Én model, udgivet to gange
Anthropic udgav Claude Fable 5.2 og Claude Mythos 5.2 mandag, og meddelelsen beskriver de to som “samme underliggende model”. Det, der skiller dem, er, hvad hver af dem nægter at gøre. Fable 5.2 går ud til alle brugere med det, Anthropic kalder stærke spærrer for cybersikkerhed og biologi. Mythos 5.2 har fået nogle af de spærrer fjernet, og adgangen er begrænset til organisationer, som selskabet har lukket ind i sine verificeringsprogrammer for cyber og biovidenskab.
Anthropic siger, at parret er bedre end 5.1-generationen til kodning, ræsonnement og billedforståelse, og leverer svar op til 30% hurtigere. Selskabet oplyser også, at tidlige test viser, at Fable 5.2 blokerer omkring 55% færre forespørgsler end Fable 5.1 — cirka 60% færre inden for cybersikkerhed og 40% færre inden for biologi.
Ingen af modellerne tilbydes som standardvalg. Meddelelsen anbefaler Claude Opus 5.5 til det meste kodnings- og videnarbejde og reserverer Fable og Mythos til det, den kalder de mest ambitiøse åbne tekniske opgaver.
Tallene er Anthropics egne
Hvert tal i meddelelsen kommer fra Anthropics egne evalueringer, og detaljerne er henvist til modellens systemkort. På FrontierCode 2.0, en agentisk kodetest, placerer Anthropic Fable 5.2 på 49,1% ved højeste indsatsniveau, mod 32,4% for Fable 5.1, 45,5% for Opus 5.5, 42,8% for OpenAIs GPT-6 Astra og 41,1% for Googles Gemini 4 Carbon ved mellem indsats. På FrontierSWE v2 oplyses 69,9%, op fra 56,3%. På Remote Labor Index oplyses 41,3% mod 17,9% for Fable 5.1.
Sammenligningerne er ikke ensartede. Anthropics egen tabel har Gemini 4 Carbon foran Fable 5.2 på AutomationBench, 53,9% mod 51,4%, og tallene for Fable og Opus er ikke altid taget ved samme indsatsniveau. En fodnote fastslår, at UK AI Security Institute, Frontier Design og METR testede modellen før udgivelsen, men ikke gennemgik blogindlægget eller systemkortet og ikke nødvendigvis er enige i påstandene i dem. Anthropic gav METR ansættelseslignende adgang i oktober.
De stærkeste kapacitetstal tilhører den version, de fleste kunder ikke kan bruge. Anthropic oplyser 76,3% for Mythos 5.2 på CyScenarioBench og 89,6% på en intern evaluering af CVE-genopdagelse, hvor selskabet siger, at modellen fandt 10,2% flere sårbarheder end Opus 5.5. På en 24-timers opgave om de novo-design af proteinbindere oplyses 85,1%.
Videnskabelige påstande og en model, der har mistanke om at blive testet
Anthropic siger, at et hold på omkring 1.000 Fable 5.2-agenter formaliserede Fermats sidste sætning i Lean på 30 timer, og at Opus 5.5 nåede 26% af vejen i samme opsætning. Selskabet oplyser, at Mythos 5.2 modellerede 28 af de 34 adenoassocierede viruskapsider, den forsøgte sig med, ved at kombinere åbne foldningsmodeller med kendte symmetrier, og at Fable 5.2 konstruerede tre fungerende elektronikenheder ud fra en enkelt instruktion sammen med printkortproducenten Diode. To hævdede resultater om åbne sorthulsproblemer linkes som preprints.
På sikkerhedssiden vurderer Anthropic risikoen for fejlretning i højrisikosituationer som lav. En automatiseret adfærdsgennemgang over omkring 1.900 scenarier gav Mythos 5.2 2,67, hvor lavere er bedre, mod 2,79 for Opus 5.5, 3,10 for Sonnet 5.5 og 3,28 for Mythos 5.1. I en særskilt modstandertest brugte Mythos 5.2 planterede loginoplysninger eller filer i 3,1% af scenarierne, tæt på Opus 5.5 på 3,3% og langt under de 39% og 21%, der blev registreret for Mythos 5 og Mythos 5.1.
Meddelelsen nævner også en komplikation for den, der vil måle disse modeller: begge udtrykker mistanke om, at de bliver evalueret, oftere end Anthropics seneste udgivelser.
Pris og tilgængelighed
Fable 5.2 koster 8 dollar per million tokens ind og 40 dollar per million ud under API-identiteten claude-fable-5-2 og er tilgængelig på AWS, Google Cloud og Microsoft Azure. En hurtigtilstand, der genererer tokens op til 2,5 gange hurtigere, koster 16 og 80 dollar. Anthropic har udvidet bevaret tænkning til alle API-konti og siger, at nye beskyttelser mod destillering skærer indsamlede data ned med 90% til 99%.
Systemkortet er det næste dokument at læse, sammen med spørgsmålet om, hvorvidt de tre eksterne evaluatorer offentliggør deres egen vurdering af en model, der udgives i en version, som er bygget til at afvise mindre.
