Anthropic predstavlja Claude Fable 5.2 in Mythos 5.2

Anthropic pravi, da sta Fable 5.2 in Mythos 5.2 zgrajena na isti osnovi, razlikujeta pa se predvsem po varovalkah in dostopu. Fable 5.2 je na voljo širšemu krogu uporabnikov. Mythos 5.2, ki ga podjetje predstavlja kot zmogljivejšega pri kibernetski varnosti, je omejen na organizacije odobrene v programih za preverjene strokovnjake s področja kibernetske varnosti in znanosti.

Modela za zahtevnejše naloge

Anthropic nova modela namenja predvsem zahtevnim tehničnim nalogam. Med testiranjem naj bi pomagala pri zahtevnih nadgradnjah programske opreme, načrtovanju elektronskih naprav in raziskovanju črnih lukenj. Podjetje navaja tudi, da je Fable 5.2 v 30 urah pripravil formaliziran dokaz Fermatovega zadnjega izreka. To so rezultati, ki jih je objavil Anthropic; sami po sebi ne pomenijo, da lahko model brez preverjanja nadomesti strokovnjake ali znanstveno presojo.

Fable 5.2 in Mythos 5.2 naj bi ustvarjala odgovore do 30 odstotkov hitreje kot različici 5.1, Anthropic pa je znižal tudi ceno uporabe prek API-ja: osem dolarjev za milijon vhodnih žetonov in 40 dolarjev za milijon izhodnih. Na voljo je tudi hitrejši način delovanja, vendar po višji ceni.

Zmogljivejši model prinaša tudi strožji nadzor

Razdelitev na Fable in Mythos odraža Anthropicovo odločitev, da zmogljivejše kibernetske sposobnosti omeji na preverjene uporabnike. Podjetje pravi, da Mythos 5.2 odkrije več programskih ranljivosti kot njegovi predhodniki in jih bolje preveri. Takšne zmožnosti so lahko koristne varnostnim ekipam, lahko pa pomenijo tudi tveganje, če bi jih uporabili za napade.

Anthropic je objavil tudi rezultate varnostnih testov. Po lastni oceni je bila verjetnost nevarnega vedenja pri obeh novih modelih v zelo tveganih okoliščinah nizka, Mythos 5.2 pa naj bi v nekaterih preizkusih redkeje poskušal pobegniti iz omejenega testnega okolja kot prejšnji modeli. Podjetje obenem priznava, da testiranje ne more zanesljivo odkriti vseh možnih napak in da sta modela med preverjanjem pogosto izražala sum, da sta na preizkusu. To otežuje oceno, kako bi se obnašala v resničnih okoliščinah.

Nova modela tako predstavljata nadaljevanje Anthropicevega širjenja ponudbe pred načrtovanim IPO-jem. Fable naj bi služil širši uporabi pri programiranju in drugih zahtevnih nalogah, Mythos pa posebej nadzorovanemu raziskovanju. Njuna uspešnost na trgu bo odvisna tudi od tega, ali bodo uporabniki poleg boljših rezultatov dobili dovolj zanesljive varovalke in jasno predstavo o omejitvah modelov.