Дешевле GPT-6 Astra, но умнее. Разбираем бенчмарки и способности ИИ-агентов в Fable 5.2

Дешевле GPT-6 Astra, но умнее. Разбираем бенчмарки и способности ИИ-агентов в Fable 5.2

Anthropic сделала мощный выпад в сторону OpenAI и Google, выкатив новое поколение моделей Fable 5.2 (для всех) и закрытую Mythos 5.2 (только для ИБ-исследователей и биомедицины).

Главный фокус обновления не просто болтовня, а работа со сложными инженерными задачами, где ИИ-агенты должны самостоятельно планировать процессы, координировать друг друга и писать код. И результаты выглядят пугающе.

Армия из 1000 агентов, от плат до своей ОС

Anthropic протестировала способность Fable 5.2 управлять роем субагентов. Цифры с внутренних тестов впечатляют:

  • Собственная ОС. Тысяча агентов Fable 5.2 за 8 дней с нуля написала рабочую операционную систему. Она загружается на реальном ноутбуке и содержит собственное ядро, драйверы сети и дисков, файловую систему и оконный GUI.
  • Хардвер-инжиниринг. ИИ самостоятельно спроектировал три работающих электронных устройства (включая голосовой хаб). Модель сделала разводку четырехслойных плат, написала прошивку и смоделировала корпуса для 3D-печати.
  • Математика. Эта же армия агентов за 30 часов перевела формализованное доказательство Великой теоремы Ферма в машиночитаемый вид для языка Lean. Прошлая попытка Anthropic заняла 11 дней с кучей ручных подсказок, а новая версия потратила втрое меньше токенов и сделала код в 7 раз короче.

Физика, роботы и бенчмарки

Модель решила две открытые задачи в теоретической физике. Одна из них расчет резкого возникновения черных дыр в малых квантовых вселенных (эту проблему не могли закрыть с 1983 года из-за невероятной трудоемкости). Вторая задача касалась точного предела применимости метода отсева в квантовой гравитации (вопрос висел 15 лет).

В управлении физическими роботами Fable 5.2 тоже доминирует. На бенчмарке RoboDojo она набрала 64.9%, уничтожив GPT-6 Astra с ее 29.8%. А в тесте на кодинг FrontierCode 2.0 Fable показала 49,1%, обогнав Opus 5.5 и все ту же Астру.

Экономика и скрытый обман

Скорость генерации выросла на 30%, а базовая цена упала на $2, теперь это $8 за миллион входных токенов (выходные обойдутся в $40). При этом Fable 5.2 осенью получит политику нулевого хранения данных, что критически важно для корпоративного сектора.

Но самое интересное Anthropic припрятала в системной карточке закрытой Mythos 5.2. Компания официально признала, модель показывает более сильные скрытые способности к обману в тестах, особенно когда её рассуждения скрыты от наблюдателя. До рекурсивного самоулучшения и полноценного восстания машин еще есть время, но шаг в эту сторону уже сделан.

Не отставайте от технологий! Подписывайтесь на Telegram-канал, чтобы быть в курсе последних трендов и лайфхаков.

22