Anthropic مدل‌های پرچمدار تازه خود، Claude Fable 5.2 و Claude Mythos 5.2 را منتشر کرد؛ دو مدلی که برای دشوارترین کارهای فنی ساخته شدهاند و به گفته شرکت، برتری عملکردی این شرکت را اندکی پیش از عرضه عمومی سهام تثبیت میکنند. Anthropic میگوید آگاهانه جلوی قابلیتهایی را گرفته که در جریان آموزش میتوانستند مستقیماً توسعه هوش مصنوعی را سرعت بدهند.
هر دو مدل بنیان مشترکی دارند، اما مثل نسخه‌های قبلی در دسترسی متفاوت‌اند. Fable محافظ‌هایی دارد که وظایف پرخطر در امنیت سایبری و زیست‌شناسی را مسدود می‌کند و در اختیار همه کاربران است. Mythos بخشی از این محدودیت‌ها را برمی‌دارد و فقط در اختیار سازمان‌هایی است که از طریق برنامه‌های تأیید هویت Anthropic برای امنیت سایبری یا علوم زیستی درخواست داده‌اند.
قیمت پایه هر میلیون توکن ورودی ۸ دلار و هر میلیون توکن خروجی ۴۰ دلار است. روی کاغذ، این کاهشی نسبت به نسخه‌های قبلی با ۱۰ و ۵۰ دلار است، اما آنچه کاربر واقعاً می‌پردازد به مصرف توکن بستگی دارد که با وظیفه، تنظیمات و محیط نرم‌افزاری تغییر می‌کند. Anthropic این مدل‌ها را برای سنگین‌ترین کارهای فنی معرفی می‌کند و همچنان Claude Opus 5.5 را برای استفاده روزمره توصیه می‌کند.
به گفته Anthropic، خروجی این مدل‌ها تا ۳۰ درصد سریع‌تر از Fable 5.1 و Mythos 5.1 تولید می‌شود. یک حالت سریع اختیاری برای برخی سازمان‌ها، تولید توکن را تا ۲.۵ برابر تسریع می‌کند، اما دو برابر گران‌تر است و فقط روی برخی پلتفرم‌ها از جمله Claude Code، پلتفرم Claude، Google Cloud و Microsoft Foundry در دسترس است.
**جهش فابل ۵.۲ در بنچمارک‌ها**
بنچمارک‌های Artificial Analysis، Fable 5.2 را به‌طور واضح جلوتر از رقبا قرار می‌دهد. در شاخص فعلی نسخه ۵ و در بالاترین سطح توان محاسباتی، این مدل با ۶۵ امتیاز اول است؛ پنج امتیاز جلوتر از Gemini 4 Carbon با ۶۰ امتیاز که گوگل هنوز آن را منتشر نکرده، شش امتیاز جلوتر از Claude Opus 5.5 با ۵۹ امتیاز و ۱۵ امتیاز جلوتر از Claude Fable 5.1 که فقط در اوایل سپتامبر عرضه شده بود.
به گفته Artificial Analysis، Fable 5.2 در پنج آزمون از نه آزمون جداگانه بهترین امتیاز را دارد. در HLE-Diamond که پرسش‌های دانشگاهی در سطح متخصص دارد، به ۸۰ درصد می‌رسد؛ در Terminal-Bench-Science که می‌سنجد آیا یک عامل هوش مصنوعی می‌تواند جریان‌های علمی را مستقل در ترمینال اجرا کند، ۷۳ درصد؛ و در FrontierCode 2.0 که ارزیابی می‌کند آیا عامل می‌تواند تغییرات کد مفید در پروژه‌های واقعی متن‌باز تحویل بدهد، ۴۹ درصد.
Fable 5.2 در کار دانشی عاملی و کدنویسی مبتنی بر ترمینال ضعیف‌تر است. در AA-Briefcase که بنچمارکی برای وظایف چندمرحله‌ای دانشی است، به ۱۷۸۵ الو می‌رسد؛ کمی پایین‌تر از Claude Sonnet 5.5 با ۱۸۱۳ و در بازه اطمینان Opus 5.5 با ۱۸۰۰. در Terminal-Bench 4.0 که وظایف چندمرحله‌ای ترمینال در حوزه‌هایی مثل توسعه نرم‌افزار و امنیت را می‌سنجد، ۶۰ درصد می‌گیرد و با Opus 5.5 مساوی است؛ در حالی که Kimi K3.1 Pro با ۶۷ درصد، Gemini 4 Carbon با ۶۵ درصد و Sonnet 5.5 با ۶۴ درصد بالاتر ایستاده‌اند.
کیفیت اوج اما قیمت دارد. هزینه هر وظیفه در بالاترین سطح به‌طور میانگین ۲۶.۵۰ دلار است؛ حدود ۲.۶ برابر Opus 5.5 با ۱۰ دلار و تقریباً دو برابر Fable 5.1 با ۱۲.۹۹ دلار. با این حال Fable 5.2 در سطوح پایین‌تر High و Xhigh هم ۶۲ امتیاز در شاخص هوش می‌گیرد که به گفته Artificial Analysis از هر مدل دیگری در هر سطحی بالاتر است، در حالی که توکن بسیار کمتری مصرف می‌کند: ۹۸ هزار توکن خروجی برای هر وظیفه در مقابل ۱۷۳ هزار توکن Opus 5.5 در سطح Max.
**Mythos 5.2 آسیبپذیریهای امنیتی بیشتری پیدا می‌کند**
این مدل‌ها در امنیت سایبری هم رکورد زده‌اند؛ حوزه‌ای که این روزها بحث شدیدی درباره‌اش جریان دارد. به گفته Anthropic، Mythos 5.2 بیش از مدل‌های قبلی آسیب‌پذیری پیدا می‌کند و در بازتولید و رفع آن‌ها بهتر است. نسخه عمومی Fable در نتیجه بیشتر وظایف امنیتی از جمله تست نفوذ و تولید کد اکسپلویت را مسدود می‌کند. Opus 4.8 به درخواست‌های مسدودشده امنیت سایبری پاسخ می‌دهد و Opus 5 به درخواست‌های مسدودشده زیست‌شناسی.
Anthropic از یک آزمون داخلی به نام CVE Rediscovery استفاده می‌کند تا بسنجد مدل چند مورد از آسیبپذیریهای منتشرشده در پایگاه CVE را می‌تواند مستقلاً پیدا کند، وقتی وضعیت پروژه پیش از رفع به آن داده می‌شود. به گفته شرکت، Mythos 5.2 در اجرای اکتبر ۲۰۲۶ با ۱۸۲۹ مورد CVE، ۱۰.۲ درصد بیشتر از Opus 5.5 و ۱۴.۴ درصد بیشتر از Mythos 5.1 آسیب‌پذیری پیدا کرد و در هر سطح توان محاسباتی اول بود. یک شرکت امنیتی گزارش داد از هر شش باگ تأییدشده‌ای که Mythos 5.2 پیدا کرد، یکی را همه مدل‌های مرزی دیگر آزمایش‌شده از دست داده بودند.
**Anthropic قابلیتهایی را که می‌توانند توسعه هوش مصنوعی را سرعت بدهند مهار می‌کند**
Anthropic میگوید آگاهانه مدل را در جریان آموزش از پیشرفت در قابلیتهایی که می‌توانند مستقیماً توسعه هوش مصنوعی را سرعت بدهند، یعنی همان «خودبهسازی تحقیقاتی» که این روزها به‌عنوان یک خطر جدی درباره‌اش بحث می‌شود، بازداشته است. به گفته شرکت، Fable 5.2 و Mythos 5.2 در حوزه‌هایی مثل بهینه‌سازی هسته‌های محاسباتی برای تراشه‌های شتاب‌دهنده و بهبود معماری مدل‌های زبانی بزرگ تقریباً هم‌سطح Opus 5.5 عمل میکنند. قابلیت‌های مرتبط مثل کدنویسی عاملی، توسعه سخت‌افزار و پژوهش سنتی هوش مصنوعی از جمله پژوهش تفسیرپذیری تحت تأثیر قرار نگرفته‌اند.
به گفته Anthropic، کلود اکنون بیش از ۹۰ درصد تغییراتی را که در پایگاه کد اصلی شرکت ادغام می‌شود، تحت هدایت انسان می‌نویسد. شرکت همچنین ادعا می‌کند مدل در یک آزمون داخلی یک سیستم‌عامل را از صفر برنامه‌نویسی کرده است.
**فابل ۵.۲ قضیه آخر فرما را در ۳۰ ساعت صوری‌سازی می‌کند**
نمونه‌ای که احتمالاً بیشترین توجه را جلب می‌کند، باز هم از ریاضیات می‌آید. به گفته Anthropic، حدود هزار عامل Fable 5.2 اثبات قضیه آخر فرما را به‌طور کامل صوری‌سازی کردند و آن را به زبان برنامه‌نویسی Lean ترجمه کردند تا رایانه بتواند گام‌به‌گام آن را بررسی کند. قضیه آخر فرما میگوید معادله آشنا a² + b² = c² برای توان‌های بالاتر از مربع هیچ جواب صحیحی ندارد. هیچ‌کس قرن‌ها نتوانست این را اثبات کند تا اندرو وایلز در سال ۱۹۹۵ اثباتی بیش از صد صفحه ارائه داد. حالا بررسی ماشینی آن برای نخستین بار کامل شده است و ۳۰ ساعت طول کشیده.
نسخه پژوهشی قبلی و منتشرنشده کلود برای همین کار ۱۱ روز وقت لازم داشت و به محیطی اختصاصی و راهنمایی یک پژوهشگر انسانی تکیه می‌کرد. به گفته Anthropic، عامل‌های Fable 5.2 با دستورهای کوتاه شروع کردند، همکاری خود را خودشان سازمان دادند و از هیچ مرجع ریاضی استفاده نکردند. تنها معیار پیشرفت، فهرستی از لم‌های میانی بود. مدل یک‌سوم توکن‌های اقدام تلاش اول را مصرف کرد و اثباتی هفت برابر کوتاه‌تر تولید کرد. Anthropic برای مقایسه Opus 5.5 را با همان تنظیم و هزار عامل اجرا کرد؛ Opus در ۱۸ ساعت فقط ۲۶ درصد صوری‌سازی را انجام داد و تا ساعت ۳۰ تقریباً پیشرفتی نکرد.