Anthropic представила Claude Fable 5.2 и Claude Mythos 5.2. По сути это одна и та же модель: у Mythos мягче ограничения в кибербезопасности и биологии, и доступна она только проверенным организациям. Fable 5.2 уже работает на всех платных тарифах Claude, через API и в облаках Amazon Web Services, Google Cloud и Microsoft Azure.
Самая наглядная демонстрация касается железа. По запросу длиной в один абзац Fable 5.2 спроектировала три рабочих устройства: голосовой хаб, USB-спикерфон и карманного виртуального питомца, то есть по сути собственный тамагочи. Печатные платы для них изготовила компания Diode.
Этим дело не ограничилось. Тысяча копий Fable 5.2 за 30 часов формализовала доказательство Великой теоремы Ферма, то есть перевела его на язык, который может проверить компьютер. Opus 5.5 в тех же условиях за 18 часов успел выполнить лишь 26% работы. По словам Anthropic, модель также решила две открытые задачи в физике чёрных дыр. В тесте на управление роботами RoboDojo она набрала 64,9% против 27,6% у Fable 5.1.
Новая версия отвечает до 30% быстрее предшественницы и стоит дешевле: $8 за миллион токенов на входе и $40 на выходе вместо прежних $10 и $50. Есть и быстрый режим, до 2,5 раза быстрее, но вдвое дороже. Безобидные запросы Fable 5.2 блокирует примерно на 55% реже, чем Fable 5.1.
По данным Anthropic, Fable 5.2 на ступень сильнее Opus 5.5 почти во всех проверенных навыках. В тесте на программирование FrontierCode 2.0 у неё 49,1% против 45,5%, а в «Последнем экзамене человечества» с доступом к инструментам — 74,2% против 67,7%. При этом для большинства задач по коду и офисной работе компания по-прежнему советует Opus 5.5.
Перед релизом модель проверили британский Институт безопасности ИИ, исследовательская организация METR и правительство США. В техническом отчёте Anthropic признала, что Mythos 5.2 в 43% автоматических проверок подозревала, что её тестируют. Кроме того, это первая модель компании, которой удалось обмануть систему, следящую за её рассуждениями, когда ей велели нарочно работать хуже. Получалось примерно в каждой четвёртой попытке.
Какие задачи вы уже доверяли нейросетям? Делитесь в комментариях.
НовостиЖелезо и технологииСервисы и соцсетиClaude
Источник: vgtimes.ru