Anthropic เปิดตัว Claude Fable 5.2 และ Claude Mythos 5.2 เมื่อวันจันทร์ ซึ่งเป็นเวอร์ชันใหม่ล่าสุดของรุ่น frontier ที่สงวนไว้สำหรับงานด้านเทคนิคที่มีความต้องการมากที่สุด บริษัทกล่าวว่าคู่ที่อัปเกรดแล้วปรับปรุงด้านการเขียนโค้ด การใช้เหตุผล และการมองเห็น โดยสร้างเอาต์พุตได้เร็วกว่า Fable 5.1 และ Mythos 5.1 ถึง 30% และได้ราคาที่ต่ำกว่า: 8 ดอลลาร์ต่อล้านอินพุตโทเค็น และ 40 ดอลลาร์ต่อล้านเอาท์พุตโทเค็น พร้อมตัวเลือกโหมดด่วนที่เร่งการสร้างได้มากถึง 2.5 เท่าสำหรับ 16 ดอลลาร์ต่อล้านอินพุต และ 80 ดอลลาร์ต่อล้านเอาท์พุตโทเค็น

การเปิดตัวดังกล่าวดึงดูดความสนใจอย่างรวดเร็วจากชุมชนการติดตามโมเดล Artificial Analysis ซึ่งเป็นไซต์ประเมิน AI อิสระ ได้คะแนน Fable 5.2 ที่ 65 ในดัชนีสติปัญญา ซึ่งเป็นคะแนนสูงสุดที่บันทึกไว้สำหรับรุ่นที่เปิดตัวจนถึงตอนนี้ และการประกาศดังกล่าวได้รับความคิดเห็นหลายร้อยรายการใน Hacker News ภายในไม่กี่ชั่วโมง สำหรับผู้อ่านที่ติดตาม การพัฒนา AI ล่าสุด ข่าวประชาสัมพันธ์ฉบับนี้ถือเป็นการก้าวกระโดดด้านความสามารถที่เฉียบคมที่สุดที่ Anthropic ได้แสดงออกมานับตั้งแต่ซีรีส์ Fable เปิดตัวในเดือนมิถุนายน

รุ่นหนึ่ง สองประตู

นิทานและมิธอสเป็นโมเดลพื้นฐานเดียวกัน ความแตกต่างอยู่ที่นโยบายการเข้าถึง: Fable มีความปลอดภัยทางไซเบอร์และการป้องกันทางชีววิทยาที่แข็งแกร่ง ซึ่งทำให้ Anthropic นำเสนอให้กับผู้ใช้ทุกคน ในขณะที่ Mythos ดึงเอาความสามารถที่น้อยลงออกไป ดังนั้นจึงจำกัดไว้เฉพาะองค์กรที่ได้รับการยอมรับใน Anthropic's Life Sciences และ Cyber ​​Verification Programs Anthropic กล่าวว่าการป้องกันของ Fable 5.2 นั้นแข็งแกร่งพอๆ กับ Fable 5.1 แต่สร้างบล็อกที่ไม่จำเป็นน้อยลง และโมเดลใหม่นี้ยังมีการป้องกันที่แข็งแกร่งที่สุดเท่าที่บริษัทเคยมีมาจากการโจมตีด้วยการกลั่น

บริษัทยังเปิดเผยด้วยว่าการทดสอบความปลอดภัยก่อนเผยแพร่ประกอบด้วยการประเมินแบบใหม่ที่กำหนดเป้าหมายเฉพาะเกี่ยวกับพฤติกรรม เช่น การหลบหนีจากแซนด์บ็อกซ์ และโมเดลดังกล่าวทำงานได้ดีเท่ากับหรือดีกว่าโมเดล Anthropic ล่าสุดในการวัดการจัดตำแหน่งส่วนใหญ่ รายละเอียดทั้งหมดได้รับการเผยแพร่ในการ์ดระบบ Fable 5.2 และ Mythos 5.2

สิ่งที่แสดงเกณฑ์มาตรฐาน

Anthropic วางตำแหน่งโมเดลใหม่ให้เหนือกว่า Claude Opus 5.5 ซึ่งเป็นโมเดลไดร์เวอร์รายวันที่แนะนำในเกือบทุกความสามารถที่ประเมิน บน FrontierCode 2.0 ซึ่งเป็นเกณฑ์มาตรฐานการเข้ารหัสเอเจนต์ที่วัดว่าการเปลี่ยนแปลงของโมเดลจะถูกรวมเข้ากับแหล่งเก็บข้อมูลโอเพ่นซอร์สจริงหรือไม่ Fable 5.2 ได้คะแนน 49.1% ในการให้เหตุผลสูงสุด ซึ่งเป็นคะแนนสูงสุดของรุ่นที่เปิดตัวใดๆ ที่บริษัทได้ทำการทดสอบ ด้วยความพยายามสูงถึง 45.3% ใกล้เคียงกับคะแนนที่ดีที่สุดของ Opus 5.5 ที่ 45.5% โดยมีค่าใช้จ่ายประมาณครึ่งหนึ่งต่องาน และเอาชนะ GPT-6 Astra ที่ดีที่สุดที่ 42.8%

ผลลัพธ์อื่น ๆ จากการประกาศของ Anthropic:

  • FrontierSWE v2 (การเข้ารหัสเอเจนต์): 69.9% เพิ่มขึ้นจาก 56.3% สำหรับ Fable 5.1 และเหนือกว่า Opus 5.5 (62.3%), GPT-6 Astra (65.5%) และ Gemini 4 Carbon (61.2%)
  • การทดสอบครั้งสุดท้ายของมนุษยชาติด้วยเครื่องมือ (การใช้เหตุผลแบบสหวิทยาการ): 74.2% เทียบกับ 65.6% สำหรับ Fable 5.1 และ 57.2% สำหรับ GPT-6 Astra อย่างเต็มกำลัง
  • Remote Labor Index (งานความรู้): 41.3% ที่มีความพยายามสูง มากกว่าสองเท่าของ Fable 5.1 ที่ 17.9% และเหนือกว่า Opus 5.5 ที่ 21.3%
  • OSWorld 2.1 (การใช้คอมพิวเตอร์): 89.3% เหนือกว่า Opus 5.5 ที่ 87.2%
  • RoboDojo Sim (หุ่นยนต์): 64.9% เพิ่มขึ้นจาก 27.6% สำหรับเวอร์ชันก่อนหน้า
  • BenchCAD 2.1 (วิศวกรรมฮาร์ดแวร์): 83.5 ที่ความพยายามสูงสุด เทียบกับ 65.3 สำหรับ Opus 5.5

Gemini 4 Carbon เหนือกว่าในด้านหนึ่ง โดยได้คะแนน 53.9% เทียบกับ Fable 5.2 ที่ 51.4% บน AutomationBench ซึ่งเป็นเกณฑ์มาตรฐานเวิร์กโฟลว์ทางธุรกิจ Mythos 5.2 โพสต์ผลลัพธ์ด้านความปลอดภัยทางไซเบอร์และการออกแบบโปรตีนที่แข็งแกร่งขึ้น ซึ่งรวมถึง 76.3% บน CyScenarioBench และ 89.6% ในการทดสอบการค้นพบ CVE อีกครั้ง

สิ่งที่โมเดลทำก่อนเปิดตัว

คำกล่าวอ้างที่สะดุดตาที่สุดในการประกาศเกี่ยวข้องกับการทดสอบก่อนเผยแพร่ Anthropic กล่าวว่า Fable 5.2 ช่วยให้วิศวกรย้ายซอฟต์แวร์ที่เป็นไปไม่ได้ได้สำเร็จ ออกแบบอุปกรณ์อิเล็กทรอนิกส์ที่ใช้งานได้สามชิ้นตั้งแต่เริ่มต้น แก้ไขปัญหาที่เปิดอยู่สองข้อในฟิสิกส์ของหลุมดำ และพิสูจน์ทฤษฎีบทสุดท้ายของแฟร์มาต์อย่างเป็นทางการใน 30 ชั่วโมง

ในการทดลองภายในครั้งหนึ่ง วิศวกรด้านมานุษยวิทยาขอให้แบบจำลองสร้างระบบปฏิบัติการต้นแบบโดยเริ่มจากโฟลเดอร์ว่าง โมเดลดังกล่าวประสานงานกับตัวแทนย่อยมากกว่า 1,000 รายในแปดวัน และสร้างระบบที่บู๊ตบนแล็ปท็อปที่มีเคอร์เนล ดิสก์ คีย์บอร์ด และไดรเวอร์เครือข่ายของตัวเอง พื้นที่จัดเก็บไฟล์ถาวร ระบบหน้าต่าง หน้าจอเข้าสู่ระบบ และผู้ติดตั้ง Anthropic ยังกล่าวอีกว่าทีมตัวแทนที่ใช้โมเดลเวอร์ชันก่อนหน้านี้ได้ย้ายบริการการผลิตที่สำคัญจาก Python ไปยัง Rust และตอนนี้บริการเริ่มเร็วขึ้นประมาณ 26 เท่า

บริษัทเสริมว่ามากกว่า 90% ของการเปลี่ยนแปลงที่รวมเข้ากับโค้ดเบสหลักของบริษัทเองนั้น ปัจจุบันเขียนโดย Claude โดยมีคำแนะนำจากมนุษย์

วิธีมานุษยวิทยาแนะนำให้ใช้มัน

แม้จะมีการก้าวกระโดดด้านมาตรฐาน แต่ Anthropic ไม่ได้วางตำแหน่ง Fable 5.2 มาแทนที่กลุ่มผลิตภัณฑ์หลัก สำหรับงานเขียนโค้ดและความรู้ส่วนใหญ่ แนะนำให้เริ่มต้นด้วย Opus 5.5 และเลื่อนขึ้นเป็น Fable หรือ Mythos เฉพาะเมื่อเกิดปัญหาเท่านั้น หรือลงไปที่ Sonnet 5.5 และ Haiku 5.5 เมื่อไม่เป็นเช่นนั้น นิทาน 5.2 ยังสามารถทำหน้าที่เป็นที่ปรึกษาที่โมเดลขนาดเล็กให้คำปรึกษาเกี่ยวกับปัญหาหนักๆ หรือเป็นผู้ควบคุมที่มอบหมายงานที่ง่ายกว่าลงไปด้านล่าง

ลูกค้ากลุ่มแรกที่อ้างถึงในประกาศ ได้แก่ Vercel, Shopify, Datadog, Unity, Uber, Oracle, Snowflake, Cognition และ iGent Joe Haddad สมาชิกทีมเทคนิคของ Vercel กล่าวว่าโครงการที่ได้รับการผลักดันพร้อมกับรุ่นอื่นๆ เป็นเวลาหลายสัปดาห์เสร็จสิ้นและได้รับการอนุมัติภายในเวลาไม่กี่วัน ขณะที่ Tom Pritchard วิศวกรพนักงานของ Shopify อธิบายว่าโมเดลดังกล่าวให้ความรู้สึกเหมือนได้ทำงานร่วมกับวิศวกรระดับพนักงานคนอื่น

ว่าง

Fable 5.2 พร้อมใช้งานแล้วใน Amazon Web Services, Google Cloud และ Microsoft Azure และนักพัฒนาสามารถเรียกมันว่า claude-fable-5-2 บนแพลตฟอร์ม Claude การเข้าถึง Mythos 5.2 ทำงานผ่านโปรแกรมการตรวจสอบ และ Anthropic กำลังแสดงโมเดลภายใน Claude Security สำหรับลูกค้าองค์กรด้วย สำหรับสัปดาห์เปิดตัว Anthropic มอบการใช้งาน Fable ให้กับสมาชิกแบบชำระเงินที่มีสิทธิ์เพิ่มเติม ซึ่งรวมถึงการเข้าถึง Fable ที่มีมูลค่าสูงสุดถึง 50% ของขีดจำกัดการใช้งานรายสัปดาห์ในแผน Pro

การลดราคามีความโดดเด่นเนื่องจากการก้าวกระโดดของขีดความสามารถ ไม่ว่าคะแนนของ Fable 5.2 จะอยู่ภายใต้การประเมินโดยอิสระหรือไม่ และความเร็วของคู่แข่งอย่าง OpenAI และ Google จะตอบสนองต่อการเคลื่อนไหวครั้งต่อไปหรือไม่ จะกำหนดรูปแบบการแข่งขันชายแดนที่มุ่งหน้าสู่ปี 2570

---

ก้าวนำหน้า AI

รับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว

อ่านข่าว AI เพิ่มเติม →