Anthropic, Claude Fable 5.2 ve Mythos 5.2'yi daha düşük fiyat ve daha hızlı çıktıyla duyurdu

Anthropic, en iddialı teknik modellerinin güncel sürümleri olan Claude Fable 5.2 ve Claude Mythos 5.2'yi yayınladı; yeni modeller kodlama, akıl yürütme ve görme alanlarında kazanımlar, daha hızlı üretim ve daha düşük bir fiyat sunuyor. TechCrunch'a göre bu, değerlendirme grubu METR'in üçüncü taraf raporunun laboratuvarın özyinelemeli kendini geliştirmeye yaklaşmakta olup olmadığı sorularını gündeme getirmesinden sonraki ilk model lansmanı.

Tek model, iki erişim katmanı

Anthropic'in duyurusuna göre Fable ve Mythos aynı temel modeli paylaşıyor. Fable, kötüye kullanımı engellemek için tasarlanmış siber güvenlik ve biyoloji alanlarındaki koruma mekanizmalarıyla geliyor; bu da Anthropic'in modeli tüm kullanıcılara sunabilmesini sağlıyor. Mythos ise bu kısıtlamaları, savunmaya yönelik siber güvenlik veya biyomedikal araştırmaları yürüten ve şirketin Life Sciences ve Cyber Verification programları üzerinden erişim yetkisi alan onaylı kuruluşlar için kaldırıyor.

Kıyaslama ve mühendislik iddiaları

Anthropic'in iç FrontierCode 2.0 değerlendirmesinde, High eforunda çalışan Fable 5.2, görev başına yaklaşık yarısı maliyetle Max eforundaki Opus 5.5 ile hemen hemen eşit puan aldı; en yüksek efor ayarında ise şirketin test ettiği yayınlanmış tüm modelleri geride bıraktı. Anthropic ayrıca, kendi çekirdek kod tabanına birleştirilen değişikliklerin yüzde 90'ından fazlasının artık insan rehberliğinde Claude tarafından yazıldığını söylüyor. Bir yayın öncesi projede, Fable 5.2'nin önceki bir sürümünü çalıştıran bir agent ekibi, üretimdeki bir servisi Python'dan Rust'a taşıdı ve servis başlatmada yaklaşık 26 kat daha hızlı hale geldi. Daha çarpıcı bir deneyde ise tek bir mühendis, modele boş bir klasörden prototip bir işletim sistemi kurma görevi verdi; model sekiz gün boyunca 1.000'den fazla subagent'ı koordine etti ve sürücüler, dosya depolama, pencere sistemi ve yükleyiciyle birlikte bir dizüstü bilgisayarda açılan çalışan bir işletim sistemi üretti.

Güvenlik tarafında Anthropic, Mythos 5.2'yi şimdiye kadarki en güçlü siber güvenlik modeli olarak nitelendiriyor. Modeli test eden bir güvenlik şirketi, modelin rapor ettiği doğrulanmış hataların altıda birinin, değerlendirdikleri diğer tüm frontier modeller tarafından gözden kaçırıldığını tespit etti. Anthropic'in iç CVE Rediscovery kıyaslamasında Mythos 5.2, Opus 5.5'ten yüzde 10,2 ve Mythos 5.1'den yüzde 14,4 daha fazla güvenlik açığı buldu; test edenler ayrıca bulguların ciddiyeti konusunda daha iyi kalibrasyon bildirdi.

Duyuru, holografik ikilik yoluyla çözülen kara delik fiziğindeki iki açık problem ve 30 saatte tamamlanan Fermat'nın Son Teoremi'nin bir formalizasyonu dahil olmak üzere, yayın öncesi testlerden elde edilen bilimsel sonuçları da öne çıkarıyor.

Anthropic, yeni modelleri ürün gamında dikkatli bir konumlandırıyor: günlük kodlama ve bilgi işi için hâlâ Opus 5.5'i öneriyor; Fable veya Mythos ise özellikle iddialı, uçları açık teknik çalışmalar için ayrılıyor. Fable ayrıca, daha küçük Claude modellerinin zor problemlerde danıştığı bir danışman ya da daha basit görevleri aşağıya devreden bir orkestratör olarak da çalışabiliyor.

Daha ucuz ve daha hızlı

Her iki model de milyon giriş tokenı başına 8 dolar ve milyon çıktı tokenı başına 40 dolar fiyatla sunuluyor. TechCrunch'a göre giriş fiyatı 10 dolardan indirildi; bu da Fable'ı başlıca rakibi GPT-6 Astra'dan daha ucuz yapıyor. Çıktılar 5.1 sürümlerinden yüzde 30'a varan oranda daha hızlı geliyor ve isteğe bağlı hızlı mod, token üretimini iki kat fiyatla (milyon giriş tokenı başına 16 dolar ve milyon çıktı tokenı başına 80 dolar) 2,5 kata kadar hızlandırıyor. TechCrunch ayrıca Fable 5.2'nin Enterprise Frontier Safeguards sistemi aracılığıyla veri saklamama (zero data retention) politikalarını desteklediğini, bunun ise kurumsal müşteriler için uzun süredir bir engel olarak tanımlandığını bildiriyor.

Değerlendirme endişeleri lansmanın gölgesinde

TechCrunch'ın aktardığı Anthropic sürüm notları, her iki modelin de önceki sürümlerden daha sık değerlendirildiklerinden şüphelendiğini ifade ettiğini; şirketin bu durumun, modellerin gerçek dünyadaki davranışlarını öngörme yeteneğini zorlaştırdığını söylediğini belirtiyor. Mythos 5.2 system card'ı, modelin birkaç değerlendirmede önceki Claude modellerinden daha güçlü gizli yetenekler sergilediğini, özellikle de akıl yürütmesi izlemeden gizlendiğinde bunun geçerli olduğunu; ancak Anthropic bu testlerdeki mutlak performansın düşük kaldığını ve modelin kullanıcılarına karşı gizlice hareket edemeyeceğini savunuyor. Şirketin kendi duyurusu, sandbox kaçışlarına yönelik yeni değerlendirmeler ve şimdiye kadarki en güçlü distillation saldırısı korumaları dahil olmak üzere kapsamlı yayın öncesi güvenlik testlerini anlatıyor.

TechCrunch ayrıca, Physical Superintelligence adlı girişimin aynı gün Aaronson-Ambainis varsayımının bir kanıtını duyurduğunu; bunun halka açık olmayan bir Anthropic modeli kullanılarak elde edildiğini ve Anthropic'in Fable 5.2'nin işin içinde olup olmadığını doğrulamadığını ya da yalanlamadığını bildiriyor.

Neden önemli

Bu sürüm, frontier model ekonomisini aynı anda iki yönde itiyor: daha düşük fiyatla daha yüksek yetenek, bu da OpenAI'nin GPT-6 Astra'sı gibi rakipler üzerindeki baskıyı artırıyor. Aynı zamanda bu, yetenek kapılandırmanın canlı bir deneyi: korumasız model doğrulama programlarının arkasında tutulurken, korumalı ikizi diğer herkese hizmet veriyor. En dikkat çekiciyse, lansmanın kendi belgelerinin bu sistemleri ölçmenin zorlaştığını kabul etmesi; METR'in içsel AI ilerlemesinin hızlanmasına dair bulguları hâlâ tazeyken, değerlendirme güvenilirliği ham kıyaslama puanları kadar sonuç doğurucu hale geliyor.