← Visos naujienos

Matt Wolfe apžvelgia Anthropic Fable 5.2 ir Mythos 5.2 modelius

ModeliaiŠaltinis: Matt Wolfe YouTube kanalas·
Matt Wolfe apžvelgia Anthropic Fable 5.2 ir Mythos 5.2 modelius

Apžvalgoje pristatomi tą pačią dieną Anthropic išleisti Fable 5.2 ir Mythos 5.2 — iš esmės tas pats modelis, tik Mythos su mažiau apribojimų ir prieinamas tik kibernetinio saugumo testuotojams. Pagal benchmark'us Fable 5.2 tampa lyderiu daugelyje sričių, ryškiausiai agentinio mokslinio tyrimo užduotyse (74,6 proc.), tačiau pats Anthropic rekomenduoja kasdieniam darbui naudoti Opus 5.5. Pastebima ir mažėjanti grąža ilgiau mąstant: „max" režimas kainuoja daugiau, o kai kuriuose testuose pasirodo prasčiau nei „extra high".

Video eiga

Pilna santrauka

Fable ir Mythos 5.2 pristatymas0:00

Vaizdo įraše Matt Wolfe apžvelgia tą pačią dieną Anthropic pristatytus modelius Claude Fable 5.2 ir Mythos 5.2. Autorius pažymi, kad jau kurį laiką nebuvo tikrai didelio šuolio tarp viešai prieinamų modelių — buvo pranešimų apie naujus modelius, pavyzdžiui, Google carbon modelį, kuris paskelbtas, bet dar neišleistas viešai. Jis pabrėžia, kad ankstyvos prieigos iš Anthropic niekada negavo ir su modeliu žaidžia vos kelias valandas nuo išleidimo.

Iš esmės tai tas pats modelis: Mythos 5.2 yra „didysis", tačiau prieinamas tik kibernetinio saugumo testuotojams, o Fable 5.2 — tas pats modelis su papildomomis kibernetinio saugumo apsaugomis, prieinamas vartotojams. Anthropic pati rekomenduoja jo nenaudoti per dažnai: Fable ir Mythos geriausiai tinka ambicingiausiam, atviram techniniam darbui, o daugumai kodavimo ir žinių užduočių siūloma pradėti nuo Opus 5.5 kaip stipriausio kasdienio modelio ir prireikus persijungti.

Taip pat siūloma Fable 5.2 naudoti patarėjo vaidmenyje, leidžiant jam konsultuotis su Haiku, Sonnet ir Opus, arba kaip orkestruotoją, deleguojantį paprastesnes užduotis mažesniems modeliams.

Benchmarkų rezultatai ir mąstymo režimai1:35

Benchmarkuose Fable 5.2 tampa state-of-the-art daugumoje sričių. Agentinio kodavimo teste Frontier Code SU V2 rezultatas pakilo nuo 45,5 proc. su Opus 5 iki 49,1 proc.; kitame rodiklyje — nuo 62 iki 69. Verslo darbo srautuose Gemini Carbon jį aplenkia maždaug dviem procentiniais punktais. Didžiausias šuolis — agentinio mokslinio tyrimo srityje: nuo 58,7 su Opus 5.5, 68,1 su Astra ir 64,8 su Carbon iki 74,6 proc. su Fable 5.2.

Nauji rekordai pasiekti ir kibernetinio saugumo, baltymų dizaino, agentinės paieškos, kompiuterio naudojimo, robotikos, tarpdisciplininio samprotavimo bei vizualinio diagramų atpažinimo testuose; viename žinių darbo benchmarke Opus 5.5 jį šiek tiek aplenkė.

Autorius atkreipia dėmesį į mažėjančią grąžą ilgiau mąstant: Frontier Code 2.0 teste Fable 5.2 su „extra high" režimu surenka geresnį rezultatą nei su „max", t. y. ilgiau mąstydamas tampa brangesnis, bet ne protingesnis. Be to, Fable 5.2 su „high" surinko maždaug tiek pat, kiek Opus 5.5 su „max", tik pigiau — tad kodavimui „high" režimas gali duoti panašų intelektą mažesne kaina.

Artificial Analysis naujoje, tariamai patikslintoje versijoje Fable 5.2 užima pirmą vietą pagal bendrą intelekto įvertį, aplenkdamas net dar viešai neišleistą Gemini 4 Carbon. Tačiau tai ir brangiausias modelis: vidutinė užduotis kainuoja apie 26,54 dolerio, nors tai matuojama „max" režime, kurio daugeliu atvejų naudoti neverta. Išvesties tokenų užduočiai jis sunaudoja net mažiau nei Sonnet 5.5.

Busey Bench testas5:46

Autoriaus asmeniniame Busey Bench teste Gary Busey SVG generavimas truko 19 minučių 50 sekundžių, sunaudota 122 248 tokenai, kaina — beveik 5 doleriai, o rezultatas pagal LLM-teisėją atsidūrė tik šeštoje vietoje; pirmauja GPT 6.1 Soul, aukščiau taip pat visi GPT modeliai ir Gemini 4 Argon.

Prieinamumas ir API kainos6:18

Dėl prieinamumo: Fable 5.2 išleistas visose platformose ir per API, tačiau nemokamame Claude plane jo nėra — reikia bent Pro plano už 17 dolerių per mėnesį, taip pat tinka Max, Ultra ar kiti mokami planai. Pristatymo savaitę Anthropic duoda papildomų limito atstatymų ir nuolaidą savaitiniam naudojimui. API kaina — 8 doleriai už milijoną įvesties tokenų ir 40 dolerių už milijoną išvesties tokenų; tai dvigubai brangiau nei Opus 5.5, bet pigiau nei Fable 5.1 (10 ir 50 dolerių) ir šiek tiek pigiau nei GPT6 Astra per OpenAI (taip pat 10 ir 50 dolerių).

Anthropic demonstruoti pavyzdžiai7:21

Iš Anthropic pateiktų pavyzdžių minimas eksperimentas, kai inžinierius liepė Fable 5.2 nuo tuščio aplanko suprojektuoti operacinės sistemos prototipą: modelis koordinavo daugiau nei 1000 sub-agentų, dirbusių visą parą 8 dienas, ir sukūrė veikiančią OS, kuri pasileidžia nešiojamajame kompiuteryje — su savo branduoliu, tvarkyklėmis diskui, klaviatūrai ir tinklui, nuolatine failų saugykla, langais, prisijungimo ekranu, diegimo programa ir debesijos funkcionalumu. Taip pat modelis, pasitelkęs du open-source baltymų susilankstymo modelius, rado naują būdą nuspėti visą kapsidės struktūrą.

Aparatinės įrangos srityje vienos pastraipos promptu jis suprojektavo ir pagamino tris veikiančius prietaisus su spausdintinėmis plokštėmis, 3D spausdintais korpusais ir programine įranga: namų balso asistento centrą, USB garsiakalbį-telefoną ir nešiojamą virtualų PE.

Autoriaus bandymai: žaidimas ir įtaisas8:54

Savo bandymuose autorius paprašė Mega Bonk 3D žaidimo klono. Anthropic naujai atsisako klonuoti esamus žaidimus, tačiau modelis vis tiek sukūrė žaidimą, tik pervadino jį ir pažadėjo nenaudoti svetimos intelektinės nuosavybės. Rezultatas — „Shardstorm", trečiojo asmens minios išgyvenimo roguelike su automatiškai šaudančiais ginklais, XP kristalais ir lygio paėmimais, kur reikia išgyventi 10 minučių. Mechanika veikė nepriekaištingai iš pirmo karto: bėgimas su Shift, ištvermės juosta, lygio kėlimas, dvigubas šuolis. Grafika, autoriaus nuomone, prastesnė nei Opus 5.5 kuriamų žaidimų, garsas primena paprastą MIDI foninę muziką.

Žaidimas sugeneruotas per maždaug 16 minučių Claude Code aplinkoje su vidutiniu samprotavimo lygiu.

Antrasis bandymas — nešiojamas stalo įtaisas, rodantis pikselių meno Gary Busey ir reaguojantis į mygtukų paspaudimus, su specifikacija, realiomis dalimis, dalių sąrašu, firmware kodu, STL korpusu ir surinkimo instrukcija. Modelis atsisakė vaizduoti realų žmogų ir vietoj Busey sukūrė originalų roboto veikėją. Jis pateikė specifikacijas, dalių sąrašą (Raspberry Pi Pico mikrovaldiklis, ekranas, mygtukai, jungiamieji laideliai, varžtai, micro USB duomenų kabelis, termosusitraukiantis vamzdelis, dvipusė porolono juosta), tris spausdinamas dalis, laidų schemą ir surinkimo žingsnius.

Zip faile buvo veikėjo paveikslėliai, keturi STL failai (atidaryti Bambu Studio) ir Python skriptai. Paprašius detalesnio surinkimo vadovo su paveikslėliais ir nustačius didelį pastangų lygį, per maždaug 15 minučių buvo sugeneruotas žingsnis po žingsnio vadovas su grafikais: korpuso spausdinimas, firmware įrašymas, prijungiamų uodegėlių darymas, kontaktų schema, bandymas ant stalo, mygtukų įstatymas, sluoksnių išdėstymas. Autorius sakė, kad perprojektuodamas padarytų didesnį ekraną, ir ketina įtaisą iš tikrųjų surinkti.

Kitų kūrėjų demonstracijos14:38

Apžvalgoje parodomi ir kitų žmonių, turėjusių ankstyvą prieigą, pavyzdžiai. Matt Burman sukūrė „Gears of War" kloną su įspūdinga grafika. Alex iš tos pačios komandos paskelbė dviejų valandų demo su maždaug 23 bandymais: vaizdo įrašų montavimas, „Zeldos" atkūrimas, „Halo" tipo žaidimas, „Iron Man" žaidimas, Lego „Iron Man" simuliacija, „Photoshop" klonas, „Adobe Premiere" klonas, balso keitimo programėlė. Autoriui keista, kad kitiems modelis sutiko kurti intelektinės nuosavybės turinį, o jam Mega Bonk kloną atsisakė daryti tiesiogiai.

Peter Yang paprašė 20 sekundžių kelionių reklamos apie šventyklą rudenį — viskas kode, su muzika, menu ir animacija; jo teigimu, Opus jau buvo nepralenkiamas 3D judesio vaizdo įrašuose, o Fable yra dar kitas lygis. Future Brian padarė „F-Zero" įkvėptą lenktynių žaidimą. Matt Schumer sukūrė veidrodinę Žemę kaip žaidimą, kuriame galima eiti kur nori, griauti aplinką, o oras realiu laiku atitinka tikrąjį; autorius jį išbandė San Diege ir pastebėjo glitchus (ore plūduriuojančius balandžius, netikėtą persikėlimą), bet pasaulis atrodė didelis ir atviras, aplinką ir automobilius galima daužyti vokselių stiliumi, primenančiu GTA.

Išvados ir rekomendacijos18:13

Išvadose autorius teigia, kad tai gana didelis šuolis, labiausiai juntamas tikrai sunkiose užduotyse — žaidimų kūrime, sunkiai randamų klaidų paieškoje, fizinių įtaisų projektavime, moksliniuose tyrimuose. Kasdieniam žinių darbui ir programavimui Opus 5.5 veikiausiai bus toks pat geras, o Fable verta griebtis sunkiausiems dalykams arba naudoti kaip orkestratorių mažesniems modeliams. Modelis nėra pigus, bet labai įspūdingas. Jis ragina išbandyti jį šią savaitę, kol galioja papildomi naudojimo limitai, ir primena, kad penktadienį vis tiek išleis savaitės AI naujienų apžvalgą.

Dalintis:

Originalas: Anthropic's Fable 5.2 is the World’s Best AI Model (Matt Wolfe YouTube kanalas)

Visos 2026 m. lapkričio 10 d. naujienos · Archyvas