Аннотация:
9 ноября компания Anthropic официально представила свои флагманские модели искусственного интеллекта нового поколения Claude Fable 5.2 и Claude Mythos 5.2. Новая версия ориентирована на улучшение возможностей программирования, логического рассуждения и визуального понимания, а также улучшение качества выражения модели. Согласно данным, опубликованным Anthropic, скорость вывода двух моделей на 30% выше, чем у предыдущего поколения, а стоимость вызова API снижена на 20%.
Fable и Mythos — это самые популярные модельные серии в продуктовой системе Anthropic, ориентированные в основном на решение сложных, открытых технических задач. Напротив, Haiku, Sonnet и Opus соответственно выполняют ежедневные задачи различного масштаба и сложности. Anthropic рекомендует, чтобы общее программирование и информационная работа обычно сначала использовали Claude Opus 5.5, и только при возникновении особенно сложных и трудоемких задач необходимо переключаться на Fable или Mythos.
Что касается производительности, Anthropic заявила, что Fable 5.2 и Mythos 5.2 не только способны генерировать контент быстрее, но также лучше четко выражают идеи при решении сложных задач. Fable 5.2 также может использовать меньше жетонов, чем Fable 5.1, при выполнении сложных задач с умеренной интенсивностью вывода, что еще больше снижает фактические затраты на использование.
Бенчмарк-тесты, опубликованные Anthropic, показывают, что Fable 5.2 превосходит Opus 5.5 и Fable 5.1 предыдущего поколения во многих тестах. В тесте программирования FrontierCode 2.0 Fable 5.2 набрала 49,1% при максимальной интенсивности вывода, что значительно выше, чем 32,4% в Fable 5.1, а также превзошло 45,5% в Opus 5.5. В тесте FrontierSWE v2 новая модель набрала 69,9% по сравнению с 56,3% у Fable 5.1 и 62,3% у Opus 5.5.
В тесте «Последний экзамен человечества», включающем в себя сложное рассуждение о знаниях, Fable 5.2 набрала 74,2% при использовании инструментов, что выше, чем 65,6% у Fable 5.1 и 67,7% у Opus 5.5. В тесте по моделированию двухрукого робота RoboDojo Sim новая модель набрала 64,9%, что является значительным улучшением по сравнению с 27,6% предыдущего поколения. Кроме того, в тесте «Индекс удаленного труда» Fable 5.2 набрал 41,3%, а Fable 5.1 — только 17,9%.
Однако новая модель лидировала не во всех тестах. Например, в тесте корпоративного рабочего процесса AutomationBench Google Gemini 4 Carbon набрал 53,9%, что выше, чем у Fable 5.2 — 51,4%. Эти результаты также показывают, что по-прежнему существуют различия в производительности разных моделей при выполнении конкретных типов задач, и о комплексных возможностях нельзя судить только на основе одного эталонного теста.
Anthropic также представила фактическую производительность Fable 5.2 при внутренней разработке программного обеспечения. Компания заявила, что в настоящее время более 90% объединенных модификаций ее основной кодовой базы были выполнены Клодом под руководством вручную. Команда инженеров использовала Fable 5.2 для исправления давних дефектов программного обеспечения, оптимизации эффективности работы нескольких сервисов и завершения некоторых проектов, которые в прошлом было трудно запустить из-за ограничений по стоимости или времени.
Один случай особенно интересен: группа ИИ-агентов, использующих раннюю версию Fable 5.2, перенесла службу производства ключей с Python на Rust. После завершения миграции сервис запустился примерно в 26 раз быстрее, а также улучшилась эффективность работы и надежность. Anthropic считает, что это отражает прогресс новой модели в инженерных решениях и решении неоднозначных требований.
В этом выпуске также внесены изменения в механизм безопасности искусственного интеллекта. Fable 5.2 и Mythos 5.2 фактически используют одну и ту же базовую модель, но имеют разные ограничения безопасности, настроенные для разных групп пользователей. Общедоступная версия Fable 5.2 устанавливает механизмы защиты в области кибербезопасности и биологии для блокировки запросов с высоким уровнем риска, которыми можно злоупотреблять. В Anthropic заявили, что по сравнению с Fable 5.1 новая версия сократила количество перехватов безопасности в ранних тестах примерно на 55%, а это означает, что модель более гибкая в обработке обычных запросов, сохраняя при этом ограничения для использования с высоким уровнем риска.
Mythos 5.2 открыт для проверяемых профессиональных организаций, в основном связанных с сетевой безопасностью и исследованиями в области медико-биологических наук. Поскольку его ограничения безопасности отличаются от общедоступной версии, обычные пользователи не могут получить прямой доступ к Mythos, как в Fable. Anthropic надеется, что благодаря механизму проверки он позволит профессиональным исследователям выполнять сложную работу, одновременно снижая риск злоупотребления технологиями.
Что касается цены, это обновление также принесло существенные изменения. Цены API для Fable 5.2 и Mythos 5.2 составляют 8 долларов США за миллион входных токенов и 40 долларов США за миллион выходных токенов по сравнению с 10 и 50 долларами США соответственно для моделей предыдущего поколения, что на 20%. Кроме того, Anthropic также предоставляет дополнительный быстрый режим, который может увеличить скорость генерации токенов до 2,5 раз по сравнению с обычным режимом, но соответствующая цена также вырастет до 16 долларов США за миллион входных токенов и 80 долларов США за миллион выходных токенов.
Fable 5.2 открыта для платных пользователей Claude и предоставляет услуги через API. Он также поддерживает такие платформы, как AWS, Google Cloud и Microsoft Azure. Anthropic также объявила, что соответствующие платные подписчики получат на этой неделе дополнительные кредиты за использование, включая от одного до трех сбросов кредитов за использование, в зависимости от продолжительности подписки. Пользователи стандартных мест плана Pro и плана Team также могут использовать до 50 % своей еженедельной квоты на использование модели Fable.
В целом, обновление Fable 5.2 — это не просто обычная итерация производительности модели. Более высокая скорость генерации, более низкая стоимость вызовов и улучшенная производительность при сложном программировании и многоэтапных агентских задачах означают, что Anthropic еще больше укрепляет конкурентоспособность Клода в профессиональной технической работе. Mythos 5.2 продолжает придерживаться ограниченно открытой стратегии, которая также отражает философию продукта компании, заключающуюся в сочетании самых мощных возможностей с проверкой безопасности.
Следует отметить, что приведенные выше результаты тестов и примеры внутреннего применения взяты из информации, опубликованной Anthropic, и не могут быть полностью эквивалентны результатам испытаний независимых третьих сторон во всех реальных сценариях использования.
Комментарии