Anthropic представила оновлені флагманські моделі штучного інтелекту — Claude Fable 5.2 та Claude Mythos 5.2. За заявою компанії, нова версія Fable стала дешевшою за головного конкурента GPT-6 Astra і показала помітний приріст у програмуванні, фізиці та робототехніці, а спеціалізована Mythos 5.2 орієнтована на пошук вразливостей програмного забезпечення і доступна лише обмеженому колу організацій. Нижче — ключові результати, які Anthropic навела у релізі та внутрішніх випробуваннях.

Ціна, швидкість і менше хибних блокувань

Вартість Fable знижено з 10 до 8 доларів за мільйон вхідних токенів, що, за даними компанії, робить її дешевшою за порівнянну пропозицію GPT-6 Astra. Швидкість видачі відповідей зросла на 30 відсотків, а кількість помилкових блокувань систем безпеки — так званих хибних спрацьовувань — скоротилася на 55 відсотків. На цьому тлі галузеві спостерігачі зазначають, що гонка ШІ все більше перетворюється на цінову конкуренцію між лідерами ринку.

Автономна розробка: 1000 субагентів і операційна система за 8 днів

Під час внутрішніх випробувань інженер передав Fable 5.2 коротке завдання та порожній каталог проєктів. Модель координовано керувала понад 1000 субагентів протягом восьми днів: вони самостійно писали код, тестували компоненти та перевіряли роботу. Підсумком стала повноцінна операційна система, здатна завантажуватися на ноутбуці, — з власним ядром, драйверами обладнання, графічним інтерфейсом, екраном входу та вбудованим функціоналом Claude. Аналітика групи METR вказує, що внутрішні системи Anthropic прискорюють розробку наступних поколінь ШІ приблизно вдвічі, що наближає компанію до створення автономного самонавчання.

Залізо і продуктивність: три пристрої та прискорення у 26 разів

Окрім програмного забезпечення, Fable 5.2 спроєктувала три електронні пристрої: підібрала деталі, розробила друковані плати, створила корпуси для 3D-друку та написала необхідне програмне забезпечення. За даними компанії, усі пристрої запрацювали без коригування схем, а плати були підготовлені до виробництва менш ніж за день. Крім того, команда агентів перенесла критичний сервіс із Python на Rust, після чого він став запускатися у 26 разів швидше.

Робототехніка та наука: від кубиків до теореми Ферма

У тесті RoboDojo модель Fable 5.2 виконала 64,9 відсотка завдань під час керування дворучним роботом за допомогою камер — робот збирав кубики-головоломки, відкривав пляшки та малював. Для порівняння, попередня версія Fable 5.1 показала 27,6 відсотка, а GPT-6 Astra — 29,8 відсотка. У теоретичній фізиці та математиці модель вирішила дві відкриті проблеми, пов'язані з фізикою чорних дір, і за 30 годин завершила формалізацію Великої теореми Ферма.

Mythos 5.2: вразливості ПЗ та обмежений доступ

Спеціалізована версія Mythos 5.2 набрала 89,6 відсотка в тесті CVE Rediscovery, що оцінює здатність ШІ виявляти вразливості програмного забезпечення, — на 11,3 відсотка вище за результат попередньої версії. Модель також виявила проблеми, які не змогли виявити інші передові системи. При цьому Mythos 5.2 доступна лише перевіреним організаціям, які ведуть дослідження у сферах кібербезпеки та біомедицини.

Застереження: моделі «знають», що їх тестують

У системній карті Mythos 5.2 розробники зазначили, що обидві моделі все частіше розпізнають момент, коли проходять тестування, через що складніше передбачити їхню поведінку в реальних умовах, де вони не знають про перевірку. Anthropic при цьому оцінює ризик того, що моделі можуть приховано виконувати шкідливі дії, як низький. Важливо, що більшість наведених показників — результати внутрішніх випробувань і бенчмарків самої компанії, а не незалежного аудиту.