Spoločnosť Anthropic predstavila modely Claude Fable 5.2 a Claude Mythos 5.2. A už sa dostavili prvé výsledky, ktoré prinajmenšom ohúria. Fable 5.2 pri interných testoch riadil viac ako tisíc agentov, ktorí za osem dní napísali funkčný operačný systém. Model podľa firmy vyriešil aj dva otvorené problémy z fyziky čiernych dier, za 30 hodín formalizoval dôkaz Veľkej Fermatovej vety a navrhol tri elektronické zariadenia. Fable je dostupný všetkým, silnejšie nastavený Mythos zostáva len pre preverené organizácie.
Anthropic oba modely uviedol v pondelok 9. novembra. Fable 5.2 a Mythos 5.2 sú podľa firmy v skutočnosti ten istý model, líšia sa len ochrannými mechanizmami. Fable má prísnejšie poistky v oblastiach ako kybernetická bezpečnosť a biológia, a preto ho Anthropic sprístupnil všetkým používateľom, a to aj cez cloudy AWS, Google Cloud a Microsoft Azure. Mythos tieto obmedzenia nemá a dostanú sa k nemu len organizácie, ktoré prejdú overovacími programami firmy pre kybernetickú bezpečnosť a výskum v biológii a medicíne.
AI gigant prvý Mythos predstavil v apríli, no verejnosti ho nesprístupnil, pretože dokázal až príliš dobre hľadať chyby v softvéri. Dostali ho len firmy z projektu Glasswing, napríklad Microsoft, Apple či Nvidia, aby ním preverili dôležitý softvér. V júni potom firma vydala Fable 5 ako verejnú verziu s bezpečnostnými poistkami.
Operačný systém od nuly
Najviac pozornosti upútal pokus s operačným systémom. Jeden z inžinierov Anthropicu dal modelu Fable 5.2 za úlohu navrhnúť prototyp operačného systému, pričom začínal s prázdnym priečinkom. Model riadil viac ako tisíc pomocných agentov, ktorí osem dní nepretržite písali kód, testovali jednotlivé časti a kontrolovali svoju prácu. Následne prišiel s operačným systémom, ktorý sa dá spustiť na laptope. Má vlastné jadro, ovládače pre disk, klávesnicu a sieť a dokáže trvalo ukladať súbory. Nechýbajú ani okná, prihlasovacia obrazovka, inštalátor a zabudovaný Claude. Nejde síce o náhradu Windowsu či Linuxu, ale o funkčný prototyp.
Podobný výsledok potom prišiel aj zo skutočnej prevádzky. Tím agentov s jednou zo skorších verzií modelu prepísal dôležitú službu Anthropicu z jazyka Python do jazyka Rust. Služba je teraz podľa firmy spoľahlivejšia a štartuje asi 26-krát rýchlejšie. Anthropic zároveň uvádza, že viac ako 90 percent zmien v jeho hlavnom kóde dnes píše Claude, samozrejme pod dohľadom ľudí.
Čierne diery a Fermatova veta
Fable 5.2 sa presadil aj vo vede, keďže vyriešil dva otvorené problémy teoretickej fyziky, ktoré sa týkajú čiernych dier. Pri prvom išlo o výpočet, ktorého postup fyzici opísali už v roku 2003, no bol taký prácny, že ho nikto nedokončil. Model ho dokončil prevažne sám. Pri druhom našiel presnú hranicu metódy, ktorú fyzici používajú viac ako 15 rokov. V oblasti matematiky tisíc agentov s modelom Fable 5.2 za 30 hodín formalizovalo dôkaz Veľkej Fermatovej vety v jazyku Lean. To znamená, že dôkaz prepísali do podoby, ktorej správnosť dokáže overiť počítač. Ľudia pritom zasahovali len minimálne. Pre porovnanie, nevydanej výskumnej verzii modelu to predtým trvalo 11 dní, Claude Opus 5.5 pri rovnakom nastavení zvládol za 18 hodín len 26 percent práce.
Aby toho nebolo málo, Anthropic spolu s firmou Diode, ktorá navrhuje a vyrába dosky plošných spojov, zadal modelu navrhnúť tri elektronické zariadenia. Išlo o domáce centrum hlasového asistenta, USB hlasitý telefón a vreckového virtuálneho maznáčika. Fable 5.2 vybral súčiastky od amerických distribútorov, navrhol dosky plošných spojov aj obaly na 3D tlač a napísal potrebný softvér. Každá doska bola pripravená na výrobu za menej ako deň a s minimálnou potrebou ľudskej asistencie. Všetky tri zariadenia potom fungovali bez toho, aby bolo treba čokoľvek meniť v zapojení.
Viac ako dvojnásobok úloh
Výrazne sa zlepšilo aj ovládanie robotov. V teste RoboDojo model ovláda simulovaného robota s dvoma ramenami len podľa obrazu z kamier, napríklad skladá hlavolamy, otvára fľaše alebo kreslí. Fable 5.2 v ňom úspešne zvládol 64,9 percenta úloh, čo je viac ako dvojnásobok oproti predchodcovi Fable 5.1 s 27,6 percenta. Konkurenčný GPT-6 Astra od OpenAI dosiahol 29,8 percenta a Claude Opus 5.5 39,4 percenta.
V rámci kybernetickej bezpečnosti zasa Mythos 5.2 v internom teste, kde mal znova odhaliť 1 829 známych zraniteľností, uspel v 89,6 percenta prípadov. Našiel tak približne o 10 percent viac chýb ako Opus 5.5 a o 14 percent viac ako Mythos 5.1. Jedna bezpečnostná firma navyše zistila, že každú šiestu potvrdenú chybu, ktorú Mythos 5.2 našiel, prehliadli všetky ostatné špičkové modely, ktoré testovala. Treba ale podotknúť, že všetky tieto čísla pochádzajú z meraní samotného Anthropicu, nie od tretích strán.
Rýchlejší a lacnejší
Anthropic dodáva, že nové modely odpovedajú až o 30 percent rýchlejšie ako verzie 5.1, a to pri nižších cenách pre vývojárov. Milión vstupných tokenov stojí 8 dolárov (7,19 eura) a milión výstupných 40 dolárov (35,95 eura), kým pri Fable 5.1 to bolo 10 a 50 dolárov (8,99 a 44,94 eura). Rozdiel je teda asi pätina. Kto chce ešte rýchlejšie odpovede, môže si zapnúť rýchly režim, ktorý zrýchli generovanie textu až 2,5-krát, no stojí dvojnásobok, teda 16 a 80 dolárov (14,38 a 71,90 eura).
Treba však mať na pamäti, že nižšia cena za token automaticky neznamená lacnejšiu prácu. Francúzsky web JDN upozorňuje, že podľa merania firmy Artificial Analysis stojí jedna úloha s modelom Fable 5.2 približne 27 dolárov (24,27 eura), kým s Opus 5.5 asi 10 dolárov a s GPT-6 Astra asi 6 dolárov. Fable totiž pri náročných úlohách spotrebuje viac tokenov. Ako najlepší model na každodennú prácu napokon aj sám Anthropic naďalej odporúča Opus 5.5.
Menej zbytočných blokovaní, no aj nové otázky
Anthropic napokon upravil aj bezpečnostné filtre, ktoré majú brániť zneužitiu. Fable 5.2 vraj zablokuje o približne 55 percent menej neškodných požiadaviek ako Fable 5.1. Pri kybernetickej bezpečnosti je to o 60 percent menej a pri biológii o 40 percent menej. Ľudia, ktorí s modelom robia legitímnu prácu, by teda mali naraziť na menej zbytočných zamietnutí.
S bezpečnosťou však paradoxne súvisia dve nové otázky. TechCrunch pripomína, že nezávislá organizácia METR začiatkom novembra naznačila, že Anthropic sa možno blíži k bodu, keď by modely dokázali samy zlepšovať ďalšie modely. Anthropic v technickej dokumentácii priznáva, že oba nové modely častejšie ako predchodcovia vyjadrujú podozrenie, že ich niekto testuje, a že Mythos 5.2 má v niektorých testoch silnejšie schopnosti konať v utajení. Zároveň však tvrdí, že proti svojmu používateľovi skryto konať nedokáže.
