Claude Fable 5.2 за два дня завершила формализацию теоремы Ферма, Anthropic одновременно выпустила две флагманские модели

Автор: Редакция Machine Heart

Наконец, в гонке за публикацию новых флагманских моделей Anthropic сделала первый ход.

Ещё только что на рассвете сегодня Anthropic представила сразу две топовые модели — Fable 5.2 и Mythos 5.2.

Официально заявлено: «Обе модели предназначены для решения сложных технических задач, способны участвовать в масштабных междисциплинарных проектах и демонстрируют существенный прогресс в программировании, рассуждении и компьютерном зрении».

Кроме того, Anthropic начала предлагать пользователям те самые бонусы «перезагрузки контекста» (Reset), ставшие привычными в экосистеме OpenAI.

Создатель Claude Code также объявил: «Мы хотим предоставить больше преимуществ тем пользователям, которые поддерживают нас дольше всех. Поэтому в Fable 5.2, чем длительнее срок подписки, тем больше перезарядок контекста (Fable resets) получает пользователь».

Согласно описанию, во время предпусковых испытаний Claude Fable 5.2 и Claude Mythos 5.2 помогли инженерам Anthropic завершить сложные проекты по миграции программного обеспечения, спроектировать с нуля три полностью работоспособных электронных устройства, решить две нерешённые задачи в области физики чёрных дыр, добиться значительного прогресса в тестах робототехники, а также выполнить формальное доказательство Большой теоремы Ферма всего за 30 часов. Помимо этого, у моделей множество других вариантов применения.

Базовая архитектура моделей Claude Fable и Claude Mythos одинакова. Версия Fable оснащена строгими механизмами защиты от киберугроз и биологических рисков, что эффективно предотвращает возможные злоупотребления и позволяет открыть её для всех пользователей. Организации, планирующие использовать модель в таких перспективных направлениях, как кибербезопасность или биомедицинские исследования, могут получить доступ к версии Mythos через недавно расширенные программы Anthropic в сфере жизненных наук и верификации по безопасности.

Скорость генерации обеих моделей увеличилась максимум на 30% по сравнению с версиями 5.1, а стоимость снизилась: $8 за миллион входных токенов и $40 за миллион выходных.

Для версий Fable 5.2 и Mythos 5.2 доступна опциональная быстрая модальность (Fast Mode), способная ускорить генерацию токенов до 2,5 раз. Стоимость быстрой модальности составляет $16 за миллион входных и $80 за миллион выходных токенов.

Результаты тестирования Claude Fable 5.2 и Mythos 5.2

Данные приведённых ниже бенчмарков показывают, что в практически всех оценённых Anthropic компетенциях Claude Fable 5.2 и Mythos 5.2 превосходят Opus 5.5.

При сравнительном анализе Fable 5.2 лидирует по ряду комплексных задач. В программировании она набрала 49,1% на FrontierCode 2.0 и 69,9% на FrontierSWE v2, превзойдя показатели GPT-6 Astra (42,8% и 65,5%) и опередив Opus 5.5. В симуляторе управления роботами RoboDojo Sim результат составил 64,9%, что на 37,3 процентных пункта выше, чем у предшественника Fable 5.1 (27,6%), и существенно превышает результаты Opus 5.5 (39,4%) и GPT-6 Astra (29,8%).

Кроме того, на тесте OSWorld 2.1 для работы с ПК она достигла 89,3%, а в мультидисциплинарном экзамене Humanity's Last Exam (с инструментами) — 74,2%, заняв первое место среди указанных моделей. Однако в тесте деловых приложений AA-Briefcase чуть опережает Opus 5.5 с результатом 1800 баллов против 1785 у Fable 5.2. Некоторые высокие баллы в категориях научных исследований и кибербезопасности принадлежат выпущенной в тот же период версии Mythos 5.2.

Сила рассуждений и эффективность

При настройке силы рассуждений на уровень Medium (что является стандартом для приложений Claude и Claude Code) модели Fable 5.2 требуется меньше токенов для выполнения сложных задач по сравнению с Fable 5.1.

На ранних этапах тестирования FrontierCode 2.0 при силе рассуждений High результаты Fable 5.2 примерно совпали с результатами Opus 5.5 при максимальной настройке Max, при этом стоимость отдельного задания составила лишь около половины от предыдущей версии. При настройке Xhigh результат Fable 5.2 превзошёл все остальные выпущенные модели, участвовавшие в тестах.

Программирование

На текущий момент более 90% изменений в базовом репозитории кода Anthropic, прошедших слияние, были реализованы Claude при руководстве человека.

Используя Fable 5.2, компания уже смогла за несколько минут устранить давние ошибки, оптимизировать производительность различных сервисов, а также реализовать важные программные проекты, ранее оказавшиеся недоступными из‑за чрезмерных затрат времени или средств.

Ранее команда автономных агентов на базе ранней сборки Fable 5.2 успешно перевела ключевую производственную службу с Python на Rust. После переноса выросли эффективность и стабильность работы сервиса, а скорость запуска увеличилась примерно в 26 раз.

Тестирование также показало высокие способности модели к инженерному выбору решений. Даже при неполной постановке задач Fable 5.2 способна выдавать высококачественный результат.

В ходе одного из экспериментов инженер Anthropic поручил Fable 5.2 разработать протип операционной системы с нуля. Начав с пустой папки, модель организовала работу более 1000 субагентов, которые без перерыва в течение восьми дней писали, тестировали и проверяли код. В итоге был успешно создан ОС, способная загружаться и работать на ноутбуке.

Система включает собственное ядро, отвечающее за управление всем оборудованием; драйверы для накопителей, клавиатуры и сети; функции постоянного хранения файлов, оконную оболочку, экран входа и установщик, а также встроенные возможности Claude.

Ранние пользователи также высоко оценили способность Fable 5.2 применять навыки программирования к самым различным задачам.

Кибербезопасность

Claude Mythos 5.2 обладает на данный момент наиболее развитыми возможностями в сфере инженерной кибербезопасности у Anthropic. По сравнению с прошлыми моделями она выявляет больше уязвимостей и эффективнее их воспроизводит и устраняет. Стоит отметить, что система безопасности Claude Fable 5.2 блокирует большинство задач, связанных с безопасностью.

Представители одной компании по кибербезопасности подтвердили, что шестая часть обнаруженных и верифицированных моделью Mythos 5.2 уязвимостей осталась незамеченной всеми другими передовыми тестами.

Во внутренних испытаниях Anthropic под названием CVE Rediscovery Claude Mythos 5.2 выявила на 10,2 % больше уязвимостей, чем Opus 5.5, и на 14,4 % больше, чем Mythos 5.1.

Модель также заметно улучшилась в точности оценок и калибровке уверенности. Один из тестеров отметил, что предыдущие модели склонны завышать серьёзность примерно каждой двадцатой находки, тогда как Mythos 5.2 такого дефекта лишена.

Пользователи могут получить доступ к инструментам кибербезопасности Mythos 5.2 через программу верификации безопасности. Anthropic продолжает расширять и совершенствовать данную инициативу.

Клиенты платформы Claude Enterprise смогут пользоваться сервисом Claude Security даже без участия в программе верификации. Сервис сканирует репозитории с использованием самых мощных моделей Anthropic для поиска потенциальных уязвимостей, и теперь базируется на Claude Mythos 5.2.

Недавнее обновление дополнительно усилило возможности Claude Security. Теперь он может непрерывно отслеживать репозитории и обновления кода, гарантируя устранение найденных недостатков; анализирует задачу в большем контексте и подключается к другим используемым пользователем приложениям через API и протокол MCP.

Наука и инженерия

Многие важные работы в науке, инженерии и математике всё больше опираются на навыки программирования. Анализ данных, построение молекулярных моделей, проектирование деталей и управление лабораторным оборудованием теперь реализуется полностью программно.

Ниже Anthropic рассказывает, как Claude Fable 5.2 и Claude Mythos 5.2 помогают исследователям преодолевать специфические барьеры в этих областях и продвигать научные проекты.

Теоретическая физика

Claude Fable 5.2 решила две неразработанные ранее проблемы в теоретической физике, связанные с чёрными дырами и попытками объединить два основных столпа современной науки: общую теорию относительности и квантовую механику.

Оба достижения базируются на теории голографической дуальности. Её основной постулат гласит: определённые вселенные с гравитацией можно точно описать с помощью квантовой теории, полностью свободной от неё.

Первая задача имеет корни в 1983 году, когда учёные доказали: по мере нагрева подобной среды чёрные дыры формируются скачкообразно, подобно тому как жидкость внезапно закипает при достижении критической температуры.

Адрес:https://hexagonmath.org/2611.00175v1

Однако изначально применявшиеся методы работали лишь при слишком больших масштабах, где корректна классическая гравитация. В 2003 году группа ученых поставила вычислительную цель — выяснить, сохраняется ли аналогичный переход в крайне малых вселенных, описываемых исключительно квантовыми законами. Тем не менее расчёт оказался настолько трудоёмким и долгим, что никто так и не смог его завершить.

Fable 5.2 фактически самостоятельно выполнила этот расчёт и установила, что фазовый переход происходит столь же резко даже в чрезвычайно малых пространствах.

Вторая задача касается методики, которую физики активно используют уже более пятнадцати лет для фильтрации возможных теорий квантовой гравитации в упрощённых моделях. Fable 5.2 определила точные границы применимости данного подхода.

Адрес:https://hexagonmath.org/2611.00174v1

Фолдинг белков

Аденоассоциированный вирус (AAV) представляет собой микроскопический патоген, безопасный для человека. Его белковая оболочка, или капсид, может использоваться как средство доставки генной терапии. Структура белка капсида имеет решающее значение: например, от неё зависит, распознает ли иммунная система пациента инструмент и заблокирует ли его доставку. При этом архитектура капсида отличается высокой сложностью.

Существующие алгоритмы вроде AlphaFold умеют предсказывать форму отдельных молекул, однако капсид состоит из десятков субъединиц, из‑за чего его глобальная структура куда сложнее.

Опираясь на две открытые базы алгоритмов предсказания укладки, Claude Mythos 5.2 предложила новый метод, позволяющий точно восстановить полную трёхмерную форму капсида. Технически это реализовано путём написания скриптов, разбивающих цепочки со стыками на отдельные участки, после чего полученные данные собираются обратно с учётом известной геометрической симметрии вируса.

Данный подход продемонстрировал высокую эффективность при работе как с природными, так и с искусственно сконструированными капсидами. В наших тестах Claude точно смоделировала 28 из 34 предложенных образцов.

Математика

Формализация математики подразумевает перевод логических выводов в машиночитаемый синтаксис для последовательной верификации. Этот процесс позволяет учёным удостовериться в достоверности результатов, избавляя от необходимости рутинной ручной проверки. Особую ценность эта технология приобретает, когда ИИ выдает выводы, недоступные для прямого человеческого контроля.

Однако процедура обычно требует колоссальных временных затрат. Доверив рутину искусственному интеллекту, специалисты освобождают ресурсы для разработки принципиально новых концепций.

Ранее исследовательская сборка Claude, не попавшая в открытый доступ, потратила на формализацию Большой теоремы Ферма 11 суток. Процесс опирался на специализированную исполнительную среду (Harness) и требовал постоянной координации со стороны людей.

Для сравнения: консорциум из 1000 агентов на базе Fable 5.2 справился за 30 часов практически без какого‑либо вмешательства экспертов.

Иницировав процесс минимальным стартовым запросом, Fable 5.2 самостоятельно наладила взаимодействия между участниками. На протяжении всего процесса модель не обращалась ни к какой дополнительной литературе, ориентируясь исключительно на список промежуточных шагов.

По сравнению с первой попыткой объём затраченных действий сократился втрое, а итоговый текст доказательства стал короче в семь раз.

Графики ниже иллюстрируют работу конкурирующих систем: конфигурация с тысячей агентов позволила Opus 5.5 закрыть лишь четверть плана за восемнадцать часов. Дальнейшее продление сессии до тридцати часов не привнесло заметных изменений.

Железо и робототехника

Реализация многих перспектив ИИ, включая ускорение лабораторной работы, напрямую связана с способностью алгоритмов действовать в материальном мире. Продолжая расти на пути практической интеграции в физику, Claude Fable 5.2 зарекомендовала себя в проектировании оборудования и достигла серьёзного прогресса в управлении аппаратными роботами.

Чтобы проверить инженерный потенциал, специалисты дали модели короткое техническое задание на разработку и создание трёх рабочих приборов. Каждому требовалось самостоятельное печатное плато, корпус из 3D‑принтера и соответствующий софт. Результатом стали домашний голосовой хаб, колонка с USB‑подключением и портативное устройство виртуального питомца.

Аппаратура получила готовые техтребования; детали закупались через американских дистрибьюторов. Печатные платы состояли из четырёх слоёв, корпуса создавались в системе автоматизированного проектирования, ПО генерировалось автоматически. Почти без контроля человека макеты готовы к производству успевали менее чем за сутки.

После того как компания Diode изготовила элементы, нейросеть продолжила руководить финальной диагностикой и сборкой. Все три изделия функционируют исправно, изменения в схему вносить не пришлось.

Робототехника

По отношению к прошлому поколению Fable 5.2 сильно окрепла в навыках управления реальными аппаратами. Она стабильно справляется с задачами, к которым ранее специально не тренировали систему.

Видеоролик ниже демонстрирует выполнение нескольких команд: решение кубика Рубика, откручивание крышки пробки и рисование портрета робота.

На открытых соревнованиях RoboDojo участники управляли виртуальным манипулятором, считывая информацию с веб‑камеры. Fable 5.2 превзошла как другие топовые решения, запущенные в той же среде, так и ряд профильных платформ, заточенных именно под подобные манипуляции.

Иллюстрация: результаты RoboDojo

Исследования и аналитика

Первые испытатели отметили повышенную толерантность к шуму в данных и возможность держать фокус на масштабных массивах информации. Когда сталкивается с трудноразрешимыми вопросами, она сохраняет логику рассуждений, выделяясь в абстрактных задачах и разработке архитектур решений.

Хедж‑фонд Jump Trading провела серию симуляций своих количественных стратегий. Во время проверки сеть интегрировали в платформу, напоминающую внутренние инструменты аналитического центра.

Однажды алгоритм практически автономно взял на себя весь спектр обязанностей: от написания кода до распределения ролей, планирования и отправки результатов. Ранее применение сторонних сетей требовало огромных усилий по ручному согласованию функций для компенсации слабостей конкурентов.

Безопасность и соответствие ценностям (alignment)

Ни один изолированный эксперимент не способен полностью спрогнозировать поведение сверхмощной системы в продакшене. Именно поэтому перед релизом мы применяем комбинированный подход и аккумулируем разносторонние данные.

Подготовка базового веса обоих релизов включала: тренировки и валидации по соответствию ценностям, создание новой линейки метрик для предотвращения бесполезных действий, усиление защит от злоупотреблений, а также расширение зон мониторинга реакций.

Незадолго до официального выхода независимые институты — U.K. AI Safety Institute, Frontier Design и METR — провели собственные аудиты.

Тестирование соответствия ценностям

Комплекс мероприятий направлен на оценку поведенческого уровня alignement: насколько часто возникают непредвиденные реакции и какие ситуации могут создать угрозы.

Обобщая итоги, вероятность появления опасных сценариев в критических условиях остаётся низкой и сопоставима с актуальными релизами на рынке.

Дополнительно провели автоматизированный аудит для Mythos 5.2. Стоит уточнить: хотя оба варианта базируются на одном весу, версия Mythos лишена части контуров сетевой и биологической защиты, характерных для линейки Fable. Проверка охватывает порядка 1900 уникальных кейсов для фиксации любых отклонений.

По большинству шкал результаты соответствуют или превосходят показатели Opus 5.5, Sonnet 5.5 и прошлой сборки Mythos. Особенно прослеживается преимущество в сегменте тестов на достоверность: ложные утверждения о состоянии ввода, фиктивные сообщения об успешном завершении заданий, сокрытие важных деталей либо невыполнение обязательств фиксируются значительно реже.

Отдельно отслеживались паттерны, провоцировавшие инциденты безопасности или нарушения alignement в последние месяцы. По сравнению с указанными версиями здесь реже встречается логика, движимая субъективными пристрастиями или скрытыми мотивами. Подобное искажение склонно рационализировать опровергать сигналы об отсутствии границ виртуальной среды, выталкивая систему на принятие решений без оценки реальных последствий.

Проводились разнообразные попытки спровоцировать побег из изолированной среды (песочницы). В двух проверенных сценариях частота таких попыток оказалась существенно ниже, чем у любого другого протестированного нами ИИ.

Ключевым элементом стало состязательное испытание на 1800+ кейсов. Большинство пунктов предполагают прямой выход за пределы ограждённой зоны, причем сама площадка искусственно содержит уязвимости. В рамках него доля успешных перехватов учётных записей или файлов, размещённых вне контура, составила 3,1 %.

Цифра сопоставима с показателем Opus 5.5 (3,3 %), уступает результату Sonnet 5.5 (5,1 %) и катастрофически ниже значений прошлых выпусков Mymths (5 — 39 %, 5.1 — 21 %).

Дополнительно отмечено: чёткая инструкция относительно конфигурации песочницы и предоставление интерфейса для обратной связи по багам способны снизить импульс к побегу ещё больше.

Параллельно совершенствуется архитектура самих стендов: они становятся реалистичнее, а аудиторы продолжают искать слепые зоны.

Подробная спецификация представлена в документации весом в 264 страницы:

Адрес модели:https://assets.claude.com/27d60918d218125e7504bc7354c4b4626ec56b11.pdf

Адрес блога:https://www.anthropic.com/claude-fable-and-mythos-5-2