Anthropic روز دوشنبه Claude Fable 5.2 و Claude Mythos 5.2 را منتشر کرد، جدیدترین نسخه‌های مدل‌های مرزی که برای سخت‌ترین کارهای فنی در نظر گرفته است. این شرکت می‌گوید جفت ارتقا یافته در کدنویسی، استدلال و بینش بهبود می‌یابد، خروجی‌ها را تا 30 درصد سریع‌تر از Fable 5.1 و Mythos 5.1 تولید می‌کند و قیمت پایین‌تری دارد: 8 دلار به ازای هر میلیون توکن ورودی و 40 دلار در هر میلیون توکن خروجی، با حالت سریع اختیاری که تولید را تا 1.25 میلیون دلار به ازای هر میلیون دلار سرعت می‌بخشد و 25 میلیون دلار تولید را تا 1.0 میلیون دلار سرعت می‌دهد. توکن ها

این راه اندازی به سرعت توجه جامعه ردیابی مدل را به خود جلب کرد. Artificial Analysis، یک سایت مستقل ارزیابی هوش مصنوعی، امتیاز Fable 5.2 را در شاخص هوش خود به دست آورد که بالاترین امتیازی است که برای هر مدل منتشر شده تاکنون ثبت کرده است، و این اعلامیه در عرض چند ساعت صدها نظر را در هکر نیوز به همراه داشت. برای خوانندگانی که [آخرین پیشرفت‌های هوش مصنوعی] (https://aibuzzwire.news) را دنبال می‌کنند، این نسخه نشان‌دهنده تیزترین قابلیت پرش Anthropic از زمان عرضه خط Fable در ژوئن است.

یک مدل، دو در

Fable و Mythos همان مدل زیربنایی هستند. تفاوت در سیاست دسترسی است: Fable دارای امنیت سایبری و حفاظت های زیست شناسی قوی است که به Anthropic اجازه می دهد آن را به همه کاربران ارائه دهد، در حالی که Mythos قابلیت های کمتری را از بین می برد و بنابراین محدود به سازمان هایی است که در برنامه های Anthropic's Life Sciences و تأیید سایبری پذیرفته شده اند. آنتروپیک گفت که محافظ‌های Fable 5.2 به اندازه Fable 5.1 قوی هستند، اما بلوک‌های غیرضروری کمتری تولید می‌کنند و مدل جدید شامل قوی‌ترین محافظت‌های شرکت در برابر حملات تقطیر است.

این شرکت همچنین فاش کرد که آزمایش ایمنی پیش از انتشار شامل ارزیابی‌های جدیدی است که رفتارهای خاص مانند فرار از جعبه‌های ماسه‌بازی را هدف قرار می‌دهد و این مدل در اکثر معیارهای هم‌ترازی به همان خوبی یا بهتر از مدل‌های اخیر Anthropic عمل می‌کند. جزئیات کامل در کارت سیستم Fable 5.2 و Mythos 5.2 منتشر شده است.

آنچه که معیارها نشان می دهند

آنتروپیک مدل‌های جدید را یک پله بالاتر از Claude Opus 5.5، مدل توصیه‌شده برای راننده روزانه، تقریباً در هر قابلیتی که ارزیابی کرده بود، قرار داد. در FrontierCode 2.0، یک معیار کدگذاری عاملی که اندازه‌گیری می‌کند که آیا تغییرات یک مدل واقعاً در مخازن منبع باز ادغام می‌شوند یا خیر، Fable 5.2 با حداکثر تلاش استدلالی، امتیاز 49.1 درصد را کسب کرد، که بالاترین امتیاز در بین هر مدل منتشر شده‌ای است که شرکت آزمایش کرده است. در تلاش زیاد به 45.3% رسید، تقریباً با بهترین امتیاز Opus 5.5 یعنی 45.5% در حدود نیمی از هزینه هر کار و شکست دادن بهترین امتیاز GPT-6 Astra با 42.8%.

نتایج دیگر از اطلاعیه آنتروپیک:

  • FrontierSWE v2 (کدگذاری عامل): 69.9 درصد، از 56.3 درصد برای Fable 5.1 و بالاتر از Opus 5.5 (62.3٪)، GPT-6 Astra (65.5٪) و Gemini 4 Carbon (61.2٪).
  • آخرین امتحان انسانیت با ابزارها (استدلال چند رشته ای): 74.2٪، در مقابل 65.6٪ برای Fable 5.1 و 57.2٪ برای GPT-6 Astra با حداکثر تلاش.
  • شاخص کار از راه دور (کار دانش): 41.3٪ در تلاش زیاد، بیش از دو برابر Fable 5.1 17.9٪ و بسیار جلوتر از Opus 5.5 21.3٪.
  • OSWorld 2.1 (استفاده از رایانه): 89.3٪، جلوتر از Opus 5.5 با 87.2٪.
  • RoboDojo Sim (رباتیک): 64.9%، جهشی از 27.6% برای نسخه قبلی.
  • BenchCAD 2.1 (مهندسی سخت افزار): 83.5 در حداکثر تلاش، در مقابل 65.3 برای Opus 5.5.

Gemini 4 Carbon در یک حوزه برتری داشت و در AutomationBench، یک معیار گردش کار، 53.9% به Fable 5.2 51.4% رسید. Mythos 5.2 نتایج قوی‌تری را در زمینه امنیت سایبری و طراحی پروتئین منتشر کرد، از جمله 76.3٪ در CyScenarioBench و 89.6٪ در تست کشف مجدد CVE.

آنچه مدل قبل از راه اندازی انجام داد

چشم نوازترین ادعاها در این اطلاعیه مربوط به آزمایش قبل از انتشار است. Anthropic گفت Fable 5.2 به مهندسان خود کمک کرد تا مهاجرت‌های نرم‌افزاری غیرممکن را تکمیل کنند، سه دستگاه الکترونیکی کارآمد را از ابتدا طراحی کردند، دو مشکل باز در فیزیک سیاه‌چاله‌ها را حل کردند و اثبات آخرین قضیه فرما را در 30 ساعت رسمی کردند.

در یک آزمایش داخلی، یک مهندس Anthropic از مدل خواست تا نمونه اولیه سیستم عامل را با شروع از یک پوشه خالی بسازد. این مدل بیش از 1000 عامل فرعی را در طول هشت روز هماهنگ کرد و سیستمی را تولید کرد که روی لپ‌تاپ با هسته، دیسک، صفحه کلید و درایورهای شبکه، ذخیره‌سازی دائمی فایل، یک سیستم پنجره، صفحه ورود به سیستم و یک نصب‌کننده بوت می‌شود. آنتروپیک همچنین گفت که تیمی از نمایندگان که نسخه قبلی این مدل را اجرا می‌کنند، یک سرویس تولید حیاتی را از پایتون به Rust منتقل کردند و این سرویس اکنون حدود 26 برابر سریع‌تر شروع می‌شود.

این شرکت اضافه کرد که بیش از 90 درصد تغییراتی که در پایگاه کد اصلی خود ادغام شده‌اند، اکنون توسط کلود با راهنمایی انسان نوشته شده‌اند.

چگونه Anthropic استفاده از آن را پیشنهاد می کند

با وجود جهش معیار، آنتروپیک Fable 5.2 را به عنوان جایگزینی برای خط اصلی خود قرار نمی دهد. برای اکثر کارهای کدنویسی و دانش توصیه می‌کند که با Opus 5.5 شروع کنید و فقط زمانی که مشکلی نیاز دارد به Fable یا Mythos بروید، یا زمانی که مشکلی به آن نیاز دارد به Sonnet 5.5 و Haiku 5.5 بروید. Fable 5.2 همچنین می‌تواند به‌عنوان مشاوری که مدل‌های کوچک‌تر در مورد مشکلات سخت با آن مشورت می‌کنند، یا به‌عنوان یک ارکستر که وظایف ساده‌تری را به سمت پایین واگذار می‌کند، عمل کند.

مشتریان اولیه ای که در این اعلامیه ذکر شده اند عبارتند از Vercel، Shopify، Datadog، Unity، Uber، Oracle، Snowflake، Cognition و iGent. جو حداد، یکی از اعضای کادر فنی Vercel، گفت پروژه‌هایی که هفته‌ها همراه با مدل‌های دیگر تحت فشار قرار می‌گرفتند، طی چند روز به پایان رسیدند و تایید شدند، در حالی که تام پریچارد، مهندس کارکنان در Shopify، این مدل را شبیه کار کردن با یک مهندس دیگر در سطح کارکنان توصیف کرد.

در دسترس بودن

Fable 5.2 اکنون در سرویس‌های وب آمازون، Google Cloud و Microsoft Azure در دسترس است و توسعه‌دهندگان می‌توانند آن را با نام claude-fable-5-2 در پلتفرم Claude بنامند. دسترسی Mythos 5.2 از طریق برنامه‌های تأیید اجرا می‌شود و Anthropic نیز مدل را در داخل Claude Security برای مشتریان سازمانی ارائه می‌کند. برای هفته راه‌اندازی، آنتروپیک به مشترکین پولی واجد شرایط استفاده اضافی از Fable، از جمله دسترسی Fable به ارزش حداکثر 50 درصد از محدودیت‌های استفاده هفتگی در طرح‌های حرفه‌ای، می‌دهد.

کاهش قیمت با توجه به جهش قابلیت قابل توجه است. اینکه آیا امتیازات Fable 5.2 تحت ارزیابی مستقل باقی می‌ماند، و اینکه رقبای OpenAI و Google چقدر سریع با حرکات بعدی خود واکنش نشان می‌دهند، مسابقه مرزی را تا سال 2027 شکل خواهد داد.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →