Anthropic, Claude Fable 5.2 ve Mythos 5.2'yi tanıttı

Anthropic, karmaşık yazılım ve araştırma görevleri için geliştirdiği Claude Fable 5.2 ve Claude Mythos 5.2'yi tanıttı. Eylülde çıkan 5.1 sürümlerinin yerini alan modeller, şirketin testlerine göre kodlama, akıl yürütme ve görsel verileri yorumlama alanlarında ilerleme kaydetti. Anthropic, yayın öncesi denemelerde yeni modellerin kapsamlı yazılım geçişlerine yardımcı olduğunu, çalışan elektronik cihazlar tasarladığını ve teorik fizik araştırmalarında kullanıldığını açıkladı.

Fable genel kullanıma açıldı, Mythos'a erişim sınırlı​

İki sürüm arasındaki farkı siber güvenlik ve biyoloji alanlarındaki korumalar belirliyor. Genel kullanıma açılan Fable 5.2, sızma testi, güvenlik açıklarından yararlanmak için kod üretme ve araştırma biyolojisi kapsamındaki bazı görevlerde ek filtreler kullanıyor. Bir istek bu filtrelere takıldığında yanıtı siber güvenlikte Opus 4.8, biyolojide ise Opus 5 devralıyor. Anthropic, erken testlerde filtrelerin devreye girme sıklığının Fable 5.1'e göre yaklaşık yüzde 55 azaldığını ve koruma düzeyinin korunduğunu belirtiyor.

Mythos 5.2'de bu ek korumaların bir bölümü uygulanmıyor. Siber güvenlik ve yaşam bilimleri alanlarında çalışan kuruluşlar, Anthropic'in doğrulama programları üzerinden modele doğrudan erişim için başvurabiliyor. Claude Enterprise müşterileri ise doğrulama programına katılmadan, kod depolarını güvenlik açıklarına karşı tarayan Claude Security aracında Mythos 5.2'den yararlanabiliyor. Şirketin daha önce belgelenmiş yazılım açıklarını yeniden bulmaya dayalı testinde Mythos 5.2 yüzde 89,6, Mythos 5.1 ise yüzde 78,3 skor aldı.

Anthropic'in yayımladığı kodlama sonuçlarında Fable 5.2, yazılım mühendisliği görevlerini ölçen FrontierSWE v2 testinde yüzde 69,9'a ulaştı. Aynı testte Fable 5.1 yüzde 56,3, Claude Opus 5.5 yüzde 62,3 ve OpenAI'ın GPT-6 Astra modeli yüzde 65,5 skor aldı. Grafik yorumlama testinde de Fable'ın skoru yüzde 44,8'den yüzde 73,4'e çıktı. Şirket, günlük kodlama işleri için Opus 5.5'i başlangıç modeli olarak konumlandırmayı sürdürüyor. Fable 5.2 ise daha uzun projelerde diğer Claude modellerine danışmanlık yapabiliyor veya bir işi parçalara ayırarak daha küçük modellere dağıtabiliyor.

Yayın öncesi denemelerden biri Fermat'nın Son Teoremi'nin mevcut ispatını, bilgisayarın adım adım doğrulayabileceği bir biçime aktarmaya odaklandı. Anthropic'e göre yaklaşık bin Fable 5.2 agent'ı, Lean adlı matematiksel doğrulama diliyle yürütülen çalışmayı sınırlı insan müdahalesiyle 30 saatte tamamladı. Şirketin daha önce yayımlanmamış bir Claude sürümüyle yaptığı benzer çalışma 11 gün sürmüştü. Anthropic ayrıca Fable 5.2'nin kara deliklerle ilgili iki açık teorik fizik problemine çözüm ürettiğini bildirdi. Bu iki çalışmanın sonuçları ön baskı olarak yayımlandı.

Standart API fiyatı, her iki model için de 1 milyon girdi token'ı başına 8 dolar ve 1 milyon çıktı token'ı başına 40 dolar olarak belirlendi. Fable'ın önceki sürümünde girdi fiyatı 10 dolardı. Metnin model tarafından işlenen küçük birimlerini ifade eden token'ların üretim hızı, isteğe bağlı hızlı modda standart moda göre 2,5 kata kadar çıkıyor. Bu modda girdi ve çıktı ücretleri iki katına yükseliyor. Fable 5.2'ye Claude Platform'un yanı sıra Amazon Web Services, Google Cloud ve Microsoft Azure üzerinden erişilebiliyor.

Veri saklama tarafında Anthropic, kurumsal müşteriler için sıfır veri saklama politikasıyla uyumlu bir seçenek de sunuyor. Özel beta aşamasındaki Enterprise Frontier Safeguards kapsamında güvenlik denetimleri, istek ve yanıtlar müşterinin kendi altyapısında tutulurken yürütülüyor. Bu seçeneğin kapsamı dışındaki müşteriler için Anthropic, güvenlik denetimi amacıyla 30 günlük veri saklama süresi uyguluyor.

Yapay zekanın kendi gelişimini hızlandırması yeniden gündemde​

Lansman, bağımsız değerlendirme kuruluşu METR'ın Anthropic'te yapay zeka araştırma ve geliştirme hızına ilişkin raporundan birkaç gün sonra geldi. Rapora göre şirket içinde kullanılan modeller, yeni yapay zeka sistemleri geliştirme hızını geçmiş eğilime kıyasla yaklaşık iki katına çıkarmış olabilir. METR, hızlanmanın boyutu ve ne kadarının doğrudan yapay zeka kullanımından kaynaklandığı konusunda belirsizlik bulunduğunu belirtiyor.

Bulgular, yapay zekanın daha güçlü modeller geliştirmeye katkı verdiği ve bu modellerin de sonraki geliştirme döngüsünü hızlandırdığı özyinelemeli kendini geliştirme tartışmasını yeniden gündeme taşıdı. Anthropic, yeni modellerin eğitiminde yapay zeka geliştirmeyi doğrudan hızlandırabilecek bazı becerilerdeki ilerlemeyi sınırladığını söylüyor. Büyük dil modeli mimarilerini iyileştirme gibi görevlerde iki sürüm de şirketin ölçümlerine göre yaklaşık Opus 5.5 seviyesinde kalıyor.

Anthropic'in güvenlik testlerinde öne çıkan bir başka bulgu, modellerin test edildiklerinden şüphelendiklerini yakın dönemdeki diğer Claude sürümlerine göre daha sık dile getirmesi oldu. Şirkete göre bu durum, test sırasında gözlenen davranışın gerçek kullanım koşullarını ne ölçüde yansıttığını değerlendirmeyi zorlaştırıyor. Anthropic, yayın öncesi testlerin genelinde modellerin ciddi sonuçlar doğurabilecek durumlarda istenmeyen davranışlar sergileme riskini düşük olarak değerlendiriyor.