Почему новые Claude Fable 5.2 и Mythos 5.2 лучше других ИИ-моделей?

Anthropic прокачала работу моделей в написании кода и решении сложных технических задач.

Фото: ChatGPT

Anthropic представила Claude Fable 5.2 и Mythos 5.2 — новые модели, которые не просто лучше пишут код и рассуждают, а ещё могут справляться с задачами, на решение которых ранее требовались недели. Уже во время тестирования они формализовали доказательство Великой теоремы Ферма и разработали с нуля 3 работающих электронных устройства.

Великая теорема Ферма — математическая загадка, которую не могли разгадать более 350 лет. Её сформулировали ещё в XVII веке, а доказать смогли только в 1994 году.

В чём хороши новые версии моделей?

Быстро и дешёво. Модели думают на 30 % быстрее предыдущего поколения, генерация токенов тоже стала быстрее в 2,5 раза. При этом стоимость за миллион входных данных снизилась до 8 $ и 40 $ за миллион выходных.
ОС с нуля — не проблема! Во время тестирования Fable 5.2 координировала более 1000 ИИ-агентов и всего за 8 дней разработала работающую ОС с драйверами, хранилищем, окнами и экраном входа.
Решение логических задач в течение нескольких часов. Fable 5.2 решила две открытые проблемы в физике чёрных дыр. А на формализацию доказательство Великой теоремы Ферма ушло всего 30 часов. На минуточку, предыдущая исследовательская версия Claude занималась этим же вопросом 11 дней.
Создание физических электронных устройств: домашний голосовой помощник, USB-спикерфон и портативный виртуальный питомец. Модели разработали схемы плат и печати на 3D-принтере, корпус, ПО.
Показатели выше чем у ChatGPT на 7 %. В тесте разработки кода Fable 5.2 набрала 49,1 % против 42,8 % у GPT-6 Astra. В кибербезопасности её показатели и вовсе достигли 85.1 %.

Зачем представлено две модели? Claude Fable 5.2 и Mythos 5.2 основаны на одной модели, но у каждой из них свои ограничения безопасности. Fable доступна всем пользователям, а Mythos предназначена для компания, работающих в кибербезопасности и биомедицине. Но для доступа организации необходимо подать заявку, которая проверяется индивидуально.

Что по безопасности? Anthropic заявляет, что это было отдельным направлением разработки и тестирования моделей.

Мы считаем, что риски, связанные с несоответствием, остаются низкими, и модель показала себя так же хорошо или даже лучше, чем наши недавние модели, по большинству показателей согласованности. Кибер- и биологические средства защиты Fable 5.2 так же надежны, как и в Fable 5.1, но создают меньше ненужных блоков, и мы внедрили самые надежные за всю историю средства защиты от атак дистилляции.

Claude Fable 5.2 уже доступна пользователям на всех платформах. Компания также принимает заявки от организаций для работы с Mythos 5.2.

Изучить результаты бенчмарков можно здесь.