρήγαγε ένα σύστημα που εκκινεί σε φορητό υπολογιστή με δικό του πυρήνα, δίσκο, πληκτρολόγιο και προγράμματα οδήγησης δικτύου, μόνιμη αποθήκευση αρχείων, σύστημα παραθύρου, οθόνη σύνδεσης και πρόγραμμα εγκατάστασης. Η Anthropic είπε επίσης ότι μια ομάδα πρακτόρων που εκτελούσε μια προηγούμενη έκδοση του μοντέλου μετέφερε μια κρίσιμη υπηρεσία παραγωγής από την Python στο Rust και ότι η υπηρεσία ξεκινά τώρα περίπου 26 φορές πιο γρήγορα.

Η εταιρεία πρόσθεσε ότι περισσότερο από το 90% των αλλαγών που συγχωνεύονται στη δική της βασική βάση κωδικών γράφονται τώρα από τον Claude με ανθρώπινη καθοδήγηση.

Πώς η Anthropic προτείνει τη χρήση της

Παρά το άλμα αναφοράς, η Anthropic δεν τοποθετεί το Fable 5.2 ως αντικατάσταση της κύριας σειράς της. Για τις περισσότερες εργασίες κωδικοποίησης και γνώσης συνιστά να ξεκινήσετε με το Opus 5.5 και να προχωρήσετε στο Fable ή στο Mythos μόνο όταν το απαιτεί κάποιο πρόβλημα ή στο Sonnet 5.5 και στο Haiku 5.5 όταν δεν το απαιτεί. Το Fable 5.2 μπορεί επίσης να λειτουργήσει ως σύμβουλος που συμβουλεύονται μικρότερα μοντέλα για δύσκολα προβλήματα ή ως ενορχηστρωτής που αναθέτει απλούστερες εργασίες προς τα κάτω.

Οι πρώτοι πελάτες που αναφέρονται στην ανακοίνωση περιλαμβάνουν τα Vercel, Shopify, Datadog, Unity, Uber, Oracle, Snowflake, Cognition και iGent. Ο Joe Haddad, μέλος του τεχνικού προσωπικού της Vercel, είπε ότι τα έργα που είχαν προωθηθεί μαζί με άλλα μοντέλα για εβδομάδες ολοκληρώθηκαν και εγκρίθηκαν σε μέρες, ενώ ο Tom Pritchard, μηχανικός προσωπικού στο Shopify, περιέγραψε το μοντέλο σαν να δουλεύει με άλλο μηχανικό επιπέδου προσωπικού.

Διαθεσιμότητα

Το Fable 5.2 είναι τώρα διαθέσιμο στις Υπηρεσίες Ιστού του Amazon, στο Google Cloud και στο Microsoft Azure και οι προγραμματιστές μπορούν να το ονομάσουν ως claude-fable-5-2 στην πλατφόρμα Claude. Η πρόσβαση στο Mythos 5.2 εκτελείται μέσω των προγραμμάτων επαλήθευσης και η Anthropic παρουσιάζει επίσης το μοντέλο μέσα στο Claude Security για εταιρικούς πελάτες. Για την εβδομάδα κυκλοφορίας, η Anthropic παρέχει στους επιλέξιμους συνδρομητές επί πληρωμή επιπλέον χρήση Fable, συμπεριλαμβανομένης της πρόσβασης Fable αξίας έως και 50% των εβδομαδιαίων ορίων χρήσης στα προγράμματα Pro.

Η μείωση της τιμολόγησης είναι αξιοσημείωτη δεδομένης της αύξησης της ικανότητας. Το αν οι βαθμολογίες του Fable 5.2 διαρκούν υπό ανεξάρτητη αξιολόγηση και πόσο γρήγορα ανταποκρίνονται οι ανταγωνιστές OpenAI και Google με τις επόμενες κινήσεις τους, θα διαμορφώσει την κούρσα συνόρων προς το 2027.

---

Μείνετε μπροστά από την τεχνητή νοημοσύνη

Λάβετε τα τελευταία νέα, αναλύσεις και ανακαλύψεις AI — όλα σε ένα μέρος.

Διαβάστε περισσότερα νέα AI →