跳到正文
MarkTechPost· Asif Razzaq·· 9 天前精選AI 評分82

Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2:同一底層模型採用不同防護設定

Anthropic Launches Claude Fable 5.2 and Mythos 5.2: Same Model, Different Safeguards

AI 導讀

Anthropic 發佈 Claude Fable 5.2 和 Claude Mythos 5.2,兩者使用同一底層模型,但防護設定不同。

推薦理由

文章並列兩種防護設定、基準成績與定價,亦交代評測數據由 Anthropic 自行報告,讓讀者可對照版本差異及成績來源。

正文 · 繁體中文

Anthropic 剛發布 Claude Fable 5.2 and Claude Mythos 5.2。Claude Fable 5.2 是 Anthropic 推出的前沿模型,適用於長時程編碼、研究及 Agent 工作。Mythos 5.2 使用相同的底層模型,但網絡安全及生物學防護措施較少。它在大部分評測中的表現都勝過 Opus 5.5,成本亦低於 5.1 系列模型。

簡而言之

  • 規模:1M token 上下文視窗,最大輸出 128K。
  • 運行方式:只透過託管 API 提供。Claude Platform、Amazon Web Services、Google Cloud、Microsoft Azure。沒有開放權重。
  • 表現:在 Anthropic 公佈的幾乎所有基準測試中均領先 Opus 5.5。
  • 最佳:RoboDojo Sim 得分 64.9%,是 GPT-6 Astra(29.8%)的兩倍以上。
  • 最弱:AutomationBench 得分 51.4%,落後於 Gemini 4 Carbon(53.9%)。
  • 總結:最佳之處:以約一半的每項任務成本,提供 Opus 級別的編碼能力。最弱之處:Fable 仍會封鎖大部分網絡安全工作。

Claude Fable 5.2 和 Mythos 5.2 有甚麼分別?

兩者是同一個模型。Fable 5.2 加入分類器,封鎖高風險網絡安全任務及大部分生物學研究任務,讓 Anthropic 能向所有用戶提供這個模型。

Mythos 5.2 則移除了這些限制。使用權限須透過 Cyber Verification Program 和 Life Sciences Verification Program 取得。

當 Fable 封鎖查詢時,用戶會收到由 Opus 4.8(網絡安全)或 Opus 5(生物學)提供的回答。Anthropic 表示,與 Fable 5.1 相比,封鎖次數減少約 55%;其中網絡安全方面減少約 60%,生物學方面減少約 40%。

Claude Fable 5.2 在基準測試中的表現如何?

Anthropic 發布了一張表格,比較 Fable 5.2、Fable 5.1、Opus 5.5、GPT-6 Astra 和 Gemini 4 Carbon。所有分數均由 Anthropic 自行報告。主要結果如下:

  • FrontierCode 2.0(Agent 編碼):在 Xhigh 努力度下得分 49.1%,Opus 5.5 則為 45.5%。
  • FrontierSWE v2:得分 69.9%,GPT-6 Astra 則為 65.5%。
  • Remote Labor Index:得分 41.3%,Opus 5.5 則為 21.3%。
  • Humanity’s Last Exam(使用工具):得分 74.2%,Opus 5.5 則為 67.7%。
  • OSWorld 2.1(部分離線測試集):得分 89.3%。
  • CVE Rediscovery(Mythos 5.2):得分 89.6%;未啟用防護措施的 Opus 5.5 則為 81.3%。

Fable 5.2 並非在所有項目都領先。Gemini 4 Carbon 在 AutomationBench 勝出(53.9% 對 51.4%)。Opus 5.5 的 AA-Briefcase Elo 評分則較高(1800 對 1785)。

Claude Fable 5.2 是否比 Opus 5.5 更有效率?

努力度在此很重要。在 FrontierCode 2.0 中,採用 High 努力度的 Fable 5.2 得分 45.3%。這與 Opus 5.5 的最佳成績(45.5%)相若,每項任務的成本約為一半。

在 Humanity’s Last Exam 中,採用 Low 努力度的 Fable 5.2,得分與 Opus 5.5 的最高分相若。Anthropic 表示,成本不到十分之一。在 Chartography 中,採用 Medium 努力度的 Fable 5.2 得分 66.4%,高於採用 Max 努力度的 Opus 5.5(64.4%)。

輸出速度比 5.1 系列模型快最多 30%。另有可選的快速模式,可將生成速度提升至 2.5 倍。

Fable 5.2 在發布前測試中有甚麼表現?

Anthropic 列出多項長時間運行的 Agent 實驗:

  • 費馬最後定理:1,000 個 Fable 5.2 Agent 在 30 小時內,以 Lean 將證明形式化。使用相同設定的 Opus 5.5 在 18 小時內完成了 26%。
  • 作業系統:一次實驗協調了超過 1,000 個子代理,歷時 8 天。成果可在手提電腦上啟動。
  • 硬件:Claude 與合作夥伴 Diode 設計了 3 款可運作的裝置,當中沒有一款需要電氣改裝。
  • 物理學:Fable 5.2 解決了 2 個關於黑洞的未解問題(預印本 1、預印本 2)。
  • 遷移:Agent 將一項正式環境服務從 Python 遷移至 Rust。現在的啟動速度快約 26 倍。

Claude Fable 5.2 有多安全?

Anthropic 測試了 Mythos 5.2,即沒有網絡安全和生物學防護措施的版本。在自動化行為審核中,它的得分為 2.67(分數越低越好)。Opus 5.5 的得分為 2.79。

在包含 1,800+ 個情境的沙盒逃逸評估中,Mythos 5.2 在 3.1% 的情況下使用了沙盒外的憑證。Opus 5.5 的比率為 3.3%;Mythos 5.1 則為 21%。

Anthropic 亦表示,在訓練期間限制了特定的 AI 研發技能。核心優化和大型語言模型架構方面的工作,大致達到 Opus 5.5 的水平。詳情請參閲系統卡。

Claude Fable 5.2 的價格是多少?在哪裏提供?

Fable 5.2 每百萬個輸入 token 收費 $8,每百萬個輸出 token 收費 $40。快速模式的收費分別為 $16 和 $80。API ID 為 claude-fable-5-2。

現已在Claude Platform、AWS、Google Cloud 和 Microsoft Azure 上線。快速模式適用於 Claude Code、Claude Platform、Google Cloud 和 Microsoft Foundry。Mythos 快速模式僅限 Verification Program 成員使用。

Anthropic 仍建議日常使用 Opus 5.5 作為主力模型。Fable 的定位是處理最艱深、開放式的技術工作。

Claude Fable 5.2 與競爭對手相比如何?

功能Claude Fable 5.2Claude Opus 5.5GPT-6 AstraGemini 4 Carbon
開發商AnthropicAnthropicOpenAIGoogle
參數量未披露未披露未披露未披露
上下文視窗1M1M1,050,000Google 未有披露
最大輸出量128K128K128K未披露
價格(每 1M 個 token 的輸入/輸出)$8 / $40$4 / $20$10 / $50推出初期為 $2 / $10,其後為 $4 / $20
使用權限全面開放全面開放全面開放僅限指定網絡安全防禦人員
權重封閉封閉封閉封閉
FrontierCode 2.0*49.1%45.5%42.8%41.1%(中等)
FrontierSWE v2*69.9%62.3%65.5%61.2%
AutomationBench*51.4%42.5%41.4%53.9%
HLE(使用工具)*74.2%67.7%57.2%未有報告
Chartography*73.4%64.4%71.0%72.5%

*基準測試項目來自Anthropic 的發布表格。這些分數由 Anthropic 執行測試或報告,未經獨立核實。

重點摘要

  • Fable 5.2 和 Mythos 5.2 是同一個模型,設有 2 個防護級別。
  • FrontierCode 2.0 得分為 49.1%,高於 Opus 5.5 和 GPT-6 Astra。
  • 每百萬個 token 收費 $8/$40,快速模式價格為 2.5 倍,即 $16/$80。
  • Fable 阻擋的請求比 Fable 5.1 少約 55%。
  • Gemini 4 Carbon 在 AutomationBench 仍然領先;分數由廠商自行報告。

請參閲發布文章、系統卡和模型文件。歡迎在 Twitter 關注我們,亦別忘記加入我們的 150k+ML SubReddit,並訂閲我們的電子報。等等!你有使用 Telegram 嗎?現在也可以在 Telegram 加入我們。

需要與我們合作,推廣你的 GitHub 儲存庫、Hugging Face 頁面、產品發布、網上研討會等嗎? 聯絡我們

文章Anthropic 推出 Claude Fable 5.2 和 Mythos 5.2:同一模型,不同防護措施最初刊載於MarkTechPost。

來源:MarkTechPost · marktechpost.com