Anthropic បានប្រកាសនៅថ្ងៃទី 9 ខែវិច្ឆិកា ឆ្នាំ 2026 នូវការចាប់ផ្តើមនៃ Claude Fable 5.2 និង Claude Mythos 5.2 ដែលជាគូនៃការធ្វើឱ្យប្រសើរឡើងដែលត្រូវបានបង្កើតឡើងតាមពាក្យរបស់ក្រុមហ៊ុន ដើម្បីដោះស្រាយ "បញ្ហាប្រឈមបច្ចេកទេសដ៏គួរឱ្យខ្លាចបំផុត" ។ ឈ្មោះទាំងពីរនេះចែករំលែកនូវគំរូមូលដ្ឋានតែមួយ៖ Fable អនុវត្តការការពារសុវត្ថិភាពតាមអ៊ីនធឺណិត និងជីវវិទ្យា ដែលអនុញ្ញាតឱ្យ Anthropic ផ្តល់ជូនអ្នកប្រើប្រាស់ទាំងអស់ ខណៈដែល Mythos ត្រូវបានបម្រុងទុកសម្រាប់អង្គការដែលបានត្រួតពិនិត្យ ហើយអាចប្រើបានតែតាមរយៈកម្មវិធីវិទ្យាសាស្ត្រជីវិត និងកម្មវិធីផ្ទៀងផ្ទាត់តាមអ៊ីនធឺណិតរបស់ Anthropic ប៉ុណ្ណោះ។

យោងតាមការប្រកាសរបស់ Anthropic ម៉ូដែលថ្មីនេះធ្វើឱ្យប្រសើរឡើងលើអ្នកកាន់តំណែងមុន 5.1 របស់ពួកគេក្នុងការសរសេរកូដ ហេតុផល និងចក្ខុវិស័យ ហើយបង្កើតទិន្នផលបានលឿនជាងមុនដល់ទៅ 30% ។ ពួកគេក៏ចំណាយតិចផងដែរ៖ រឿងនិទាន 5.2 មានតម្លៃ 8 ដុល្លារក្នុងមួយលាននិមិត្តសញ្ញាបញ្ចូល និង 40 ដុល្លារក្នុងមួយលាននិមិត្តសញ្ញាទិន្នផល។ របៀបលឿនជាជម្រើសបង្កើនល្បឿនការបង្កើតសញ្ញាសម្ងាត់រហូតដល់ 2.5 ដងក្នុងតម្លៃ 16 ដុល្លារក្នុងមួយលាននិមិត្តសញ្ញាបញ្ចូល និង 80 ដុល្លារក្នុងមួយលាននិមិត្តសញ្ញាលទ្ធផល។ For more context on this story, see our ongoing artificial intelligence updates.

ម៉ូដែលមួយ ទ្វារពីរ

ការរៀបចំអត្តសញ្ញាណពីរគឺមិនធម្មតាក្នុងចំណោមមន្ទីរពិសោធន៍ AI ព្រំដែន។ Anthropic និយាយថាការការពារសុវត្ថិភាពតាមអ៊ីនធឺណិត និងជីវវិទ្យារបស់ Fable 5.2 មាន ​​"ដើម្បីការពារប្រឆាំងនឹងការប្រើប្រាស់ខុស" ដែលជាអ្វីដែលអនុញ្ញាតឱ្យមានដោយគ្មានដែនកំណត់។ Mythos 5.2 ផ្ទុយទៅវិញ ត្រូវបានបិទ៖ អង្គការដែលស្វែងរកកម្មវិធីមានប្រយោជន៍ក្នុងសុវត្ថិភាពតាមអ៊ីនធឺណិត ឬការស្រាវជ្រាវជីវវេជ្ជសាស្ត្រអាចដាក់ពាក្យសុំចូលប្រើប្រាស់តាមរយៈកម្មវិធីផ្ទៀងផ្ទាត់។

អ្នកសាកល្បងដែលត្រូវបានដកស្រង់ដោយ Anthropic ក៏បានរាយការណ៍ថាកំណែទាំងពីរមានទំនាក់ទំនងគ្នាកាន់តែច្បាស់ជាងម៉ូដែល Fable និង Mythos មុន ដែលជាការត្អូញត្អែរដដែលៗអំពីម៉ូដែលដែលមានសមត្ថភាពខ្ពស់ដែលបង្កើតការពន្យល់ក្រាស់ ឬគេចវេស។

អ្វីដែលម៉ូដែលបានធ្វើមុនពេលចេញលក់

ការអះអាងដែលគួរឱ្យចាប់អារម្មណ៍បំផុតនៅក្នុងសេចក្តីប្រកាសគឺបានមកពីការធ្វើតេស្តមុនការចេញផ្សាយ។ Anthropic និយាយថា គំរូដែលនៅពីក្រោយ Fable 5.2 និង Mythos 5.2 បានជួយវិស្វកររបស់ខ្លួនបំពេញការផ្លាស់ប្តូរផ្នែកទន់ដែលមិនអាចទៅរួច ការរចនាឧបករណ៍អេឡិចត្រូនិចចំនួនបីដែលធ្វើការតាំងពីដំបូង ដោះស្រាយបញ្ហាចំហពីរនៅក្នុងរូបវិទ្យានៃប្រហោងខ្មៅ ធ្វើឱ្យមានការវិវឌ្ឍយ៉ាងធំធេងលើការវាយតម្លៃមនុស្សយន្ត និងជាផ្លូវការនូវភស្តុតាងនៃទ្រឹស្តីបទ Fermat's Last Theorem ក្នុងរយៈពេល 3 ម៉ោង។

ការអះអាងទាំងនោះគឺជាកម្មសិទ្ធិរបស់ Anthropic ហើយមិនត្រូវបានផ្ទៀងផ្ទាត់ដោយឯករាជ្យនោះទេ ប៉ុន្តែពួកគេបង្ហាញអំពីរបៀបដែលក្រុមហ៊ុនកំពុងកំណត់ទីតាំងនៃការចេញផ្សាយនេះ៖ ជាឧបករណ៍ស្រាវជ្រាវ និងវិស្វកម្ម ជាជាងការធ្វើឱ្យប្រសើរឡើងការសន្ទនា។

លទ្ធផល Benchmark នេះបើយោងតាម ​​Anthropic

តារាងគោលដែលបានបោះពុម្ពផ្សាយរបស់ Anthropic ដាក់ Fable 5.2 ពីលើ Claude Opus 5.5 របស់ក្រុមហ៊ុនផ្ទាល់ ស្ទើរតែគ្រប់សមត្ថភាពដែលខ្លួនបានវាយតម្លៃ។ នៅលើ FrontierCode 2.0 ដែលជាស្តង់ដារសរសេរកូដភ្នាក់ងារដែលវាស់វែងថាតើការផ្លាស់ប្តូរកូដរបស់ម៉ូដែលមួយនឹងត្រូវបានបញ្ចូលគ្នាដោយអ្នកថែទាំប្រភពបើកចំហ Fable 5.2 ទទួលបានពិន្ទុ 49.1% ក្នុងការខិតខំប្រឹងប្រែងអតិបរមា ដែល Anthropic និយាយថាជាពិន្ទុខ្ពស់បំផុតនៃម៉ូដែលដែលបានចេញផ្សាយដែលវាបានសាកល្បង។ Claude Opus 5.5 ទទួលបានពិន្ទុ 45.5% ខណៈពេលដែលតួលេខប្រៀបធៀបដែលបានរាយបញ្ជីសម្រាប់ OpenAI's GPT-6 Astra និង Gemini 4 Carbon របស់ Google មាន 42.8% និង 41.1% រៀងគ្នា។

លទ្ធផលផ្សេងទៀតនៅក្នុងតារាងរបស់ Anthropic រួមមាន:

  • FrontierSWE v2 (ការសរសេរកូដភ្នាក់ងារ): 69.9% សម្រាប់ Fable 5.2 កើនឡើងពី 56.3% សម្រាប់ Fable 5.1
  • ការប្រឡងចុងក្រោយរបស់មនុស្សជាតិជាមួយនឹងឧបករណ៍ (ហេតុផលពហុជំនាញ): 74.2%, ធៀបនឹង 65.6% សម្រាប់ជំនាន់មុន
  • OSWorld 2.1 (ការប្រើប្រាស់កុំព្យូទ័រ): 89.3%, នាំមុខ Opus 5.5 នៅ 87.2%
  • RoboDojo Sim (មនុស្សយន្ត)៖ 64.9%, ការកើនឡើងយ៉ាងខ្លាំងពី 27.6% របស់ Fable 5.1
  • សន្ទស្សន៍ការងារពីចម្ងាយ (ការងារចំណេះដឹង)៖ 41.3% នៅការខិតខំប្រឹងប្រែងខ្ពស់ ធៀបនឹង 17.9% សម្រាប់ Fable 5.1

ការកំណត់រចនាសម្ព័ន្ធ Mythos 5.2 ដែលត្រូវបានអនុញ្ញាតបានបង្ហោះលេខដែលទាក់ទងនឹងសុវត្ថិភាពខ្លាំងជាងនេះ៖ 76.3% នៅលើ CyScenarioBench, 89.6% លើការធ្វើតេស្តរកឃើញឡើងវិញ CVE និង 85.1% លើការរចនាឧបករណ៍ចងប្រូតេអ៊ីន de novo ក្នុងរយៈពេល 24 ម៉ោង ក្នុងករណីនីមួយៗមានការការពារសុវត្ថិភាព។

ការវិភាគប្រសិទ្ធភាពនៃការចំណាយផ្ទាល់ខ្លួនរបស់ Anthropic អាចមានសារៈសំខាន់ដូចពិន្ទុឆៅ។ ក្រុមហ៊ុនបានរាយការណ៍ថា Fable 5.2 ដោយការខិតខំប្រឹងប្រែងខ្ពស់បានពិន្ទុប្រហែលជាមួយនឹងលទ្ធផលល្អបំផុតរបស់ Opus 5.5 នៅលើ FrontierCode 2.0 ខណៈពេលដែលចំណាយប្រហែលពាក់កណ្តាលជាច្រើនក្នុងមួយកិច្ចការ ហើយថានៅលើការខិតខំប្រឹងប្រែងមធ្យម - លំនាំដើមនៅក្នុងកម្មវិធី Claude និង Claude Code - វាបញ្ចប់កិច្ចការប្រឈមដែលមាននិមិត្តសញ្ញាតិចជាង Fable 5.1 ។

ការធ្វើតេស្តសុវត្ថិភាព និងការការពារ

Anthropic និយាយថា ខ្លួនបានដំណើរការការធ្វើតេស្តសុវត្ថិភាពមុនការចេញផ្សាយយ៉ាងទូលំទូលាយលើគំរូដែលបានចែករំលែក រួមទាំងការវាយតម្លៃប្រលោមលោកដែលត្រូវបានរចនាឡើងដើម្បីស៊ើបអង្កេតជាក់លាក់ទាក់ទងនឹងអាកប្បកិរិយាដូចជាការរត់គេចពីប្រអប់ខ្សាច់ជាដើម។ ក្រុមហ៊ុនបញ្ជាក់ថា ហានិភ័យខ្ពស់ពីការតម្រឹមមិនត្រឹមត្រូវនៅតែមានកម្រិតទាប ហើយគំរូដែលបានអនុវត្តក៏ដូចជា ឬប្រសើរជាងម៉ូដែលថ្មីៗរបស់ខ្លួនលើវិធានការតម្រឹមភាគច្រើន។

ការការពារតាមអ៊ីនធឺណិត និងជីវវិទ្យារបស់ Fable 5.2 ត្រូវបានពិពណ៌នាថារឹងមាំដូចរបស់ Fable 5.1 ប៉ុន្តែជាមួយនឹងប្លុកដែលមិនចាំបាច់តិចជាងមុន ហើយ Anthropic និយាយថា ខ្លួនបានអនុវត្តការការពារដ៏ខ្លាំងបំផុតមិនធ្លាប់មានរបស់ខ្លួនប្រឆាំងនឹងការវាយប្រហារដោយ distillation - ការប៉ុនប៉ងរបស់អ្នកអភិវឌ្ឍន៍គូប្រជែងដើម្បីបណ្តុះបណ្តាលម៉ូដែលប្រកួតប្រជែងលើលទ្ធផលនៃគំរូគោលដៅ។ ព័ត៌មានលម្អិតពេញលេញត្រូវបានបោះពុម្ពផ្សាយនៅក្នុង Claude Fable 5.2 និង Mythos 5.2 System Card ។

ដែលជាកន្លែងដែល Fable 5.2 សមនៅក្នុងត្រកូល Claude

Anthropic គឺច្បាស់ណាស់ថា Fable និង Mythos មិនមានន័យថាជំនួសគំរូប្រចាំថ្ងៃនោះទេ។ សម្រាប់ការងារសរសេរកូដ និងចំណេះដឹងភាគច្រើន ក្រុមហ៊ុនណែនាំឱ្យចាប់ផ្តើមជាមួយ Claude Opus 5.5 ដែលវាហៅថា "កម្មវិធីបញ្ជាប្រចាំថ្ងៃខ្លាំងបំផុត" បន្ទាប់មកប្តូរទៅ Fable ឬ Mythos សម្រាប់ការងារលំបាកមិនធម្មតា ឬចុះក្រោម Claude Sonnet 5.5 ឬ Claude Haiku 5.5 សម្រាប់សំណើធម្មតា។

Fable 5.2 ក៏អាចដំណើរការជា Advisor — ពិគ្រោះយោបល់ដោយម៉ូដែល Haiku, Sonnet, ឬ Opus នៅពេលដែលពួកគេជួបបញ្ហាកាន់តែពិបាក — ឬជាអ្នក Orchestrator ដែលផ្ទេរភារកិច្ចសាមញ្ញទៅម៉ូដែលតូចៗ។ នោះកំណត់ការចេញផ្សាយច្រើនអំពីលំហូរការងារច្រើនម៉ូដែល ដូចជាការអនុវត្តគំរូតែមួយ។

តើវាមានន័យយ៉ាងណាសម្រាប់ការប្រណាំង AI

ប្រសិនបើលេខដែលបានរាយការណ៍ត្រូវបានរក្សានៅក្រោមការត្រួតពិនិត្យខាងក្រៅ Fable 5.2 បង្រួមគម្លាតរវាងម៉ូដែលពិសេសរបស់ Anthropic និងការផ្តល់ជូនពិសេសរបស់ OpenAI និង Google DeepMind ក្នុងតម្លៃទាប។ ពេលវេលាគឺគួរឱ្យកត់សម្គាល់សម្រាប់ហេតុផលមួយផ្សេងទៀតផងដែរ: ការបាញ់បង្ហោះកើតឡើងមួយថ្ងៃមុនពេល Anthropic ចាប់ផ្តើមកម្មវិធីបង្ហាញផ្លូវសម្រាប់ការផ្តល់ជូនជាសាធារណៈដំបូងរបស់ខ្លួន ដោយផ្តល់ឱ្យក្រុមហ៊ុននូវការបង្ហាញសមត្ថភាពដើម្បីចង្អុលទៅអ្នកវិនិយោគថ្លឹងថ្លែងការចុះបញ្ជីបច្ចេកវិទ្យាដែលរំពឹងទុកបំផុតក្នុងរយៈពេលប៉ុន្មានឆ្នាំ។

សម្រាប់អ្នកប្រើប្រាស់ ភាពអាចរកបានភ្លាមៗ — Fable 5.2 សម្រាប់អ្នករាល់គ្នា និង Mythos 5.2 សម្រាប់ស្ថាប័នដែលជម្រះរបារផ្ទៀងផ្ទាត់។

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →