Anthropic đã phát hành Claude Fable 5.2 và Claude Mythos 5.2 vào thứ Hai, phiên bản mới nhất của các mô hình biên giới mà hãng dành riêng cho công việc kỹ thuật đòi hỏi khắt khe nhất. Công ty cho biết cặp nâng cấp này cải thiện về mã hóa, lý luận và tầm nhìn, tạo ra kết quả đầu ra nhanh hơn tới 30% so với Fable 5.1 và Mythos 5.1, đồng thời có mức giá thấp hơn: 8 USD trên một triệu mã thông báo đầu vào và 40 USD trên một triệu mã thông báo đầu ra, với chế độ nhanh tùy chọn giúp tăng tốc quá trình tạo lên tới 2,5 lần cho 16 USD trên một triệu mã thông báo đầu vào và 80 USD trên một triệu mã thông báo đầu ra.

Sự ra mắt nhanh chóng thu hút sự chú ý từ cộng đồng theo dõi mô hình. Phân tích nhân tạo, một trang web đánh giá AI độc lập, đã đạt Fable 5.2 ở mức 65 về chỉ số thông minh, điểm cao nhất mà nó ghi được đối với bất kỳ mẫu máy nào được phát hành cho đến nay và thông báo đã thu hút hàng trăm bình luận trên Hacker News trong vòng vài giờ. Đối với những độc giả đang theo dõi sự phát triển AI mới nhất, bản phát hành này đánh dấu bước nhảy vọt về năng lực mạnh mẽ nhất mà Anthropic đã thể hiện kể từ khi dòng Fable ra mắt vào tháng 6.

Một mẫu, hai cửa

Fable và Mythos là cùng một mô hình cơ bản. Sự khác biệt là chính sách truy cập: Fable cung cấp các biện pháp bảo vệ sinh học và an ninh mạng mạnh mẽ cho phép Anthropic cung cấp nó cho tất cả người dùng, trong khi Mythos loại bỏ ít khả năng hơn và do đó bị hạn chế đối với các tổ chức được chấp nhận tham gia Chương trình xác minh mạng và Khoa học đời sống của Anthropic. Anthropic cho biết các biện pháp bảo vệ của Fable 5.2 mạnh mẽ như Fable 5.1 nhưng tạo ra ít khối không cần thiết hơn và mô hình mới bao gồm các biện pháp bảo vệ mạnh mẽ nhất từ ​​trước đến nay của công ty trước các cuộc tấn công chưng cất.

Công ty cũng tiết lộ rằng thử nghiệm an toàn trước khi phát hành bao gồm các đánh giá mới nhắm vào các hành vi liên quan cụ thể như thoát khỏi hộp cát và mô hình này hoạt động bằng hoặc tốt hơn các mô hình Anthropic gần đây trên hầu hết các biện pháp căn chỉnh. Chi tiết đầy đủ được công bố trong thẻ hệ thống Fable 5.2 và Mythos 5.2.

Điểm chuẩn cho thấy điều gì

Anthropic đã định vị các mẫu xe mới này cao hơn một bước so với Claude Opus 5.5, mẫu xe được đề xuất cho người lái xe hàng ngày, trên hầu hết mọi khả năng mà họ đã đánh giá. Trên FrontierCode 2.0, một tiêu chuẩn mã hóa tác nhân đo lường xem các thay đổi của mô hình có thực sự được hợp nhất vào kho lưu trữ nguồn mở hay không, Fable 5.2 đạt 49,1% với nỗ lực suy luận tối đa, điểm cao nhất so với bất kỳ mô hình đã phát hành nào mà công ty đã thử nghiệm. Với nỗ lực cao, nó đạt 45,3%, gần bằng với điểm số tốt nhất của Opus 5.5 là 45,5% với chi phí cho mỗi nhiệm vụ chỉ bằng một nửa và đánh bại điểm tốt nhất của GPT-6 Astra là 42,8%.

Các kết quả khác từ thông báo của Anthropic:

  • FrontierSWE v2 (mã hóa tác nhân): 69,9%, tăng từ 56,3% của Fable 5.1 và trước Opus 5.5 (62,3%), GPT-6 Astra (65,5%) và Gemini 4 Carbon (61,2%).
  • Bài kiểm tra cuối cùng của nhân loại với các công cụ (lý luận đa ngành): 74,2%, so với 65,6% của Fable 5.1 và 57,2% của GPT-6 Astra ở nỗ lực tối đa.
  • Chỉ số lao động từ xa (công việc tri thức): 41,3% với nỗ lực cao, cao hơn gấp đôi so với 17,9% của Fable 5.1 và vượt xa con số 21,3% của Opus 5.5.
  • OSWorld 2.1 (sử dụng máy tính): 89,3%, trước Opus 5.5 là 87,2%.
  • RoboDojo Sim (robot): 64,9%, tăng từ 27,6% của phiên bản trước.
  • BenchCAD 2.1 (kỹ thuật phần cứng): 83,5 ở mức nỗ lực tối đa, so với 65,3 của Opus 5.5.

Gemini 4 Carbon dẫn đầu trong một lĩnh vực, đạt 53,9% so với 51,4% của Fable 5.2 trên AutomationBench, một điểm chuẩn quy trình làm việc kinh doanh. Mythos 5.2 đã công bố kết quả thiết kế protein và an ninh mạng mạnh mẽ hơn, bao gồm 76,3% trên CyScenarioBench và 89,6% trong thử nghiệm khám phá lại CVE.

Mô hình đã làm gì trước khi ra mắt

Tuyên bố bắt mắt nhất trong thông báo liên quan đến việc thử nghiệm trước khi phát hành. Anthropic cho biết Fable 5.2 đã giúp các kỹ sư của họ hoàn thành quá trình di chuyển phần mềm tưởng chừng như không thể thực hiện được, thiết kế ba thiết bị điện tử hoạt động được từ đầu, giải quyết hai vấn đề mở về vật lý của lỗ đen và chính thức hóa việc chứng minh Định lý cuối cùng của Fermat trong 30 giờ.

Trong một thử nghiệm nội bộ, một kỹ sư của Anthropic đã yêu cầu mô hình xây dựng một hệ điều hành nguyên mẫu bắt đầu từ một thư mục trống. Mô hình này đã phối hợp hơn 1.000 đại lý phụ trong 8 ngày và tạo ra một hệ thống khởi động trên máy tính xách tay với nhân, đĩa, bàn phím và trình điều khiển mạng riêng, bộ lưu trữ tệp vĩnh viễn, hệ thống cửa sổ, màn hình đăng nhập và trình cài đặt. Anthropic cũng cho biết một nhóm đại lý chạy phiên bản trước của mô hình đã di chuyển một dịch vụ sản xuất quan trọng từ Python sang Rust và dịch vụ này hiện bắt đầu nhanh hơn khoảng 26 lần.

Công ty nói thêm rằng hơn 90% thay đổi được hợp nhất vào cơ sở mã cốt lõi của riêng họ hiện được viết bởi Claude với sự hướng dẫn của con người.

Cách Anthropic đề xuất sử dụng nó

Bất chấp bước nhảy vọt về điểm chuẩn, Anthropic không định vị Fable 5.2 để thay thế cho dòng sản phẩm chính của mình. Đối với hầu hết các nhiệm vụ mã hóa và kiến ​​thức, nó khuyên bạn nên bắt đầu với Opus 5.5 và chỉ chuyển lên Fable hoặc Mythos khi có vấn đề yêu cầu hoặc chuyển xuống Sonnet 5.5 và Haiku 5.5 khi không cần. Fable 5.2 cũng có thể hoạt động như một cố vấn mà các mô hình nhỏ hơn tham khảo về các vấn đề khó khăn hoặc như một người điều phối giao các nhiệm vụ đơn giản hơn cho cấp dưới.

Những khách hàng đầu tiên được nêu trong thông báo bao gồm Vercel, Shopify, Datadog, Unity, Uber, Oracle, Snowflake, Cognition và iGent. Joe Haddad, một nhân viên kỹ thuật tại Vercel, cho biết các dự án đã được thúc đẩy cùng với các mô hình khác trong nhiều tuần đã hoàn thành và được phê duyệt trong vài ngày, trong khi Tom Pritchard, một kỹ sư nhân viên tại Shopify, mô tả mô hình này có cảm giác như đang làm việc với một kỹ sư cấp nhân viên khác.

Sẵn có

Fable 5.2 hiện có sẵn trên Amazon Web Services, Google Cloud và Microsoft Azure và các nhà phát triển có thể gọi nó là claude-fable-5-2 trên Nền tảng Claude. Quyền truy cập Mythos 5.2 chạy qua các chương trình xác minh và Anthropic cũng đang đưa ra mô hình bên trong Claude Security cho khách hàng doanh nghiệp. Trong tuần ra mắt, Anthropic sẽ cung cấp cho những người đăng ký trả phí đủ điều kiện thêm mức sử dụng Fable, bao gồm quyền truy cập Fable trị giá lên tới 50% giới hạn sử dụng hàng tuần đối với các gói Pro.

Việc giảm giá là đáng chú ý do khả năng tăng vọt. Liệu điểm số của Fable 5.2 có được giữ vững theo đánh giá độc lập hay không và các đối thủ OpenAI và Google phản ứng nhanh như thế nào với các động thái tiếp theo của họ, sẽ định hình cuộc đua biên giới hướng tới năm 2027.

---

Đi trước AI

Nhận tin tức, phân tích và đột phá mới nhất về AI — tất cả ở cùng một nơi.

Đọc thêm tin tức về AI →