Anthropic បានចេញផ្សាយ Claude Fable 5.2 និង Claude Mythos 5.2 កាលពីថ្ងៃចន្ទ ដែលជាកំណែថ្មីបំផុតនៃម៉ូដែលព្រំដែនដែលវាបម្រុងទុកសម្រាប់ការងារបច្ចេកទេសដែលត្រូវការបំផុត។ ក្រុមហ៊ុននិយាយថា គូដែលបានដំឡើងកំណែធ្វើអោយប្រសើរឡើងលើការសរសេរកូដ ហេតុផល និងចក្ខុវិស័យ បង្កើតលទ្ធផលលឿនជាង Fable 5.1 និង Mythos 5.1 ដល់ទៅ 30% ហើយមកដល់តម្លៃទាបជាង៖ $8 per million input tokens និង $40 per million output tokens ជាមួយនឹងរបៀបលឿនស្រេចចិត្តដែលបង្កើនល្បឿននៃការបង្កើតរហូតដល់ $2.5 million per output និង $1.5 million per output.

ការបាញ់បង្ហោះនេះបានទាក់ទាញចំណាប់អារម្មណ៍យ៉ាងឆាប់រហ័សពីសហគមន៍តាមដានគំរូ។ ការវិភាគសិប្បនិម្មិត ដែលជាគេហទំព័រវាយតម្លៃ AI ឯករាជ្យ បានផ្តល់ពិន្ទុ Fable 5.2 នៅ 65 លើសន្ទស្សន៍ស៊ើបការណ៍របស់ខ្លួន ដែលជាពិន្ទុខ្ពស់បំផុតដែលវាបានកត់ត្រាទុកសម្រាប់ម៉ូដែលដែលបានចេញផ្សាយកន្លងមក ហើយការប្រកាសនេះបានទាក់ទាញមតិរាប់រយនៅលើ Hacker News ក្នុងរយៈពេលប៉ុន្មានម៉ោង។ សម្រាប់អ្នកអានដែលធ្វើតាម [ការវិវឌ្ឍន៍ AI ចុងក្រោយបង្អស់] (https://aibuzzwire.news) ការចេញផ្សាយនេះបង្ហាញពីសមត្ថភាពលោតខ្លាំងបំផុតដែល Anthropic បានបង្ហាញចាប់តាំងពីខ្សែ Fable បានបង្ហាញខ្លួនក្នុងខែមិថុនា។

ម៉ូដែលមួយ ទ្វារពីរ

Fable និង Mythos គឺជាគំរូមូលដ្ឋានដូចគ្នា។ ភាពខុសគ្នាគឺគោលការណ៍នៃការចូលប្រើ៖ Fable អនុវត្តការការពារសុវត្ថិភាពតាមអ៊ីនធឺណិត និងជីវវិទ្យាដ៏រឹងមាំ ដែលអនុញ្ញាតឱ្យ Anthropic ផ្តល់ជូនវាដល់អ្នកប្រើប្រាស់ទាំងអស់ ខណៈដែល Mythos ដកសមត្ថភាពតិចជាងមុន ហើយដូច្នេះត្រូវបានដាក់កម្រិតចំពោះអង្គការដែលទទួលយកទៅក្នុងកម្មវិធីវិទ្យាសាស្ត្រជីវិត និងកម្មវិធីផ្ទៀងផ្ទាត់តាមអ៊ីនធឺណិតរបស់ Anthropic ។ Anthropic បាននិយាយថា ការការពាររបស់ Fable 5.2 គឺរឹងមាំដូច Fable 5.1 ប៉ុន្តែផលិតប្លុកដែលមិនចាំបាច់តិចជាងមុន ហើយថាម៉ូដែលថ្មីនេះរួមបញ្ចូលទាំងការការពារដ៏រឹងមាំបំផុតដែលមិនធ្លាប់មានរបស់ក្រុមហ៊ុនប្រឆាំងនឹងការវាយប្រហារដោយ distillation ។

ក្រុមហ៊ុនក៏បានលាតត្រដាងផងដែរថា ការធ្វើតេស្តសុវត្ថិភាពនៃការចេញផ្សាយមុននេះ រួមមានការវាយតម្លៃប្រលោមលោកដែលកំណត់គោលដៅជាក់លាក់ទាក់ទងនឹងឥរិយាបថដូចជាការរត់គេចពីប្រអប់ខ្សាច់ ហើយថាគំរូនេះអនុវត្តក៏ដូចជា ឬប្រសើរជាងម៉ូដែល Anthropic ថ្មីៗនេះលើវិធានការតម្រឹមភាគច្រើន។ ព័ត៌មានលម្អិតពេញលេញត្រូវបានបោះពុម្ពនៅក្នុងកាតប្រព័ន្ធ Fable 5.2 និង Mythos 5.2 ។

អ្វីដែលស្ដង់ដារបង្ហាញ

Anthropic បានដាក់ទីតាំងម៉ូដែលថ្មីជាជំហានមួយនៅពីលើ Claude Opus 5.5 ដែលជាគំរូអ្នកបើកបរប្រចាំថ្ងៃដែលបានណែនាំរបស់ខ្លួន លើសមត្ថភាពស្ទើរតែទាំងអស់ដែលវាបានវាយតម្លៃ។ នៅលើ FrontierCode 2.0 ដែលជាស្តង់ដារការសរសេរកូដភ្នាក់ងារដែលវាស់វែងថាតើការផ្លាស់ប្តូររបស់គំរូនឹងត្រូវបានបញ្ចូលទៅក្នុងឃ្លាំងប្រភពបើកចំហនោះ Fable 5.2 ទទួលបានពិន្ទុ 49.1% ក្នុងការខិតខំប្រឹងប្រែងហេតុផលអតិបរមា ដែលជាពិន្ទុខ្ពស់បំផុតនៃម៉ូដែលដែលបានចេញផ្សាយដែលក្រុមហ៊ុនបានសាកល្បង។ ជាមួយនឹងការខិតខំប្រឹងប្រែងខ្ពស់ វាបានឈានដល់ 45.3% ប្រហាក់ប្រហែលនឹងពិន្ទុល្អបំផុតរបស់ Opus 5.5 នៃ 45.5% នៅប្រហែលពាក់កណ្តាលនៃការចំណាយក្នុងមួយកិច្ចការ ហើយបានយកឈ្នះ GPT-6 Astra ល្អបំផុតនៃ 42.8% ។

លទ្ធផលផ្សេងទៀតពីការប្រកាសរបស់ Anthropic៖

  • FrontierSWE v2 (ការសរសេរកូដភ្នាក់ងារ): 69.9% កើនឡើងពី 56.3% សម្រាប់ Fable 5.1 និងនាំមុខ Opus 5.5 (62.3%), GPT-6 Astra (65.5%) និង Gemini 4 Carbon (61.2%)។
  • ការប្រឡងចុងក្រោយរបស់មនុស្សជាតិជាមួយនឹងឧបករណ៍ (ហេតុផលពហុជំនាញ): 74.2%, ធៀបនឹង 65.6% សម្រាប់ Fable 5.1 និង 57.2% សម្រាប់ GPT-6 Astra នៅការខិតខំប្រឹងប្រែងអតិបរមា។
  • សន្ទស្សន៍ការងារពីចម្ងាយ (ការងារចំណេះដឹង)៖ 41.3% ដោយការខិតខំប្រឹងប្រែងខ្ពស់ ច្រើនជាងទ្វេដងរបស់ Fable 5.1's 17.9% និងនាំមុខ Opus 5.5's 21.3%។
  • OSWorld 2.1 (ការប្រើប្រាស់កុំព្យូទ័រ): 89.3%, នាំមុខ Opus 5.5 នៅ 87.2% ។
  • RoboDojo Sim (មនុស្សយន្ត): 64.9%, លោតពី 27.6% សម្រាប់កំណែមុន។
  • BenchCAD 2.1 (វិស្វកម្មផ្នែករឹង): 83.5 នៅការខិតខំប្រឹងប្រែងអតិបរមា ធៀបនឹង 65.3 សម្រាប់ Opus 5.5។

Gemini 4 Carbon បានរក្សាគែមនៅក្នុងតំបន់មួយដោយបានពិន្ទុ 53.9% ទៅ 51.4% របស់ Fable 5.2 នៅលើ AutomationBench ដែលជាស្តង់ដារលំហូរអាជីវកម្ម។ Mythos 5.2 បានបង្ហោះលទ្ធផលសុវត្ថិភាពអ៊ីនធឺណិត និងការរចនាប្រូតេអ៊ីនខ្លាំងជាងមុន រួមទាំង 76.3% លើ CyScenarioBench និង 89.6% លើការសាកល្បង CVE rediscovery ។

អ្វីដែលម៉ូដែលបានធ្វើមុនពេលចាប់ផ្តើម

ការអះអាងដែលចាប់អារម្មណ៍បំផុតនៅក្នុងសេចក្តីប្រកាសទាក់ទងនឹងការធ្វើតេស្តការចេញផ្សាយជាមុន។ Anthropic បាននិយាយថា Fable 5.2 បានជួយវិស្វកររបស់ខ្លួនបញ្ចប់ការធ្វើចំណាកស្រុកផ្នែកទន់ដែលមិនអាចទៅរួច ដោយបានរចនាឧបករណ៍អេឡិចត្រូនិចដែលដំណើរការចំនួនបីពីដំបូង ដោះស្រាយបញ្ហាបើកចំហពីរនៅក្នុងរូបវិទ្យានៃប្រហោងខ្មៅ និងធ្វើជាផ្លូវការនូវភស្តុតាងនៃទ្រឹស្តីបទចុងក្រោយរបស់ Fermat ក្នុងរយៈពេល 30 ម៉ោង។

នៅក្នុងការពិសោធន៍ផ្ទៃក្នុងមួយ វិស្វករ Anthropic បានស្នើឱ្យម៉ូដែលនេះបង្កើតប្រព័ន្ធប្រតិបត្តិការគំរូដោយចាប់ផ្តើមពីថតទទេ។ ម៉ូដែលនេះបានសម្របសម្រួលភ្នាក់ងាររងជាង 1,000 នាក់ក្នុងរយៈពេលប្រាំបីថ្ងៃ និងផលិតប្រព័ន្ធដែលចាប់ផ្ដើមនៅលើកុំព្យូទ័រយួរដៃដែលមានខឺណែល ថាស ក្តារចុច និងកម្មវិធីបញ្ជាបណ្តាញ ការផ្ទុកឯកសារអចិន្ត្រៃយ៍ ប្រព័ន្ធបង្អួច អេក្រង់ចូល និងកម្មវិធីដំឡើង។ Anthropic ក៏បាននិយាយផងដែរថា ក្រុមភ្នាក់ងារដែលកំពុងដំណើរការកំណែមុននៃម៉ូដែលនេះបានផ្លាស់ប្តូរសេវាកម្មផលិតកម្មដ៏សំខាន់ពី Python ទៅ Rust ហើយថាសេវាកម្មឥឡូវនេះចាប់ផ្តើមលឿនជាងប្រហែល 26 ដង។

ក្រុមហ៊ុនបានបន្ថែមថាជាង 90% នៃការផ្លាស់ប្តូរដែលបានបញ្ចូលទៅក្នុងមូលដ្ឋានកូដស្នូលរបស់ខ្លួនឥឡូវនេះត្រូវបានសរសេរដោយ Claude ជាមួយនឹងការណែនាំរបស់មនុស្ស។

របៀបដែល Anthropic ណែនាំឱ្យប្រើវា។

ទោះបីជាមានការលោតផ្លោះគោលក៏ដោយ ក៏ Anthropic មិនដាក់ Fable 5.2 ជាការជំនួសសម្រាប់ត្រកូលចម្បងរបស់វានោះទេ។ សម្រាប់កិច្ចការសរសេរកូដ និងចំណេះដឹងភាគច្រើន វាត្រូវបានណែនាំឱ្យចាប់ផ្តើមជាមួយ Opus 5.5 ហើយប្តូរទៅ Fable ឬ Mythos តែនៅពេលដែលបញ្ហាទាមទារវា ឬចុះទៅ Sonnet 5.5 និង Haiku 5.5 នៅពេលដែលវាមិនដំណើរការ។ Fable 5.2 ក៏អាចដំណើរការជាទីប្រឹក្សាដែលម៉ូដែលតូចៗពិគ្រោះអំពីបញ្ហាលំបាក ឬជាអ្នកសំដែងដែលប្រគល់ភារកិច្ចសាមញ្ញចុះក្រោម។

អតិថិជនដំបូងដែលបានលើកឡើងនៅក្នុងសេចក្តីប្រកាសរួមមាន Vercel, Shopify, Datadog, Unity, Uber, Oracle, Snowflake, Cognition និង iGent ។ លោក Joe Haddad សមាជិកបុគ្គលិកបច្ចេកទេសនៅក្រុមហ៊ុន Vercel បាននិយាយថា គម្រោងដែលត្រូវបានជំរុញរួមជាមួយម៉ូដែលផ្សេងទៀតជាច្រើនសប្តាហ៍ត្រូវបានបញ្ចប់ និងអនុម័តក្នុងរយៈពេលប៉ុន្មានថ្ងៃ ខណៈដែលលោក Tom Pritchard វិស្វករបុគ្គលិកនៅ Shopify បានពណ៌នាអំពីម៉ូដែលនេះថាមានអារម្មណ៍ដូចជាធ្វើការជាមួយវិស្វករកម្រិតបុគ្គលិកផ្សេងទៀត។

ភាពអាចរកបាន

Fable 5.2 ឥឡូវនេះមាននៅលើ Amazon Web Services, Google Cloud និង Microsoft Azure ហើយអ្នកអភិវឌ្ឍន៍អាចហៅវាថា Claude-fable-5-2 នៅលើ Claude Platform ។ ការចូលប្រើ Mythos 5.2 ដំណើរការតាមរយៈកម្មវិធីផ្ទៀងផ្ទាត់ ហើយ Anthropic ក៏កំពុងបង្ហាញគំរូនៅខាងក្នុង Claude Security សម្រាប់អតិថិជនសហគ្រាសផងដែរ។ សម្រាប់សប្តាហ៍បើកដំណើរការ Anthropic កំពុងផ្តល់ឱ្យអតិថិជនដែលមានសិទ្ធិទទួលបានការប្រើប្រាស់ Fable បន្ថែម រួមទាំងការចូលប្រើ Fable ដែលមានតម្លៃរហូតដល់ 50% នៃដែនកំណត់នៃការប្រើប្រាស់ប្រចាំសប្តាហ៍នៅលើគម្រោង Pro ។

ការកាត់បន្ថយតម្លៃគឺគួរឱ្យកត់សម្គាល់ដោយសារតែសមត្ថភាពលោត។ ថាតើពិន្ទុរបស់ Fable 5.2 រក្សាបាននៅក្រោមការវាយតម្លៃឯករាជ្យ និងរបៀបដែលគូប្រជែង OpenAI និង Google ឆ្លើយតបយ៉ាងឆាប់រហ័សជាមួយនឹងការផ្លាស់ប្តូរបន្ទាប់របស់ពួកគេនឹងកំណត់ការប្រណាំងព្រំដែនឆ្ពោះទៅកាន់ឆ្នាំ 2027 ។

---

ស្នាក់នៅមុន AI

ទទួលបានព័ត៌មាន AI ការវិភាគ និងរបកគំហើញចុងក្រោយបំផុត — ទាំងអស់នៅកន្លែងតែមួយ។

អានព័ត៌មាន AI បន្ថែម →