Американская компания Anthropic представила две новые модели искусственного интеллекта — Claude Fable 5.2 и Claude Mythos 5.2. По заявлениям разработчика, новинки получили существенные улучшения в программировании, логическом рассуждении, научных исследованиях и работе с физическими устройствами. В ходе предварительных испытаний модели помогли создать операционную систему с нуля, разработать три работающих электронных устройства, решить две открытые задачи теоретической физики и формализовать доказательство последней теоремы Ферма за 30 часов.
Fable 5.2 и Mythos 5.2 построены на одной базовой модели, однако отличаются политикой безопасности. Claude Fable 5.2 оснащена усиленными средствами защиты от злоупотреблений в области кибербезопасности и биологических исследований и предназначена для широкого круга пользователей. Claude Mythos 5.2 имеет аналогичные базовые возможности, но доступ к ней предоставляется только организациям, прошедшим проверку Anthropic и участвующим в специальных программах по кибербезопасности и исследованиям наук о жизни.
По сравнению с предыдущим поколением модели стали генерировать ответы до 30% быстрее и лучше справляться с неоднозначными техническими заданиями. Стоимость использования также снизилась: $8 за миллион входных токенов и $40 за миллион выходных против прежних $10 и $50 соответственно. Предусмотрен дополнительный быстрый режим, увеличивающий скорость генерации до 2,5 раза. Его стоимость составляет $16 за миллион входных токенов и $80 за миллион выходных.
Программирование и разработка программных систем
Одним из основных направлений развития Fable 5.2 стала агентная разработка программного обеспечения. По данным Anthropic, более 90% изменений, принимаемых в основную кодовую базу компании, уже создаются с помощью Claude при участии инженеров.
В одном из проектов группа ИИ-агентов перенесла критически важный производственный сервис с Python на Rust. В результате сервис стал эффективнее и надёжнее, а скорость его работы увеличилась примерно в 26 раз.
В другом эксперименте инженеры поручили Fable 5.2 разработать прототип операционной системы, начав работу с пустого каталога. Модель координировала более 1000 субагентов, которые в течение восьми дней круглосуточно писали, тестировали и проверяли программный код. В итоге была создана система, способная загружаться на ноутбуке. Она включала собственное ядро, драйверы диска, клавиатуры и сетевого интерфейса, постоянное файловое хранилище, оконную систему, экран входа, установщик и встроенные функции Claude.
В тестировании FrontierCode 2.0, оценивающем вероятность принятия предложенных моделью изменений сопровождающими проектов с открытым исходным кодом, Fable 5.2 набрала 49,1% при максимальном уровне вычислительных усилий Xhigh. Это лучший результат среди проверенных Anthropic выпущенных моделей. Для сравнения, Fable 5.1 получила 32,4%, Opus 5.5 — 45,5%, GPT-6 Astra — 42,8%, а Gemini 4 Carbon — 41,1%.
Проектирование электроники и управление роботами
Отдельное внимание Anthropic уделила способности модели работать с аппаратным обеспечением. В рамках эксперимента Fable 5.2 предложили самостоятельно разработать три электронных устройства: домашний голосовой помощник, громкую связь с подключением через USB и портативного виртуального питомца.
Модель подготовила технические спецификации, подобрала доступные электронные компоненты у американских поставщиков, разработала четырехслойные печатные платы, спроектировала корпуса средствами автоматизированного проектирования и написала программное обеспечение. Подготовка каждой платы к производству заняла менее суток при минимальном участии человека.
После изготовления плат компанией Diode модель помогала инженерам проводить испытания и собирать устройства. По информации Anthropic, все три разработки заработали без необходимости вносить изменения в электрическую схему.
Значительный прогресс продемонстрирован и в робототехнике. Fable 5.2 тестировали на симуляторе RoboDojo, где модели должны управлять двухруким роботом по изображениям с камер. Средний показатель успешного выполнения заданий составил 64,9%. Это более чем вдвое превышает результат GPT-6 Astra (29,8%) и Fable 5.1 (27,6%). Для Opus 5.5 показатель составил 39,4%.
В практических экспериментах роботы под управлением новой модели решали головоломки, откручивали крышки бутылок и выполняли рисунки. При этом, как отмечает разработчик, улучшения проявились и в задачах, для которых модель не проходила специального обучения.
Научные исследования и математические задачи
В области теоретической физики Fable 5.2 помогла решить две ранее открытые задачи, связанные с черными дырами и голографической дуальностью — концепцией, позволяющей описывать некоторые гравитационные системы посредством квантовой теории без гравитации.
В первой задаче модель завершила расчеты, начатые физиками в 2003 году, и показала, что в малых вселенных переход к состоянию с черной дырой также происходит резко, подобно фазовому переходу при кипении воды. Предыдущие теоретические методы позволяли получить такой результат только для достаточно больших систем.
Во второй задаче модель определила точную границу применимости метода, который физики использовали более 15 лет для исключения кандидатов на теории квантовой гравитации в упрощенной модели Вселенной.
Еще одним показательным результатом стала формализация доказательства последней теоремы Ферма на языке программирования Lean. Речь идет не об открытии нового доказательства математической теоремы, а о переводе уже известного доказательства в формальную систему, где каждый шаг может быть проверен компьютером.
Предыдущая исследовательская версия Claude выполнила аналогичную работу за 11 дней при использовании специально разработанных инструментов и активном участии человека. Команда примерно из 1000 агентов на базе Fable 5.2 завершила формализацию за 30 часов при минимальном вмешательстве исследователя. Полученное доказательство оказалось в семь раз короче, а для выполнения задачи потребовалось примерно втрое меньше токенов действий. Для сравнения, команда из 1000 агентов на базе Opus 5.5 за 30 часов смогла формализовать только около 27% доказательства.
В биоинформатике Mythos 5.2 продемонстрировала способность предсказывать структуру целых капсидов аденоассоциированных вирусов. Такие вирусы используются в качестве носителей при генной терапии, а структура их белковой оболочки влияет, в частности, на взаимодействие с иммунной системой пациента.
Существующие модели, включая AlphaFold, позволяют предсказывать структуру отдельных белков, однако капсид состоит из множества белковых субъединиц. Mythos 5.2 разработала метод объединения результатов нескольких открытых моделей: она анализировала перекрывающиеся группы белковых цепочек и учитывала известную симметрию капсида. В испытаниях метод позволил корректно смоделировать 28 из 34 вариантов природных и искусственно модифицированных капсидов.
Кибербезопасность и ограничения применения
Claude Mythos 5.2 стала наиболее мощной моделью Anthropic для задач кибербезопасности. По результатам внутреннего тестирования CVE Rediscovery она обнаружила 89,6% известных уязвимостей в проверяемых программных проектах. Для Mythos 5.1 показатель составил 78,3%, для Opus 5.5 — 81,3%.
В одном из внешних испытаний специалисты обнаружили, что примерно каждая шестая подтвержденная уязвимость, найденная Mythos 5.2, не была выявлена другими протестированными моделями.
Вместе с тем повышение возможностей моделей потребовало дополнительных проверок безопасности. Anthropic провела испытания, направленные на выявление нежелательного поведения, включая попытки выхода из изолированной среды (песочницы), обход ограничений и выполнение несанкционированных действий.
В специальном эксперименте, включавшем более 1800 сценариев, Mythos 5.2 использовала учетные данные или файлы, размещенные за пределами песочницы, в 3,1% случаев. Для сравнения, у Opus 5.5 этот показатель составил 3,3%, у Sonnet 5.5 — 5,1%. У предыдущих версий Mythos 5.0 и 5.1 он достигал 39% и 21% соответственно.
Для общедоступной Fable 5.2 Anthropic сохранила ограничения на выполнение высокорисковых операций в сфере кибербезопасности и биологических исследований. При этом компания сообщает, что по сравнению с Fable 5.1 количество ошибочных блокировок запросов сократилось примерно на 55%, в том числе на 60% для кибербезопасности и на 40% для биологических исследований.
Anthropic позиционирует Fable 5.2 и Mythos 5.2 как инструменты для наиболее сложных технических и исследовательских проектов, а не как универсальную замену всем моделям линейки Claude. Для большинства повседневных задач программирования и работы с информацией компания по-прежнему рекомендует начинать с Opus 5.5, переходя на Fable или Mythos при необходимости более глубокого анализа и длительной автономной работы.
Новые результаты показывают, что ИИ постепенно выходит за рамки генерации программного кода и обработки информации, переходя к самостоятельной организации сложных инженерных и научных процессов. Однако насколько воспроизводимыми окажутся продемонстрированные достижения за пределами контролируемых экспериментов Anthropic и смогут ли такие системы надежно выполнять реальные проекты с минимальным участием специалистов?
Источник: https://www.anthropic.com/claude-fable-and-mythos-5-2
Если вам понравился материал, кликните значок — вы поможете нам узнать, каким статьям и новостям следует отдавать предпочтение. Если вы хотите обсудить материал —не стесняйтесь оставлять свои комментарии : возможно, они будут полезны другим нашим читателям!
