Anthropic a lansat luni Claude Fable 5.2 și Claude Mythos 5.2, cele mai noi versiuni ale modelelor de frontieră pe care le rezervă pentru cele mai solicitante lucrări tehnice. Compania spune că perechea îmbunătățită îmbunătățește codificarea, raționamentul și viziunea, generează rezultate cu până la 30% mai rapid decât Fable 5.1 și Mythos 5.1 și ajunge la un preț mai mic: 8 USD per milion de jetoane de intrare și 40 USD per milion de jetoane de ieșire, cu un mod rapid opțional care accelerează generarea de până la 2,5 milioane de dolari pentru jetoane de intrare și de 160 milioane USD pe 160 milioane USD.

Lansarea a atras rapid atenția din partea comunității de urmărire a modelelor. Artificial Analysis, un site independent de evaluare AI, a obținut Fable 5.2 la 65 pe indicele său de inteligență, cel mai mare scor pe care l-a înregistrat până acum pentru orice model lansat, iar anunțul a atras sute de comentarii pe Hacker News în câteva ore. Pentru cititorii care urmăresc cele mai recente evoluții AI, această lansare marchează cel mai puternic salt de capacitate pe care Anthropic a arătat-o ​​de la debutul liniei Fable în iunie.

Un model, două uși

Fable și Mythos sunt același model de bază. Diferența constă în politica de acces: Fable are garanții puternice de securitate cibernetică și biologie care permit Anthropic să le ofere tuturor utilizatorilor, în timp ce Mythos înlătură mai puține capabilități și, prin urmare, este restricționat la organizațiile acceptate în Programele Anthropic de Științe ale Vieții și Verificare Cibernetică. Anthropic a spus că măsurile de protecție ale lui Fable 5.2 sunt la fel de robuste ca și ale lui Fable 5.1, dar produc mai puține blocuri inutile și că noul model include cele mai puternice protecții ale companiei împotriva atacurilor de distilare.

Compania a dezvăluit, de asemenea, că testele de siguranță înainte de lansare au inclus evaluări noi, care vizează comportamente specifice, cum ar fi evadările în sandbox, și că modelul a funcționat la fel de bine sau mai bine decât modelele antropice recente pentru majoritatea măsurilor de aliniere. Detaliile complete sunt publicate pe cardul de sistem Fable 5.2 și Mythos 5.2.

Ce arată benchmark-urile

Anthropic a poziționat noile modele la un pas deasupra Claude Opus 5.5, modelul recomandat pentru șofer zilnic, pentru aproape fiecare capabilitate evaluată. Pe FrontierCode 2.0, un benchmark de codificare agentică care măsoară dacă modificările unui model ar fi într-adevăr îmbinate în depozite open-source, Fable 5.2 a obținut 49,1% la efort maxim de raționament, cel mai mare scor dintre orice model lansat pe care compania l-a testat. La efort mare, a atins 45,3%, egalând aproximativ cel mai bun scor al Opus 5.5 de 45,5% la aproximativ jumătate din costul pe sarcină și depășind cel mai bun punctaj GPT-6 Astra de 42,8%.

Alte rezultate din anunțul Anthropic:

  • FrontierSWE v2 (codificare agentică): 69,9%, în creștere de la 56,3% pentru Fable 5.1 și înaintea Opus 5.5 (62,3%), GPT-6 Astra (65,5%) și Gemini 4 Carbon (61,2%).
  • Ultimul examen al umanității cu instrumente (raționament multidisciplinar): 74,2%, față de 65,6% pentru Fable 5.1 și 57,2% pentru GPT-6 Astra la efort maxim.
  • Indexul muncii de la distanță (lucru de cunoștințe): 41,3% la efort mare, mai mult de dublu față de 17,9% pentru Fable 5.1 și cu mult înainte de 21,3% pentru Opus 5.5.
  • OSWorld 2.1 (utilizare computer): 89,3%, înaintea Opus 5.5 cu 87,2%.
  • RoboDojo Sim (robotică): 64,9%, o creștere de la 27,6% pentru versiunea anterioară.
  • BenchCAD 2.1 (inginerie hardware): 83,5 la efort maxim, față de 65,3 pentru Opus 5.5.

Gemini 4 Carbon a menținut avantajul într-o zonă, obținând un scor de 53,9% față de 51,4% al lui Fable 5.2 pe AutomationBench, un etalon de flux de lucru în afaceri. Mythos 5.2 a postat rezultate mai puternice de securitate cibernetică și de proiectare a proteinelor, inclusiv 76,3% pe CyScenarioBench și 89,6% la un test de redescoperire CVE.

Ce a făcut modelul înainte de lansare

Cele mai atrăgătoare afirmații din anunț se referă la testarea pre-lansare. Anthropic a spus că Fable 5.2 și-a ajutat inginerii să finalizeze migrări de software altfel imposibil de realizat, a proiectat trei dispozitive electronice funcționale de la zero, a rezolvat două probleme deschise în fizica găurilor negre și a oficializat demonstrația ultimei teoreme a lui Fermat în 30 de ore.

Într-un experiment intern, un inginer antropic a cerut modelului să construiască un sistem de operare prototip pornind de la un folder gol. Modelul a coordonat peste 1.000 de subagenți pe parcursul a opt zile și a produs un sistem care pornește pe un laptop cu propriul kernel, disc, tastatură și drivere de rețea, stocare permanentă a fișierelor, un sistem de ferestre, un ecran de conectare și un program de instalare. Anthropic a mai spus că o echipă de agenți care rulează o versiune anterioară a modelului a migrat un serviciu de producție critic de la Python la Rust și că serviciul începe acum de aproximativ 26 de ori mai repede.

Compania a adăugat că peste 90% din modificările fuzionate în propria bază de cod de bază sunt acum scrise de Claude cu îndrumare umană.

Cum sugerează Anthropic să-l folosească

În ciuda saltului de referință, Anthropic nu poziționează Fable 5.2 ca înlocuitor pentru gama sa principală. Pentru majoritatea sarcinilor de codare și cunoaștere, recomandă să începeți cu Opus 5.5 și să treceți la Fable sau Mythos numai atunci când o problemă o cere, sau până la Sonnet 5.5 și Haiku 5.5 când nu este cazul. Fable 5.2 poate funcționa, de asemenea, ca un consilier pe care modelele mai mici îl consultă în probleme dificile sau ca un orchestrator care deleagă sarcini mai simple în jos.

Primii clienți citați în anunț includ Vercel, Shopify, Datadog, Unity, Uber, Oracle, Snowflake, Cognition și iGent. Joe Haddad, membru al personalului tehnic de la Vercel, a spus că proiectele care au fost promovate împreună cu alte modele timp de săptămâni au fost finalizate și aprobate în câteva zile, în timp ce Tom Pritchard, un inginer de personal la Shopify, a descris modelul ca și cum ar lucra cu un alt inginer la nivel de personal.

Disponibilitate

Fable 5.2 este disponibil acum în Amazon Web Services, Google Cloud și Microsoft Azure, iar dezvoltatorii îl pot numi claude-fable-5-2 pe Platforma Claude. Accesul Mythos 5.2 rulează prin programele de verificare, iar Anthropic prezintă, de asemenea, modelul în interiorul Claude Security pentru clienții întreprinderi. Pentru săptămâna lansării, Anthropic oferă abonaților plătiți eligibili utilizarea Fable suplimentară, inclusiv accesul Fable în valoare de până la 50% din limitele de utilizare săptămânală pentru planurile Pro.

Reducerea prețurilor este notabilă având în vedere creșterea capacității. Indiferent dacă scorurile lui Fable 5.2 rezistă la evaluarea independentă și cât de repede răspund rivalii OpenAI și Google cu următoarele mișcări, vor modela cursa de frontieră care se îndreaptă spre 2027.

---

Rămâneți înaintea AI

Obțineți cele mai recente știri, analize și descoperiri AI - toate într-un singur loc.

Citește mai multe știri AI →