Med velikimi jezikovnimi modeli se Gemini, ChatGPT in Claude v ospredju krepko potegujejo za naklonjenost uporabnikov. Zdaj je Anthropic prišel z delno novo različico Clauda, ki v prvih testih redno premaga tekmece – občasno z visoko prednostjo.
Anthropic je na osnovi modela Claude Mythos prišel z modelom Claude Fable in mu takoj dal številko različice 5. S tem podjetje namiguje, da stoji nad dosedanjim modelom Claude Opus 4.8, kar lepo potrjujejo tudi testi.
Anthropic je prej poudarjal, da je Mythos model, ki skriva znatne nevarnosti, in da ima zato do njega dostop le ozek krog izbranih. Podjetje je posebej poročalo tudi o tem, kdaj ga je omogočilo Evropski uniji. Kljub temu zdaj lahko poročamo, da je prispel Mythos 5 in njegov potrošniški par, Claude Fable 5. Čemu gre pripisati ta preobrat? No, razvijalci so ustvarili varnostne mehanizme, s katerimi je mogoče omejiti morebitne zlorabe.
Podjetje je pri modelu Claude Fable 5 posebej izpostavilo, da ne gre za zadržan, torej skromnejši model. Fable 5 zmore povsem enako kot Mythos 5, le da je dobil „nagobčnik“. Brez njega bi njegova zloraba pomenila zelo resno tveganje za kibernetsko varnost in bi lahko povzročila ogromno škode. Ne vemo, kako pametno je, da Anthropic to tako poudarja, upamo le, da bodo vsi varnostni mehanizmi delovali popolno, saj ne dvomimo, da jih bodo mnogi preizkušali.
„V skoraj vseh testih umetne inteligence se Claude Fable 5 izkaže za najnaprednejšega in nudi izjemno zmogljivost pri razvoju programske opreme, delu, ki temelji na znanju, obdelavi slik, znanstvenih raziskavah in številnih drugih področjih,“ je poudarilo podjetje. „Daljša in kompleksnejša ko je naloga, večja je prednost modela Fable 5 pred našimi drugimi modeli.“
Anthropic je Fable 5 podvrgel številnim testom in mu ni našel nobenega premagovalca v primerjavi z GPT-5.5 in Claude 3.1 Pro – čeprav bi bila pri Googlu aktualnejša uporaba modela Gemini 3.5 Flash. Test Humanity’s Last Exam, ki se pojavi skoraj vsakič, je novi model opravil s 59-odstotnim rezultatom, medtem ko tekmeci brez pomoči orodij niso mogli preseči 50 %. V testu OSWorld, kjer je pokazal sposobnosti uporabe računalnika, je dosegel 88-odstotni uspeh proti 83,4 %, ki jih je dosegel GPT-5.5, in 78,7 %, ki so zapisani ob imenu Gemini 3.1 Pro.
Claude Fable 5 je prvi veliki jezikovni model, ki lahko v okviru SWE-Bench Pro doseže rezultat nad 80 odstotkov, prej referenčni Opus 4.8 je ostal za las pod 70 %. Največji izzivalci se medtem potegujejo med 50 in 60 %.
Fable 5 pri testu FrontierCode že v najbolj zadržanem načinu dela s skoraj tako natančnostjo kot do skrajnosti dodelan Claude Opus 4.8. Če lahko novi model deluje z največjo zmogljivostjo, je lahko natančnost celo dvakrat boljša. Seveda ima to svojo ceno, saj je delo z njim v tem primeru približno dvakrat dražje.
Podjetje obdrži tudi model Mythos 5, ki je novejša, za dokončano ocenjena različica prejšnjega Mythos Preview. Anthropic ga bo še naprej zagotavljal za naloge kibernetske varnosti v okviru pobude Project Glasswing za izbrane stranke. Tega modela ne zavirajo varnostni postopki.
Anthropic je v zadnjem obdobju uspešno izboljšal tudi učinkovitost modela Mythos, s tem pa je dosegel, da je delo z njim cenejše. Mythos in Fable bosta delovala z enakim cenikom: obdelava 1 milijona tokenov bo stala 10 dolarjev, za enako količino ustvarjene vsebine pa 50 dolarjev. Mythos Preview je bil še dvakrat dražji.
