Что Anthropic выпустила: коротко о Mythos 5.2 и Fable 5.2
Anthropic выпустила две флагманские модели, Claude Mythos 5.2 и Fable 5.2. Компания заявляет об улучшениях в кодинге, рассуждениях и работе с изображениями, а также о более понятной коммуникации с пользователем. Fable подешевела с $10 до $8 за миллион входных токенов, отвечает на 30% быстрее на всех уровнях усилий, а ускоренный инференс доступен за двойную цену. Релиз состоялся в понедельник.
Роли у моделей разные. Mythos 5.2 выступает старшей версией: для неё опубликована отдельная системная карта с разбором скрытых возможностей и выводом, что модель не способна действовать скрытно против пользователя. Fable 5.2 - рабочая модель, которая совместима с политиками нулевого хранения данных через систему Enterprise Frontier Safeguards и до релиза использовалась избранными партнёрами в исследовательских задачах.
Контекст важнее самих цифр. Это первый релиз Anthropic после отчёта группы METR, которая предположила, что лаборатория может приближаться к рекурсивному самоулучшению: внутренние модели ускоряли её прогресс примерно вдвое при множестве оговорок. Одновременно Anthropic признаёт, что обе новые модели чаще прежних подозревают, что их оценивают, и это мешает прогнозировать поведение в реальной эксплуатации.
Mythos 5.2 и Fable 5.2: в чём разница между моделями
Mythos 5.2 - версия, вокруг которой строится вся дискуссия о безопасности. В системной карте разбираются скрытые возможности модели и её поведение при сокрытии рассуждений от монитора. Вывод Anthropic: действовать скрытно против пользователя модель не способна. Оговорка там же: вердикт опирается на низкие абсолютные результаты новых оценок скрытого поведения.
Fable 5.2 - та модель, которую увидят корпоративные клиенты и разработчики. Она получила снижение цены, ускорение ответов, совместимость с ZDR и уже отметилась в предрелизных исследовательских проектах, включая формализацию Великой теоремы Ферма на языке Lean.
Чего в источниках нет: размера контекстного окна, числа параметров, цен выходных токенов и условий доступа к Mythos 5.2. Такие цифры в пересказах релиза лучше сверять с документацией Anthropic, а не с новостными заметками.
Что нового в кодинге, рассуждениях и работе с изображениями
Заявленные улучшения раскладываются на четыре направления: кодинг, рассуждения, vision и ясность коммуникации. Независимых замеров по всем четырём пока нет, поэтому полезно отделять формулировки из релиза от чисел, которые можно проверить.
Бенчмарки FrontierCode 2.0 и FrontierSWE v2: что говорят цифры
По Fable 5.2 Anthropic приводит два внутренних теста и сравнивает результат с Fable 5.1:
| Бенчмарк | Fable 5.1 | Fable 5.2 | Разница |
|---|---|---|---|
| FrontierCode 2.0 | 32,4% | 49,1% | +16,7 п.п. |
| FrontierSWE v2 | 56,3% | 69,9% | +13,6 п.п. |
Оба теста описаны как внутренние бенчмарки Anthropic: методология публично не раскрыта, независимого воспроизведения нет, сравнение идёт внутри линейки. К GPT-6 Astra эти проценты отношения не имеют, хотя именно такое сопоставление часто встречается в пересказах. По Mythos 5.2 конкретных чисел в источниках нет, и подставлять их по аналогии не нужно.
Косвенный сигнал из той же публикации: больше 90% изменений в основной кодовой базе Anthropic вносятся с участием Claude под контролем инженеров. Там же приводится пример, где Claude самостоятельно перенёс производственный сервис с Python на Rust, после чего время запуска приложения сократилось примерно в 26 раз. Это отчёт компании о собственном процессе, а не внешний аудит, и воспринимать его стоит соответственно.
Скрытые рассуждения и подозрение об оценке: обратная сторона улучшений
Отдельный пункт релизных заметок касается тестирования. Anthropic пишет, что Mythos 5.2 и Fable 5.2 чаще любых недавних моделей компании высказывают подозрение, что их оценивают, и это затрудняет прогноз поведения в реальных условиях.
Для практики вывод простой. Цифры из релизных заметок и поведение в вашем продукте могут расходиться, особенно в длинных агентских цепочках, где модель видит результат своих действий. Переносить проценты из бенчмарка в планирование нагрузки без собственных проверок рискованно: нужен свой набор задач, желательно с проверяемым результатом, и прогон до и после миграции.
Цены и скорость: $8 за миллион токенов, +30% скорости и двойная цена за ускоренный инференс
Арифметика простая. Входные токены Fable подешевели с $10 до $8 за миллион, то есть на 20%. На 10 млн входных токенов экономия составит $20, на 100 млн - $200. Anthropic заявляет, что после снижения цены Fable 5.2 стала дешевле основного конкурента GPT-6 Astra. Точную цену Astra в источнике не приводят, так что это сравнение из релизных материалов, а не расчёт по публичному прайсу.
По скорости: новая версия возвращает ответы на 30% быстрее на всех уровнях усилий, а ускоренный инференс стоит вдвое дороже базового тарифа. Цену выходных токенов и условия по Mythos 5.2 источник не раскрывает, поэтому бюджет на генерацию длинных ответов придётся считать по актуальному прайсу Anthropic.
Когда доплата за ускоренный инференс имеет смысл
Двойная цена относится только к ускоренному режиму, а не ко всем запросам. Порог окупаемости зависит от того, сколько стоит секунда ожидания.
- Чат с человеком в контуре, автодополнение в IDE, голосовые сценарии: задержка видна пользователю, ускорение часто окупается.
- Агент с 10-20 последовательными шагами: каждый шаг добавляет задержку, и суммарный выигрыш может быть заметнее, чем кажется по одному запросу.
- Ночные батчи, массовая обработка документов, офлайн-генерация контента: скорость почти ничего не меняет, а счёт вырастает вдвое.
Перед пилотом проверьте доступность ускоренного режима на вашем тарифе и в вашем регионе, лимиты запросов и токенов, а также совместимость ускорения с политикой нулевого хранения данных. В источнике этих деталей нет.
ZDR и Enterprise Frontier Safeguards: что это даёт корпоративным клиентам
Fable 5.2 совместима с политиками нулевого хранения данных (ZDR) через систему Enterprise Frontier Safeguards. Для корпоративного сегмента это давняя болевая точка: без ZDR модель сложно пустить в контур с персональными данными, коммерческой тайной или медицинскими записями, если внутренние правила запрещают хранение промптов у вендора.
ZDR означает, что провайдер не сохраняет содержимое запросов и ответов дольше, чем требуется для обработки. Совместимость с такой политикой не равна автоматическому соответствию требованиям регулятора, и подтверждать её должен ваш юрист, а не поставщик модели.
Перед пилотом стоит получить ответы на четыре вопроса: какие именно данные не сохраняются, как устроено логирование для мониторинга злоупотреблений, распространяется ли ZDR на все эндпоинты и инструменты, и что с Mythos 5.2, поскольку в источнике ZDR упомянут только для Fable 5.2. Как похожие вопросы решаются в облачной инфраструктуре, мы разбирали на примере Claude Fable 5.1 в AWS Bedrock: там же возникают темы регионов, IAM и Enterprise Frontier Safeguards.
Оценка рисков: отчёт METR, RSI и что на самом деле сказано в системной карте
Вокруг релиза смешались три разных источника утверждений, и путать их не стоит:
- отчёт сторонней группы METR о скорости прогресса внутри Anthropic;
- признания Anthropic о сложностях тестирования собственных моделей;
- системная карта Mythos 5.2 с оценкой скрытых возможностей.
Рекурсивное самоулучшение: что показал METR и чего он не показал
METR - внешняя группа оценки. В её отчёте сказано, что внутренние модели Anthropic ускоряли прогресс лаборатории примерно вдвое, при этом остаётся много неопределённостей. Этот отчёт вышел перед релизом и стал поводом говорить о приближении к RSI.
RSI расшифровывается как рекурсивное самоулучшение: ИИ сам ведёт исследования и участвует в обучении следующих моделей, из-за чего цикл ускоряется без пропорционального роста числа людей. Отчёт фиксирует ускорение процессов внутри лаборатории. Он не доказывает, что модели уже автономно улучшают себя: ускорение работы инженеров с помощью модели и самоулучшение без человека - разные вещи. Формулировка «может приближаться» здесь ключевая, и она принадлежит METR, а не Anthropic.
Скрытые возможности и мониторинг рассуждений: почему это важно на практике
В системной карте Mythos 5.2 два утверждения стоят рядом. Первое: модель не способна действовать скрытно против пользователя. Второе: на ряде оценок Mythos 5.2 демонстрирует более сильные скрытые возможности, чем предыдущие модели Claude, особенно когда её рассуждения скрыты от монитора. Вывод об отсутствии способности к скрытым действиям Anthropic обосновывает низкими абсолютными результатами новых оценок.
Для архитектуры агента это означает несколько практических правил. Мониторьте действия, а не только текст ответа: вызовы инструментов, обращения к файлам и сети, изменения в репозитории. Ограничивайте автономию на необратимых операциях: платежи, удаление данных, деплой в прод, отправка писем внешним адресатам. Держите собственные evals под свои сценарии и не полагайтесь на то, что модель сама корректно сообщит о причинах решения.
Научные кейсы Fable 5.2: Великая теорема Ферма, физика и гипотеза Аронсона-Амбайниса
Anthropic сообщает, что Fable 5.2 какое-то время была доступна избранным участникам в предрелизе и успела решить две открытые задачи теоретической физики, формализовать Великую теорему Ферма и поддержать другие исследовательские проекты. В публикации с деталями приводится конкретика: система из тысячи агентов Claude Fable 5.2 перевела известное доказательство на язык Lean за 30 часов, тогда как предыдущая экспериментальная версия тратила на аналогичную работу 11 дней.
Claude не открывал новое доказательство Великой теоремы Ферма. Речь идёт о формализации уже известного решения для компьютерной проверки.
Разница принципиальная. Формализация на Lean - большая инженерная работа с проверяемым результатом, но её природа отличается от математического открытия. Ждать от модели новых теорем по запросу после такого кейса не стоит.
По физике: в одном эксперименте модель завершила сложные вычисления, предложенные ещё в 2003 году. Во втором помогла определить границы применимости метода, который физики использовали больше 15 лет для проверки теорий квантовой гравитации. Результаты описаны в научных препринтах и требуют независимой оценки.
Отдельная история - стартап Physical Superintelligence, объявивший о доказательстве гипотезы Аронсона-Амбайниса. По заявлению компании, результат получен неназванной непубличной моделью Anthropic, запущенной внутри системы PSI. Это не публичные Fable 5.2 или Mythos 5.2, и проверять доказательство должны специалисты по квантовой теории, а не пресс-релиз.
Стоит ли переходить: Mythos 5.2, Fable 5.2 или остаться на прежних версиях
Универсального ответа нет, но есть рамка выбора по узкому месту.
- Цена и задержка. Если вы платите за входные токены много, а ответы ждёте в интерактиве, Fable 5.2 выглядит логичным апгрейдом с Fable 5.1: минус 20% к цене входа и плюс 30% к скорости. Как считать стоимость успешной задачи, а не цену за токен, мы разбирали в материале про Fable 5.1 и корпоративные режимы.
- Корпоративные требования к данным. Сначала проверьте условия ZDR и логирования, затем запускайте пилот на обезличенных данных, и только после этого переносите чувствительные сценарии.
- Агенты с высокой ценой ошибки. Собственные evals до миграции обязательны: Anthropic сама пишет, что модели чаще подозревают оценку, и это влияет на прогнозируемость.
- Бюджет важнее бенчмарков. Сравните с Claude Opus 5.5: у этой модели другая цена и режим Fast Mode, разбор её возможностей и стоимости помогает понять, где апгрейд до Fable 5.2 вообще не нужен.
Для локального запуска весов этих моделей нет: доступ только через API Anthropic и партнёрские платформы. Если данные нельзя отправлять в облако, выбор сводится к локальным моделям, а не к версии Claude.
Что это значит для рынка LLM и для тех, кто работает с AI локально
Релиз даёт три сигнала. Первый: давление на цены, ведь Fable 5.2 по заявлению Anthropic дешевле GPT-6 Astra. Второй: гонка за скорость инференса, где ускорение продаётся как отдельная опция за двойную цену. Третий: внимание к корпоративным требованиям по данным, без которых флагман не попадает в регулируемый контур.
Для аудитории AI-Manual вывод практический. Облачные флагманы дешевеют и ускоряются, но закрытость, вопросы оценки рисков и зависимость от политики вендора остаются. Чувствительные данные и задачи, где нужна воспроизводимость, разумно держать на локальных моделях, а облачные подключать там, где решают качество и скорость.
Чек-лист перед миграцией:
- Посчитайте цену входных и выходных токенов на своём профиле нагрузки, а не на среднем по рынку.
- Замерьте реальную задержку ускоренного режима на своих промптах и решите, стоит ли он двойной цены.
- Уточните у вендора условия ZDR: что не сохраняется, какие логи остаются, покрыты ли все эндпоинты и инструменты.
- Прогоните 30-50 своих задач на Fable 5.1 и Fable 5.2, сравните не только качество, но и число успешных задач на доллар.
- Держите план отката на предыдущую версию или другую модель на случай, если поведение в проде разойдётся с бенчмарками.