Anthropic je 1. rujna predstavio Claude Fable 5.1 i Claude Mythos 5.1. Tvrtka ih opisuje kao isti temeljni model s različitim razinama zaštita: Fable 5.1 dostupan je širokom krugu korisnika, a Mythos 5.1 samo kroz provjerene programe za osjetljivije primjene.

Jedan model, dvije razine pristupa

Fable 5.1 i Mythos 5.1 nisu predstavljeni kao dvije zasebne generacije. Anthropic navodi da se radi o istom temeljnom modelu, ali s različitim zaštitama i pravilima pristupa. Fable 5.1 opće je dostupan, dok Mythos 5.1 ostaje unutar programa za provjerene organizacije u kibernetičkoj sigurnosti i znanostima o životu.

Takva podjela pokazuje kako se kod najmoćnijih modela tržišno pitanje više ne svodi samo na kvalitetu odgovora. Jednako važni postaju dopuštene vrste rada, način provjere korisnika i granice unutar kojih model može djelovati.

Niži trošak ovisi o korištenju predmemorije

Najkonkretnija komercijalna promjena odnosi se na cache readove, odnosno ponovno čitanje već obrađenog konteksta. Anthropic navodi pad cijene od 75 posto, na 0,25 dolara za milijun tokena. Osnovna cijena ulaznih i izlaznih tokena pritom nije predstavljena kao univerzalno sniženje.

Tvrtka procjenjuje da bi tipična opterećenja mogla biti oko 25 posto jeftinija, a vrlo dugi i agentni zadaci do približno 45 posto. To nije zajamčena ušteda za svaki poziv: stvarni rezultat ovisit će o tome koliko se konteksta doista poslužuje iz predmemorije, koliko zadatak traje i koliko izlaznih tokena model generira.

Benchmarkovi uz važnu ogradu

Anthropic za Fable 5.1 navodi rezultat od 52,6 posto na Terminal-Bench-Science 0.1 i 55,8 posto na Terminal-Bench 4.0. Mythos 5.1 na Terminal-Bench 4.0 prema istoj objavi doseže 60,9 posto, a tvrtka razliku povezuje s načinom na koji sigurnosni filtri interveniraju tijekom zadataka.

Te brojke treba čitati kao rezultate dobavljačeve evaluacije, a ne kao konačan dokaz nadmoći u stvarnom radu. Neovisna ponavljanja i usporedbe na produkcijskim zadacima tek trebaju pokazati koliko se razlika prenosi na kodiranje, istraživanje i dugotrajne agente.

Precizniji filtri, ali ne bez granica

Anthropic tvrdi da nove kibernetičke zaštite uzrokuju oko 60 posto manje lažno pozitivnih intervencija. Fable 5.1 sada smije pomagati pri otkrivanju softverskih ranjivosti, ali tvrtka i dalje odvaja to od razvoja exploita i drugih rizičnijih zadataka.

Za korisnike je zato ključno provjeriti ne samo kvalitetu modela nego i ponašanje alata, odbijanja i preusmjeravanja na vlastitim zadacima. Naziv modela sam po sebi ne jamči da će svaka vrsta posla biti dostupna u svakoj okolini.

Zašto je važno

Fable 5.1 pomiče natjecanje vodećih modela prema dugotrajnim agentima, gdje cijena ponovnog čitanja konteksta i preciznost sigurnosnih filtara izravno utječu na to može li se model isplativo koristiti satima. Istodobno, odvojeni Mythos pristup pokazuje da će sposobnost i dostupnost sve češće biti dvije različite stvari.

Što još ne znamo

  • Tvrdnje o uštedi od oko 25 do 45 posto Anthropicove su procjene temeljene na obrascima korištenja i ne vrijede jednako za svako opterećenje.
  • Objavljeni benchmarkovi nisu neovisna potvrda ponašanja modela u stvarnim produkcijskim sustavima.
  • Navod o približno 60 posto manje lažno pozitivnih sigurnosnih intervencija također potječe od proizvođača.