Anthropic vydal novou verzi svého nejvýkonnějšího modelu. Claude Fable 5.2 přichází jen dva měsíce po verzi 5.1 a firma o něm tvrdí, že lépe programuje, přemýšlí, analyzuje obrázky i grafy a s lidmi mluví srozumitelněji. Zároveň zlevnil o pětinu a odpovídá až o 30 procent rychleji. Podle nezávislého měření Artificial Analysis jde o nejsilnější model, který si dnes může kdokoli koupit. Přesto i sám Anthropic radí, ať většina lidí začne s levnějším Opusem 5.5.
Jeden model a dvě verze
Spolu s Fable vyšel i Claude Mythos 5.2. Nejedná se o dva různé mozky, protože oba stojí na stejném základu. Fable má přísnější pojistky v kyberbezpečnosti a biologii, a proto ho Anthropic může nabídnout veřejnosti. Mythos tato omezení uvolňuje, ale dostanou ho jen prověřené firmy a laboratoře. Když Fable nějaký citlivý dotaz zablokuje, odpověď místo něj napíše Opus.
Fable je stavěný na velké, dlouhé a ne úplně jasně zadané technické úkoly. Na běžnou práci s kódem nebo texty Anthropic doporučuje Opus 5.5 a k Fable radí sáhnout až tehdy, když slabší verze nestačí. Nový model umí fungovat i jako poradce, kterého se menší modely zeptají u těžkého problému, nebo jako vedoucí, který jednodušší práci rozdělí mezi ty rychlejší.
Programuje jako zkušený inženýr
Nejvíc se nový Fable ukazuje v programování. Jeden inženýr Anthropicu mu zadal, ať navrhne prototyp operačního systému. Model začal s prázdnou složkou, řídil přes tisíc pomocných agentů a po osmi dnech nepřetržité práce vznikl systém, který se spustí na notebooku. Má vlastní jádro, ovladače pro disk, klávesnici i síť, okna, přihlašovací obrazovku a instalátor. Konkurenci Windows nebo Linuxu ale nečekejte, jde o pokusný prototyp.
Tým agentů s dřívější verzí modelu přepsal jednu z interních služeb firmy z Pythonu do Rustu a služba teď startuje zhruba 26krát rychleji. Firmy, které Fable zkoušely před vydáním, chválí hlavně to, že pochopí i vágní zadání. Inženýr z Uberu s ním spustil bezpečnostní audit na deset až dvanáct hodin. Fable rozeslal kolem 170 kontrolních agentů a vrátil se se zprávou, hotovými opravami i návrhem nových pravidel. V Oraclu zase napsal databázový dotaz nad údaji o státních dluzích správně, zatímco dva jiné modely vrátily čísla pětkrát až osmkrát vyšší.
Fermat za 30 hodin a černé díry
Anthropic předvádí i výsledky mimo programování. Tisícovka agentů Fable 5.2 převedla důkaz Velké Fermatovy věty do jazyka Lean, ve kterém ho počítač dokáže krok za krokem ověřit. Trvalo to 30 hodin, přičemž předchozí pokus firmy zabral 11 dní. Opus 5.5 ve stejném nastavení stihl za 18 hodin zhruba čtvrtinu práce. Model přitom nevymýšlel nový důkaz, pouze převáděl už známý text.
Ve fyzice podle Anthropicu vyřešil dva problémy spojené s černými dírami a kvantovou gravitací. Výsledky vyšly jako předběžné vědecké studie, posouzením od jiných vědců ale zatím neprošly. Na zadání o jednom odstavci pak Fable navrhl tři elektronická zařízení, konkrétně hlasového domácího asistenta, USB hlasitý telefon a kapesního virtuálního mazlíčka. Sám vybral součástky, navrhl desky plošných spojů, krabičky pro 3D tisk i software. Všechna tři zařízení fungovala bez jediné úpravy zapojení. Výrazně se zlepšil i v ovládání robotů, kteří s ním skládali hlavolamovou kostku nebo odšroubovávali víčko z lahve.
Co se změnilo proti Fable 5.1
Předchozí verze měla potíže. V aktuálním indexu Artificial Analysis spadla pod Opus 5.5 a zákazníci platili víc za slabší výkon. Fable 5.2 v tomtéž měření poskočil ze 49 na 65 bodů, což je nejvíc ze všech modelů a o šest bodů víc než Opus.
Tabulky Anthropicu ukazují největší skoky u dlouhých úloh. V testu, kde model plní skutečné zakázky z trhu práce na volné noze, zvládl 41 procent úkolů proti 18 procentům u předchůdce. V testu, který měří, zda by autoři otevřených softwarových projektů jeho úpravy kódu přijali, vyskočil z 32 na 49 procent. V ovládání simulovaného robota se úspěšnost víc než zdvojnásobila. Všechna tato čísla ale naměřil sám výrobce.
Změny pocítí i běžní uživatelé. Na střední úrovni úsilí, kterou aplikace Claude a Claude Code používají standardně, spotřebuje model méně tokenů než verze 5.1. Ochranné filtry ho zbytečně brzdí zhruba o polovinu méně často, v kyberbezpečnosti dokonce o 60 procent. Testeři si všímají i toho, že model častěji přizná, když něco neví, místo aby si vymýšlel.
V čem Fable 5.2 nevede
Fable 5.2 nevede všude. V testu automatizace firemních procesů ho porazil Gemini 4 Carbon od Googlu a v kancelářské práci zůstává o kousek výš Opus 5.5. Diskutující na Hacker News upozorňují, že v běžném programování rozdíl proti Opusu skoro nepoznají a že Anthropic ve své tabulce srovnává Fable na nejvyšším úsilí s Gemini na středním.
Český publicista Patrick Zandl nechal Fable, Opus a Sonnet hledat skryté chyby ve skutečném kódu. Nejvíc chyb ze seznamu našel nejlevnější Sonnet 5.5, zatímco Fable a Opus spolehlivěji odhalily tu nejhorší. Fable na středním úsilí dopadl lépe než na vysokém a porazil Opus puštěný naplno za čtvrtinu času. Jasného vítěze mezi modely Fable a Opus ale Zandl nenašel.
Profesor Ethan Mollick z Wharton School upozorňuje, že model špatně odhaduje kvalitu vlastní práce. Vědecký článek, který Fable sám sepsal, nabobtnal na 182 stran a stále obsahoval chyby. Jiný tester zjistil, že model neví, kolik je hodin. Jeden uživatel si zase stěžoval, že Fable spustil víc agentů, než měl, a pětihodinový limit vyčerpal za necelých dvacet minut.
Kolik za něj zaplatíme
Přes API stojí milion vstupních tokenů 8 dolarů a milion výstupních 40 dolarů. Verze Fable 5.1 vycházela na 10 a 50 dolarů. Podle TechCrunche je nová verze levnější než hlavní konkurent GPT-6 Astra od OpenAI. Opus 5.5 ale stále stojí polovinu, tedy 4 a 20 dolarů.
Za dvojnásobnou cenu lze zapnout rychlý režim, který generování zrychlí až dvaapůlkrát. Anthropic zároveň tvrdí, že Fable na vysokém úsilí dosáhne v programování stejného výsledku jako Opus na maximu za zhruba poloviční cenu úlohy. Nezávisle to však zatím nikdo nespočítal.
Dostupnost
Fable 5.2 je dostupný od 9. listopadu na všech platformách Anthropicu, konkrétně v aplikacích Claude na placených tarifech, v Claude Code a přes API pod označením claude-fable-5-2. Nabízejí ho také cloudy Amazonu, Googlu a Microsoftu. Na tarifu Pro a na standardních místech v tarifu Team smí model spotřebovat nejvýš polovinu týdenního limitu. Kdo má Fable v předplatném, dostane tento týden jako bonus jeden až tři resety limitu podle délky předplaceného období.
Firmy, kterým vadilo ukládání dat kvůli bezpečnostní kontrole, mohou model nově používat bez jejich uchovávání přes systém Enterprise Frontier Safeguards, který je zatím v uzavřené betě. Verzi Mythos 5.2 dostanou jen bezpečnostní experti a vědci z oblasti biologie, kteří projdou ověřovacím programem. Zákazníci tarifu Enterprise se k němu dostanou přes nástroj Claude Security, který prochází jejich kód a hledá v něm bezpečnostní díry.
Zdroje: anthropic.com, gptunnel.en a techcrunch.com
