Nová Claude Fable 5.1 předbíhá OpenAI, Samsung ji zkouší při návrhu čipů

Anthropic v úterý představil nové modely Claude Fable 5.1 a Claude Mythos 5.1 a předběhl tak OpenAI, které teprve chystá modely řady Astra. Oba modely jsou technicky totožné, liší se jen mírou bezpečnostních omezení. Fable 5.1 je dostupný všem uživatelům přes Claude, API i cloudové platformy Amazon, Google a Microsoft, zatímco přísněji hlídaný Mythos 5.1 zatím míří jen k firmám a jednotlivcům v amerických programech s důvěryhodným přístupem.

Cena za tokeny zůstala stejná jako u předchozí generace, tedy 10 dolarů za milion vstupních a 50 dolarů za milion výstupních tokenů. Výrazně ale zlevnilo čtení z mezipaměti, z jednoho dolaru na 25 centů za milion tokenů, což je pokles o 75 %. Anthropic tvrdí, že díky tomu vyjde běžné použití modelu o čtvrtinu levněji než dřív.

Nová generace zároveň citelně zlepšila výsledky v testech schopností. Na indexu Artificial Analysis Intelligence Index dosáhl Fable 5.1 na 66 bodů, o 4 body víc než předchozí Fable 5 a o 3 body víc než dosavadní špička Opus 5. V testu Terminal-Bench-Science skóroval 52,6 %, více než dvojnásobek oproti 24,7 % u Fable 5, a v Terminal-Bench 4.0 zaměřeném na agentní programování dosáhl 55,8 % proti 42,0 % předchůdce.

Rychlejší a přesnější provoz ale neznamená nižší náklady na složitější úlohy. Podle propočtů založených na cenách za jednotlivé úkony vyjde reálná agentní práce s Fable 5.1 dráž, konkrétně 3,69 dolaru za úkol v indexu Intelligence Index proti 2,34 dolaru u Fable 5. Model sice zlevnil cenu za token, ale na náročnější zadání spotřebuje víc tokenů, takže výsledný účet za komplexní úlohu vzroste zhruba o 58 %.

Anthropic zároveň přepracoval bezpečnostní mechanismy modelu, aby omezil zbytečné zásahy při běžném provozu. V kybernetické bezpečnosti kleslo množství zbytečných zásahů o zhruba 60 %, model navíc nově smí pomáhat při hledání zranitelností, byť stále ne při tvorbě funkčních exploitů.

V biologických a lékařských dotazech klesl počet planých poplachů na neškodné otázky o 85 %, přístup k citlivějším částem modelu navíc řídí zvláštní program pro ověřování v oblasti přírodních věd. Na podzim má přibýt ještě takzvaný Enterprise Frontier Safeguards s nulovým uchováváním dat a úložištěm plně pod kontrolou zákazníka.