En enda modell, släppt två gånger
Anthropic släppte Claude Fable 5.2 och Claude Mythos 5.2 på måndagen, och tillkännagivandet beskriver de två som “samma underliggande modell”. Det som skiljer dem är vad var och en vägrar göra. Fable 5.2 går ut till alla användare med vad Anthropic kallar starka spärrar för cybersäkerhet och biologi. Mythos 5.2 har fått några av de spärrarna borttagna, och åtkomsten är begränsad till organisationer som bolaget har släppt in i sina verifieringsprogram för cyber och livsvetenskap.
Anthropic säger att paret är bättre än 5.1-generationen på kodning, resonerande och bildförståelse, och levererar svar upp till 30% snabbare. Bolaget uppger också att tidiga tester visar att Fable 5.2 blockerar runt 55% färre förfrågningar än Fable 5.1 — omkring 60% färre inom cybersäkerhet och 40% färre inom biologi.
Ingen av modellerna erbjuds som standardval. Tillkännagivandet rekommenderar Claude Opus 5.5 för det mesta av kodnings- och kunskapsarbetet, och reserverar Fable och Mythos för vad det kallar de mest ambitiösa öppna tekniska uppgifterna.
Siffrorna är Anthropics egna
Varje siffra i tillkännagivandet kommer från Anthropics egna utvärderingar, och detaljerna hänvisas till modellens systemkort. På FrontierCode 2.0, ett agentiskt kodningstest, placerar Anthropic Fable 5.2 på 49,1% vid högsta ansträngningsnivå, mot 32,4% för Fable 5.1, 45,5% för Opus 5.5, 42,8% för OpenAI:s GPT-6 Astra och 41,1% för Googles Gemini 4 Carbon vid medelansträngning. På FrontierSWE v2 anges 69,9%, upp från 56,3%. På Remote Labor Index anges 41,3%, mot 17,9% för Fable 5.1.
Jämförelserna är inte enhetliga. Anthropics egen tabell har Gemini 4 Carbon före Fable 5.2 på AutomationBench, 53,9% mot 51,4%, och siffrorna för Fable och Opus tas inte alltid vid samma ansträngningsnivå. En fotnot noterar att UK AI Security Institute, Frontier Design och METR testade modellen före släppet, men inte granskade blogginlägget eller systemkortet och inte nödvändigtvis håller med om deras påståenden. Anthropic gav METR anställningsliknande åtkomst i oktober.
De starkaste kapacitetssiffrorna tillhör den version de flesta kunder inte kan använda. Anthropic anger 76,3% för Mythos 5.2 på CyScenarioBench och 89,6% på en intern utvärdering av CVE-återupptäckt, där bolaget säger att modellen hittade 10,2% fler sårbarheter än Opus 5.5. På en 24-timmarsuppgift om de novo-design av proteinbindare anges 85,1%.
Vetenskapliga påståenden, och en modell som misstänker att den testas
Anthropic säger att ett lag på omkring 1 000 Fable 5.2-agenter formaliserade Fermats stora sats i Lean på 30 timmar, och att Opus 5.5 nådde 26% av vägen i samma uppställning. Bolaget uppger att Mythos 5.2 modellerade 28 av de 34 adenoassocierade viruskapsider den försökte sig på, genom att kombinera öppna veckningsmodeller med kända symmetrier, och att Fable 5.2 konstruerade tre fungerande elektronikenheter från en enda instruktion tillsammans med kretskorttillverkaren Diode. Två hävdade resultat om öppna svarthålsproblem länkas som preprints.
I säkerhetsfrågan bedömer Anthropic risken för felriktning i högriskläge som låg. En automatiserad beteendegranskning över omkring 1 900 scenarier gav Mythos 5.2 2,67, där lägre är bättre, mot 2,79 för Opus 5.5, 3,10 för Sonnet 5.5 och 3,28 för Mythos 5.1. I ett särskilt motståndartest använde Mythos 5.2 planterade inloggningsuppgifter eller filer i 3,1% av scenarierna, nära Opus 5.5 på 3,3% och långt under de 39% och 21% som registrerades för Mythos 5 och Mythos 5.1.
Tillkännagivandet noterar också en komplikation för den som vill mäta dessa modeller: båda uttrycker misstanke om att de utvärderas oftare än Anthropics senaste släpp.
Pris och tillgänglighet
Fable 5.2 kostar 8 dollar per miljon inmatade tokens och 40 dollar per miljon utmatade, under API-identiteten claude-fable-5-2, och finns på AWS, Google Cloud och Microsoft Azure. Ett snabbläge som genererar tokens upp till 2,5 gånger snabbare kostar 16 och 80 dollar. Anthropic har utsträckt bevarat tänkande till alla API-konton och säger att nya skydd mot destillering minskar insamlade data med 90% till 99%.
Systemkortet är nästa dokument att läsa, tillsammans med frågan om de tre externa utvärderarna publicerar sin egen bild av en modell som släpps i en version byggd för att neka mindre.
