Doar pentru că un model de inteligență artificială este capabil să rezolve probleme extraordinar de complexe nu înseamnă că toate capacitățile sale sunt disponibile oricui. Diferența poate fi în preț, dar și în restricții care determină ce sarcini poate îndeplini și care sunt inaccesibile. Este o distincție deosebit de importantă atunci când vorbim de programare, cercetare științifică sau securitate cibernetică, domenii în care aceeași tehnologie poate avea aplicații foarte diferite. Și, de asemenea, ne obligă să privim dincolo de cifrele de performanță pentru a înțelege ce obținem cu adevărat ca utilizatori.
Cu această diferență de fundal, Anthropic a prezentat Claude Fable 5.2 și Claude Mythos 5.2, cele două noi versiuni ale AI concepute pentru a aborda sarcini tehnice deosebit de complexe. Potrivit companiei, ambele îmbunătățesc programarea, raționamentul și analiza imaginii în comparație cu predecesorii lor, pe lângă faptul că generează răspunsuri cu până la 30% mai rapide. Cu toate acestea, particularitatea acestei versiuni nu constă numai în capacitățile sale: deși împărtășesc același model de bază, Fable vine cu disponibilitate generală, în timp ce Mythos este rezervat utilizatorilor și organizațiilor care îndeplinesc anumite cerințe de acces.
Cheia înțelegerii acestei diviziuni se află în barierele de securitate pe care Anthropic le-a încorporat în fiecare versiune. Fable 5.2 include filtre care blochează anumite activități de securitate cibernetică cu risc ridicat, cum ar fi generarea de cod pentru exploatarea vulnerabilităților și o bună parte din cele legate de cercetarea biologică. Mythos 5.2 folosește același model fără unele dintre aceste restricții, tocmai pentru ca profesioniștii verificați să poată lucra în acele domenii. Aceasta nu înseamnă că Mythos permite efectuarea oricărei operațiuni sau că are inteligență superioară în termeni generali: diferența este în garanțiile aplicate și accesul la anumite capabilități.
Două modele, aceeași tehnologie și limite diferite
Pentru cei care doresc să folosească Fable 5.2, există o primă clarificare importantă: disponibilitatea generală nu înseamnă acces gratuit. Anthropic vă permite să îl utilizați pe platformele sale și prin furnizori precum Amazon Web Services, Google Cloud și Microsoft Azure, în timp ce în Claude depinde de planul contractat și nu este inclus în Free. Compania oferă temporar condiții speciale pentru anumiți abonați plătitori. Dezvoltatorii îl pot integra și printr-un API care costă 8 USD per milion de jetoane și 40 USD per milion de ieșiri.
Cu Mythos 5.2, situația este diferită: nu este suficient să contractați un plan sau să plătiți pentru utilizarea acestuia. Anthropic își rezervă accesul direct la profesioniști și organizații care trec un proces de verificare, conceput pentru activități precum căutarea vulnerabilităților informatice sau cercetarea biomedicală. Părțile interesate pot aplica prin intermediul programelor lor Cyber Verification și Life Sciences Verification, dar trimiterea cererii nu garantează aprobarea. Există și o altă modalitate pentru clienții Claude Enterprise: să folosească Claude Security, un instrument care încorporează Mythos pentru a analiza codul, fără ca acest lucru să implice deținerea liberă a modelului.
Sistemul de operare experimental dezvoltat de Claude Fable 5.2. Imagine: Antropic
Anthropic a testat, de asemenea, cât de departe poate ajunge Fable 5.2 atunci când se confruntă cu proiecte care necesită câteva zile de muncă. Într-unul dintre experimentele sale, modelul a coordonat peste 1.000 de subagenți timp de opt zile pentru a dezvolta un sistem de operare prototip despre care compania spune că poate porni pe un laptop. De asemenea, compania îl creditează pentru rezolvarea a două probleme de fizică teoretică deschise legate de găurile negre. Rezultatele apar în două pre-publicații științifice, deși acest lucru nu este echivalent cu validarea definitivă prin evaluarea inter pares.
Claude Fable 5.2 se află în fruntea indicelui Vals v2.2 cu 71,31% | Imagine și sursă: Waltz AI
Dincolo de testele publicate de Anthropic, avem și evaluări independente pentru a măsura performanța Fable 5.2. Unul dintre ele vine de la Vals AI, care l-a plasat pe prima poziție între 36 de modele în indicele său v2.2, cu 71,31%. În spatele lor sunt Claude Sonnet 5.5, cu 70.85%, și Gemini 4 Carbon, cu 70.45%. Acest indice reunește teste profesionale în programare, finanțe, drept și fiscalitate, ponderate în funcție de ponderea lor în economia SUA. Diferențele sunt mici, așa că primul loc nu demonstrează o superioritate generală sau concludentă.
Lansarea reflectă și o decizie care depășește performanța: Anthropic a ales să ofere condiții diferite de utilizare pentru aceeași tehnologie în funcție de riscurile pe care le atribuie anumitor aplicații. Este o modalitate de a permite accesul la capabilități avansate fără a deschide fără discriminare toate posibilitățile sale. Compania însăși recunoaște, totuși, că evaluările de securitate înainte de lansare nu ne permit să anticipăm toate eșecurile posibile. Întrebarea va fi să vedem cum funcționează aceste bariere în practică și în ce măsură reușesc să prevină utilizările dăunătoare fără a împiedica munca legitimă.
Imagini | Antropic
În investigația noastră tehnică | Din aproximativ 320 de milioane de călătorii Uber și comenzi de Halloween, E50 au doar patru săptămâni de călătorii și comenzi de Halloween. a venit de la agenții Uber Eats. AI