Én modell, sluppet to ganger
Anthropic slapp Claude Fable 5.2 og Claude Mythos 5.2 mandag, og kunngjøringen beskriver de to som “samme underliggende modell”. Det som skiller dem er hva hver av dem nekter å gjøre. Fable 5.2 går ut til alle brukere med det Anthropic kaller sterke sperrer for cybersikkerhet og biologi. Mythos 5.2 har fått noen av disse sperrene fjernet, og tilgangen er begrenset til organisasjoner selskapet har sluppet inn i verifiseringsprogrammene sine for cyber og livsvitenskap.
Anthropic sier at paret er bedre enn 5.1-generasjonen på koding, resonnering og bildeforståelse, og leverer svar opptil 30% raskere. Selskapet oppgir også at tidlige tester viser at Fable 5.2 blokkerer rundt 55% færre forespørsler enn Fable 5.1 — omkring 60% færre innen cybersikkerhet og 40% færre innen biologi.
Ingen av modellene tilbys som standardvalg. Kunngjøringen anbefaler Claude Opus 5.5 til det meste av kodings- og kunnskapsarbeidet, og setter av Fable og Mythos til det den kaller de mest ambisiøse åpne tekniske oppgavene.
Tallene er Anthropics egne
Hvert tall i kunngjøringen kommer fra Anthropics egne evalueringer, og detaljene er henvist til modellens systemkort. På FrontierCode 2.0, en agentisk kodetest, plasserer Anthropic Fable 5.2 på 49,1% ved høyeste innsatsnivå, mot 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 middels innsats. På FrontierSWE v2 oppgis 69,9%, opp fra 56,3%. På Remote Labor Index oppgis 41,3%, mot 17,9% for Fable 5.1.
Sammenligningene er ikke ensartede. Anthropics egen tabell har Gemini 4 Carbon foran Fable 5.2 på AutomationBench, 53,9% mot 51,4%, og tallene for Fable og Opus er ikke alltid tatt ved samme innsatsnivå. En fotnote slår fast at UK AI Security Institute, Frontier Design og METR testet modellen før utgivelsen, men ikke gjennomgikk blogginnlegget eller systemkortet og ikke nødvendigvis er enige i påstandene i dem. Anthropic ga METR ansattliknende tilgang i oktober.
De sterkeste kapasitetstallene tilhører versjonen de fleste kunder ikke kan bruke. Anthropic oppgir 76,3% for Mythos 5.2 på CyScenarioBench og 89,6% på en intern evaluering av CVE-gjenoppdagelse, der selskapet sier at modellen fant 10,2% flere sårbarheter enn Opus 5.5. På en 24-timers oppgave om de novo-design av proteinbindere oppgis 85,1%.
Vitenskapelige påstander, og en modell som mistenker at den testes
Anthropic sier at et lag på rundt 1 000 Fable 5.2-agenter formaliserte Fermats siste sats i Lean på 30 timer, og at Opus 5.5 kom 26% av veien i samme oppsett. Selskapet oppgir at Mythos 5.2 modellerte 28 av de 34 adenoassosierte viruskapsidene den forsøkte, ved å kombinere åpne foldemodeller med kjente symmetrier, og at Fable 5.2 konstruerte tre fungerende elektronikkenheter fra én enkelt instruksjon sammen med kretskortprodusenten Diode. To påståtte resultater om åpne svarthullproblemer lenkes som preprints.
På sikkerhetssiden vurderer Anthropic risikoen for feilretting i høyrisikosituasjoner som lav. En automatisert atferdsgjennomgang over omkring 1 900 scenarier ga Mythos 5.2 2,67, der lavere er bedre, mot 2,79 for Opus 5.5, 3,10 for Sonnet 5.5 og 3,28 for Mythos 5.1. I en egen motstandertest brukte Mythos 5.2 planterte påloggingsdetaljer eller filer i 3,1% av scenariene, nær Opus 5.5 på 3,3% og langt under de 39% og 21% som ble registrert for Mythos 5 og Mythos 5.1.
Kunngjøringen nevner også en komplikasjon for den som vil måle disse modellene: begge uttrykker mistanke om at de blir evaluert, oftere enn Anthropics nylige utgivelser.
Pris og tilgjengelighet
Fable 5.2 koster 8 dollar per million tokens inn og 40 dollar per million ut, under API-identiteten claude-fable-5-2, og er tilgjengelig på AWS, Google Cloud og Microsoft Azure. En hurtigmodus som genererer tokens opptil 2,5 ganger raskere koster 16 og 80 dollar. Anthropic har utvidet bevart tenkning til alle API-kontoer og sier at nye beskyttelser mot destillering kutter innhentede data med 90% til 99%.
Systemkortet er neste dokument å lese, sammen med spørsmålet om de tre eksterne evaluatorene publiserer sin egen vurdering av en modell som slippes i en versjon bygget for å nekte mindre.
