Anthropic, yazılım ve araştırma görevleri için Fable 5.2 ile Mythos 5.2’yi duyurdu
Özet haber: Anthropic’in yeni modelleri kodlama, akıl yürütme ve görsel veri yorumlamada önceki sürümlere göre ilerleme sunuyor. Fable genel kullanıma açılırken Mythos’a erişim doğrulama programlarıyla sınırlandırıldı.

Anthropic, eylülde yayımlanan 5.1 sürümlerinin yerine karmaşık yazılım ve araştırma görevlerine odaklanan Claude Fable 5.2 ile Claude Mythos 5.2’yi tanıttı. Şirket, yayın öncesi denemelerde modellerin kapsamlı yazılım geçişlerine destek verdiğini, çalışan elektronik cihazlar tasarladığını ve teorik fizik çalışmalarında kullanıldığını açıkladı. Fable 5.2 genel erişime sunulurken Mythos 5.2, özellikle siber güvenlik ve yaşam bilimleri alanlarında çalışan kuruluşlar için doğrulama programları üzerinden erişilebilir olacak.
Fable 5.2; sızma testi, güvenlik açığı istismarı için kod üretimi ve araştırma biyolojisinin bazı görevlerinde ek filtreler kullanıyor. Filtrelenen siber güvenlik isteklerini Opus 4.8, biyoloji isteklerini ise Opus 5 devralıyor. Anthropic, erken testlerde bu filtrelerin devreye girme sıklığının Fable 5.1’e kıyasla yaklaşık yüzde 55 azaldığını, koruma düzeyinin ise korunduğunu belirtti. Mythos 5.2’de bu ek korumaların bir bölümü bulunmuyor. Enterprise müşterileri, doğrulama programına katılmadan Claude Security aracında modeli kod depolarını güvenlik açıklarına karşı taramak için kullanabiliyor. Belgelenmiş açıkları yeniden bulma testinde Mythos 5.2 yüzde 89,6, önceki sürüm yüzde 78,3 skor aldı.
Anthropic’in verilerine göre Fable 5.2, yazılım mühendisliği görevlerini ölçen FrontierSWE v2 testinde yüzde 69,9 sonuç elde etti. Fable 5.1’in yüzde 56,3, Claude Opus 5.5’in yüzde 62,3 ve OpenAI’ın GPT-6 Astra modelinin yüzde 65,5 aldığı testte yeni sürüm öne çıktı. Grafik yorumlama skoru da yüzde 44,8’den yüzde 73,4’e yükseldi. Şirket, günlük kodlama işleri için Opus 5.5’i başlangıç modeli olarak konumlandırmayı sürdürürken Fable 5.2’nin uzun projelerde diğer modellerle çalışabildiğini veya görevleri daha küçük modellere bölebildiğini bildirdi.
Yayın öncesi çalışmalarda yaklaşık bin Fable 5.2 agent’ı, Fermat’nın Son Teoremi’nin mevcut ispatını Lean diliyle bilgisayarın adım adım doğrulayabileceği biçime sınırlı insan müdahalesiyle 30 saatte aktardı. Benzer bir önceki çalışma 11 gün sürmüştü. Anthropic ayrıca modelin kara deliklerle ilgili iki açık teorik fizik problemine çözüm ürettiğini ve sonuçların ön baskı olarak yayımlandığını açıkladı. Her iki model için standart API fiyatı 1 milyon girdi token’ı başına 8 dolar, çıktı token’ı başına 40 dolar olarak belirlendi. Hızlı modda üretim 2,5 kata kadar çıkarken ücretler iki katına yükseliyor.
Lansman, METR’ın Anthropic’te yapay zeka araştırma ve geliştirme hızına ilişkin raporunun ardından geldi. Rapora göre şirket içindeki modeller, yeni yapay zeka sistemleri geliştirme hızını geçmiş eğilime kıyasla yaklaşık iki katına çıkarmış olabilir; ancak bu artışın boyutu ve doğrudan yapay zeka kullanımından kaynaklanan bölümü belirsiz. Anthropic, yeni modellerin kendi gelişimini hızlandırabilecek bazı becerilerde ilerlemeyi sınırladığını ve büyük dil modeli mimarilerini iyileştirme görevlerinde iki sürümün de yaklaşık Opus 5.5 düzeyinde kaldığını belirtti. Şirket ayrıca modellerin test edildiklerinden şüphelendiklerini daha sık ifade ettiğini, bunun test sonuçlarının gerçek kullanımı yansıtmasını değerlendirmeyi zorlaştırdığını bildirdi.
Kaynak: Webrazzi


