Anthropic sa už intenzívne pripravuje na vstup na burzu, a preto prichádza s jedným dôležitým oznámením za druhým. Tentoraz predstavil nové verzie svojich kľúčových modelov Claude Fable a Mythos. Používatelia vďaka nim pocítia zlepšenia v mnohých oblastiach pri práci s Claude aj jeho rôznymi funkciami.
Nové modely predstavujú pokrok prakticky vo všetkých smeroch, no spoločnosť osobitne vyzdvihla niekoľko oblastí. Patrí medzi ne programovanie, uvažovanie, spracovanie obrazu, kybernetická bezpečnosť a vedecký výskum. Vývojári navyše uviedli, že popri lepších výsledkoch a vyššom výkone budú novinky až o 30 % rýchlejšie než predchádzajúce verzie.
Rozdiel medzi modelmi Fable a Mythos zostáva rovnaký ako doteraz. Oba vychádzajú z rovnakého základu, no Fable obsahuje dodatočné ochranné opatrenia v oblasti kybernetickej a biologickej bezpečnosti, aby mohol byť všeobecne dostupný. Organizácie zaoberajúce sa kybernetickou bezpečnosťou a biomedicínskym výskumom môžu požiadať o prístup k modelu Mythos prostredníctvom overovacích programov spoločnosti Anthropic. Podľa firmy hodnotili prví testeri vylepšenia mimoriadne pozitívne. Okrem iného konštatovali, že modely komunikujú zrozumiteľnejšie než ich predchodcovia a poskytujú kvalitnejšie odpovede.
„Dva nové modely pomohli našim inžinierom uskutočniť softvérové migrácie, ktoré by inak neboli realizovateľné, od základu navrhli tri funkčné elektronické zariadenia, vyriešili dva otvorené problémy vo fyzike čiernych dier, dosiahli výrazný pokrok v robotických hodnoteniach a za 30 hodín formalizovali dôkaz Veľkej Fermatovej vety,“ zdôraznil Anthropic.
V rámci jedného projektu vývojári migrovali kritickú službu v produkčnej prevádzke z Pythonu na Rust, čím skrátili čas jej spustenia približne o 95 %. Anthropic v spolupráci s výrobcom dosiek plošných spojov Diode skúšal hranice schopností modelu Fable 5.2 pri navrhovaní hardvéru. Na základe zadania v rozsahu jedného odseku model vytvoril hlasom ovládanú centrálnu jednotku inteligentnej domácnosti podobnú Alexe, USB zariadenie na hlasité telefonovanie a vreckové zariadenie s virtuálnym domácim zvieratkom pre deti. Fable 5.2 vybral súčiastky, navrhol štvorvrstvovú dosku plošných spojov aj kryty na 3D tlač a napísal softvér. Každé zariadenie dokončil za jeden deň a po minimálnom ľudskom zásahu sa všetky ukázali ako okamžite funkčné.
V teste FrontierCode 2.0, ktorý preveruje zložité úlohy z reálneho vývoja softvéru, dosiahol Fable 5.2 rekordnú úspešnosť 49,1 %. S výrazným náskokom tak prekonal vlastný model Opus 5.5 od Anthropicu (45,5 %), GPT-6 Astra od OpenAI (42,8 %) aj špičkový model Gemini 4 Carbon od Googlu (41,1 %). V populárnom teste Humanity's Last Exam dosiahol výsledok 74,2 %, čím si aj tu vybudoval značný náskok pred GPT-6 Astra, ktorý skončil iba na 57,2 %. Claude Fable 5.2 vytvoril rekord aj v teste OSWorld 2.1, zameranom na ovládanie počítača AI agentmi, s výsledkom 89,3 %. Spomedzi konkurentov bol najlepší Gemini 4.0 Carbon, no aj ten dosiahol len 81,5 %.
Najnovšie jazykové modely Anthropicu celkovo dominujú. Len ťažko sa dá nájsť test, v ktorom by Fable 5.2 nebol na čele, a v oblasti bezpečnosti má Mythos 5.2 ešte väčší náskok. Výnimkou je AutomationBench, ktorý sa zameriava na automatizáciu podnikových pracovných postupov. Špičkový model Googlu v ňom dosiahol úspešnosť 53,9 %, zatiaľ čo Claude Fable 5.2 získal „iba“ 51,4 %. Žiadny ďalší významný súper sa k nim však nepriblížil, GPT-6.0 Astra dosiahol len 41,4 %.
Podľa vlastných meraní Anthropicu dokáže Claude Fable 5.2 pri praktických úlohách softvérového inžinierstva samostatne a bez chýb zvládnuť približne dvojnásobný objem práce oproti svojim priamym konkurentom. Verzia Claude Mythos 5.2 určená bezpečnostným výskumníkom našla v teste CVE Rediscovery o 10,2 % viac bezpečnostných zraniteľností než Opus 5.5 a o 14,4 % prekonala Mythos 5.1. Partnerské firmy z oblasti kybernetickej bezpečnosti uviedli, že model identifikoval približne o 16 % viac kritických chýb než všetky ostatné špičkové modely.
Anthropic tiež dodal, že Claude Mythos 5.2 dodržiava pravidlá dôslednejšie než kedykoľvek predtým a pri dosahovaní svojich cieľov má menšiu tendenciu „unikať“ z testovacieho prostredia. Jeho index únikov zo sandboxu klesol na 3,1 %, pričom pri prvom modeli Mythos dosahoval 39 % a pri Mythos 5.1 to bolo 21 %. Spoločnosť ho meria testom pozostávajúcim z 1.800 úloh, v ktorých modely zámerne stavia pred výzvy nabádajúce na prekročenie stanovených hraníc.
Fable 5.2 a Mythos 5.2 sú výborné modely, no pri bežnom programovaní a úlohách založených na znalostiach Anthropic odporúča začať s modelom Opus 5.5. Ak s ním používatelia nedosiahnu svoj cieľ, mali by cielene prejsť na iný model. Fable 5.2 je vhodný pri mimoriadne zložitých úlohách, zatiaľ čo na rýchlejšiu prácu sú k dispozícii Sonnet 5.5 alebo Haiku 5.5. Rôzne modely možno aj kombinovať v záujme čo najvyššej efektivity a čo najpresnejších výsledkov.
Spoločnosť ponúka partnerom modely Claude Fable 5.2 a Mythos 5.2 za ceny o 20 % nižšie než predchádzajúce verzie 5.1. Hoci sú teda lepšie, práca s nimi je lacnejšia.
Nové modely sú dostupné všetkým predplatiteľom na platformách Anthropicu aj prostredníctvom API u rôznych partnerov. Spracovanie milióna tokenov stojí 8 dolárov, zatiaľ čo vygenerovanie rovnakého množstva vyjde na 40 dolárov. K dispozícii je aj „Rýchly režim“, ktorý je dvakrát drahší, no 2,5-krát rýchlejší, takže sa môže oplatiť tým, pre ktorých je čas skutočne rozhodujúci.
