Anthropic se pregătește intens pentru listarea la bursă, ceea ce explică avalanșa de anunțuri importante ale companiei. De data aceasta au apărut versiuni noi ale modelelor sale principale, Claude Fable și Mythos. Utilizatorii vor observa îmbunătățiri în numeroase privințe atunci când folosesc Claude și funcțiile sale.
Modelele noi aduc progrese în aproape toate domeniile, însă compania a evidențiat câteva: programarea, raționamentul, procesarea imaginilor, securitatea cibernetică și cercetarea științifică. Anthropic a adăugat că pe lângă rezultate și performanțe mai bune, modelele noi sunt cu până la 30% mai rapide decât versiunile anterioare.
Relația dintre Fable și Mythos rămâne cea cunoscută. Ambele modele au aceeași bază, însă Fable include măsuri suplimentare de protecție în domeniul securității cibernetice și al biologiei pentru a putea fi pus la dispoziția publicului larg. Organizațiile care se ocupă de securitate cibernetică și cercetare biomedicală pot solicita acces la Mythos prin programele de verificare Anthropic. Potrivit companiei, primii testeri au apreciat foarte mult îmbunătățirile. Printre altele au constatat că modelele comunică mai clar decât predecesoarele și oferă răspunsuri de calitate mai bună.
„Cele două modele noi i-au ajutat pe inginerii noștri să efectueze migrări software care altfel ar fi fost imposibile, au proiectat de la zero trei dispozitive electronice funcționale, au rezolvat două probleme deschise din fizica găurilor negre, au înregistrat progrese importante în evaluările din robotică și au formalizat demonstrația ultimei teoreme a lui Fermat în 30 ore”, a subliniat Anthropic.
În cadrul unui proiect, o echipă de dezvoltatori a migrat un serviciu critic din mediul de producție de la Python la Rust, reducându-i timpul de pornire cu aproximativ 95%. Anthropic a colaborat cu producătorul de circuite imprimate Diode pentru a explora limitele capacităților de proiectare hardware ale Fable 5.2. Pornind de la câte un prompt de un paragraf, modelul a creat un dispozitiv central pentru locuințe inteligente cu control vocal similar cu Alexa, un dispozitiv USB pentru convorbiri hands-free și un animal de companie virtual portabil pentru copii. Fable 5.2 a ales componentele, a proiectat placa de circuit imprimat cu patru straturi și carcasele imprimate 3D, apoi a scris software-ul. A terminat fiecare dispozitiv într-o singură zi. Cu intervenții umane minime, toate au funcționat de la prima încercare.
La testul FrontierCode 2.0, care evaluează sarcini complexe de dezvoltare software din practică, Fable 5.2 a stabilit un record cu o rată de succes de 49,1%. A depășit considerabil modelul Opus 5.5 al Anthropic (45,5%), OpenAI GPT-6 Astra (42,8%) și modelul de top Google Gemini 4 Carbon (41,1%). În popularul Humanity's Last Exam a obținut 74,2%, cu un avantaj important și aici față de GPT-6 Astra, care a încheiat testul cu doar 57,2%. Claude Fable 5.2 a stabilit un record și în OSWorld 2.1, care testează utilizarea unui PC de către agenți, obținând 89,3%. Cel mai bun concurent a fost Gemini 4.0 Carbon, dar scorul său a ajuns la doar 81,5%.
În general, modelele lingvistice cele mai recente ale Anthropic domină clasamentele. Cu greu se găsește un test în care Fable 5.2 să nu ocupe primul loc, iar Mythos 5.2 are un avantaj și mai mare în domeniul securității. Excepția este AutomationBench, axat pe automatizarea proceselor de lucru din companii. Aici modelul de top Google a obținut o rată de succes de 53,9%, iar Claude Fable 5.2 a ajuns la „doar” 51,4%. Nici un alt concurent serios nu se apropie însă de ele: GPT-6.0 Astra a obținut doar 41,4%.
Pe baza evaluărilor proprii ale Anthropic, Claude Fable 5.2 poate efectua autonom și fără erori un volum de muncă aproximativ dublu față de rivalii direcți în sarcini practice de inginerie software. Versiunea Claude Mythos 5.2 destinată cercetătorilor în securitate a găsit cu 10,2% mai multe vulnerabilități decât Opus 5.5 în testul CVE Rediscovery și a depășit Mythos 5.1 cu 14,4%. Companiile de securitate cibernetică implicate ca parteneri au raportat că modelul a identificat cu aproximativ 16% mai multe probleme critice decât toate celelalte modele de top.
Anthropic a adăugat că versiunea Claude Mythos 5.2 respectă regulile mai strict decât până acum și este mai puțin predispusă să „evadeze” din mediul de testare pentru a-și atinge obiectivele. Indicele de evadare din sandbox a scăzut la 3,1%, față de 39% pentru primul Mythos și 21% pentru Mythos 5.1. Compania îl măsoară cu un test alcătuit din 1.800 sarcini, în care modelele primesc intenționat provocări care să le determine să încerce să depășească limitele impuse.
Fable 5.2 și Mythos 5.2 sunt modele excelente, însă Anthropic recomandă utilizatorilor să înceapă cu Opus 5.5 pentru sarcinile cotidiene de programare și cele bazate pe cunoștințe. Dacă nu își ating obiectivul cu acesta, pot trece la un alt model potrivit sarcinii. Fable 5.2 este alegerea pentru lucrări extrem de complexe, iar Sonnet 5.5 sau Haiku 5.5 sunt opțiunile pentru cei care vor să lucreze mai repede. Modelele pot fi folosite și în combinație pentru eficiență maximă și rezultate cât mai precise.
Compania le oferă partenerilor modelele Claude Fable 5.2 și Mythos 5.2 la prețuri cu 20% mai mici decât cele ale versiunilor 5.1 anterioare. Așadar, pe lângă capacitățile îmbunătățite, utilizarea lor costă mai puțin.
Modelele noi sunt disponibile tuturor abonaților pe platformele Anthropic și prin API, prin intermediul diverșilor parteneri. Procesarea unui milion de token-uri costă 8 dolari, iar generarea aceleiași cantități costă 40 dolari. Există și un „Mod rapid”, care costă de două ori mai mult, dar este de 2,5 ori mai rapid. Poate merita pentru cei pentru care timpul este esențial.
