Na poli nejvýkonnějších LLM máme další novinky, a to od Anthropicu. Konkrétně jde o modely Claude Fable 5.2 i Mythos 5.2, které jsou rychlejší a levnější na provoz.
Společnost Anthropic představila své nejnovější a dosud nejvýkonnější modely Claude Fable 5.2 a Mythos 5.2, které přicházejí jen dva měsíce po verzích 5.1. Oba modely sdílí stejný základ, nicméně se liší v přístupu k bezpečnostním omezením. Zatímco Fable 5.2 má striktní filtry pro kybernetickou bezpečnost a biologii, což umožňuje jeho širokou dostupnost pro veřejnost, model Mythos 5.2 je určen pro ověřené organizace v těchto citlivých oblastech.
V oblasti programování a softwarového inženýrství Fable 5.2 vykazuje značný nárůst výkonu. V benchmarku FrontierCode 2.0 dosáhl skóre 49,1 %, což je výrazný skok oproti 32,4 % u verze 5.1. Model je schopen koordinovat tisíce agentů, což demonstroval při vývoji prototypu operačního systému od nuly během 8 dnů. Výsledkem byl funkční systém s vlastními ovladači, přihlašovací obrazovkou, přičemž skutečně nabootoval na notebooku.
Zajímavým experimentem byl také pokus YouTubera Matthew Bermana, který pomocí Fable 5.2 v režimu Ultra Code vytvořil hratelnou úroveň střílečky inspirovanou Gears of War: E-Day v Unreal Engine 5. Projekt odhadem vyžadoval přes 8,6 miliardy tokenů a odhadované náklady na API volání činily kolem 14,7 tisíc USD. Výsledek sice nebyl bezchybný, ale rozhodně ukazuje, že AI toho umí už hodně.
Pokud jde o vědecký výzkum a matematiku, nové modely zvládají vyřešit i některé otevřené problémy. Fable 5.2 např. vyřešil dva otevřené problémy z oblasti fyziky černých děr a tým AI agentů dokázal plně formalizovat důkaz Fermatovy poslední větyn. V robotice pak model dosáhl v simulaci RoboDojo skóre 64,9 %, což je více než dvojnásobek oproti GPT-6 Astra. Model dokáže navrhovat hardware, což ukázal při tvorbě tří elektronických zařízení, kde sám vybral komponenty a navrhl čtyřvrstvé plošné spoje.
V případě kyberbezpečnosti dominuje model Mythos 5.2, který je efektivnější v hledání zranitelností. V benchmarku CVE Rediscovery dosáhl výsledku 89,6 %, zatímco jeho předchůdce Mythos 5.1 zvládl 78,3 %. Z hlediska bezpečnosti Anthropic implementoval nejsilnější ochranu proti různým útokům a v testech úniků ze sandboxu vykazuje Mythos 5.2 mnohem nižší tendenci k pokusům o únik než předchozí verze.
K dispozici je také Fast Mode, který zrychluje generování tokenů až 2,5× za dvojnásobnou cenu. Standardní cena API byla snížena na 8 USD za milion vstupních tokenů a 40 USD za milion výstupních tokenů. Cachovaný vstup je za 0,2 USD.
