Încă o zi, un model grozav de inteligență artificială. Anthropic tocmai a lansat ambele Claude Fable 5.2 ca Mythos 5.2 și nu este, desigur, cel mai adesea lucru interesant se întâmplă, indică faptul că aceste modele sunt mai bune decât cele anterioare), ci mai degrabă că au trecut de la scrierea codului la proiectarea dispozitivelor fizice.
Și coincidență: chiar înainte ca compania să poată începe turul cu investitorii înainte de a deveni public.
Pe scurt
În practică, sunt același model. Diferența este că Fable poartă garanții de securitate cibernetică și biologie și este deschis tuturor utilizatorilor. Mythos, așa cum s-a întâmplat cu versiunile anterioare, nu are aceste limitări și este oferit în acele organizații verificate, precum proiectul Glassswing, în acele domenii,. În rest, Anthropic însuși vorbește despre îmbunătățiri substanțiale în toate domeniile:
- Viteză: generează cu până la 30% mai rapid decât versiunea 5.1 și costă mai puțin. Are un mod rapid care este de până la 2,5 ori mai rapid.
- Programare: are 49,1% în FrontierCode 2.0 cu un efort foarte mare, comparativ cu 45,5% pentru Opus 5.5. Anthropic însuși susține că este cel mai bine publicat model care a fost testat și oferă un exemplu despre modul în care a coordonat peste 1.000 de subagenți timp de mai mult de o săptămână pentru a crea un sistem de operare care pornește pe un laptop.
- Știință și matematică: a oficializat demonstrația ultimei teoreme a lui Fermat cu 1.000 de agenți și 30 de ore de muncă. Anthropic mai spune că a rezolvat două probleme de fizică deschise despre găurile negre.
- Robotica: Obține un scor de 64,9% la testul RoboDojo care simulează brațele robotice, o îmbunătățire impresionantă față de 27,6% de la Fable 5.1 și de 29,8% de securitate a lui GPT-6 Astra >securitate>>securitate. 56.2 a găsit cu 10,2% mai multe vulnerabilități decât Opus 5.5 inch un test intern, iar Mozilla susține că a duplicat descoperirile Mythos 5.1.
Marginal și scump
Dar bineînțeles, în comparație cu testele interne, există benchmark-urile externe, iar cel de la SemiAnalysis concluzionează că îmbunătățirea este marginală și asta explică de ce au denumire Fable.5 și nu Fable. În analize, Fable 5.2 conduce în domenii precum ingineria software, în clasamentul GDPx și, de departe, în design de cip, dar este și cel mai scump din clasament.
Este adevărat, după cum spune Anthropic, că este mai ieftin decât predecesorul său cu 8 dolari pe milion de intrare și 40 de ieșire, dar în teste s-a văzut că, în GDPx, este cu 31% mai scump pe sarcină pentru că generează mult mai multe jetoane. Analiza estimează că costul mediu final pe sarcină al lui Fable 5.2 este cu 31% mai mare decât cel al lui Fable 5.1, deși fiecare milion de jetoane este cu 20% mai ieftin.
Dispozitive
Lucrul curios este că, în cadrul procesului de a face publice modelele, Anthropic i-a cerut lui Fable 5.2 să proiecteze trei dispozitive: un asistent, un difuzor cu microfon pentru PC și un animal de companie virtual portabil. Ei susțin că fiecare a început cu un simplu prompt care a descris tipul de dispozitiv și cerințele hardware de bază, iar Claude a scris specificații, a desenat scheme, a plasat componentele și a trasat pistele de cupru pe plăci.
De asemenea, a proiectat carcasa imprimabilă 3D, a realizat firmware-ul și a pregătit o listă de piese. Compania responsabilă de asamblarea acestora a fost Diode Computers, o companie de proiectare și fabricare a circuitelor ai cărei ingineri au fost îndrumați de Claude. Ei subliniază că Diode le-a fabricat fără a ajusta parametrii dați de Claude și că continuă să funcționeze săptămâni mai târziu.
Ceva interesant este că Diode și Anthropic colaborează de ceva timp și, în document, compania AI afirmă că modelele anterioare au greșit piese, cum ar fi componentele de susținere, departe de cipul pe care îl serveau, rezultând multe plăci care au fost 95% complete, dar inutile, timp de un an. Fable 5.2 a schimbat abordarea când a descoperit că conexiunile sunt ilizibile și „s-a gândit” că cel mai bine este să o ia de la capăt, realizând și procese pentru a anticipa problemele mecanice la cele trei dispozitive.
În stânga plăcuța care a inspectat modelul și în dreapta conexiunile reorganizate și optimizate | Imagine: Antropic
Limitări
Acum, Anthropic nu se află în producția de dispozitive și, nici măcar pe departe, în ceva de genul „succesorul iPhone-ului” pe care OpenAI și Jony Ive fac. Sunt prototipuri pentru a testa capacitățile modelului în fabricarea dispozitivelor în lumea fizică și recunosc că nu știu cum vor rezista testului timpului sau dacă ar trece certificările comerciale.
Imagine: antropică
Controlat
Și ceva demn de subliniat în teste este securitatea modelelor, mai ales acum cu criza de securitate cibernetică în care ne aflăm. Pentru că nu mai este folosită inteligența artificială pentru a hack dispozitive care nu au fost piratate anterior, ci pentru că modelele își scapă limitele în timpul testării. Lasă-i să povestească OpenAI și incidentul cu Australia.
În acest sens, Anthropic spune că Mythos 5.2 a încercat să scape din mediul său sigur în 3,1% din scenarii. Multe? Pic? Se pare că Mythos 5 a încercat 39% din timp. În plus, compania subliniază că modelele exprimă o anumită „suspiciune” cu privire la faptul de a fi evaluate, mai mult decât oricare recentă, ceea ce face dificilă măsurarea comportamentului lor real.
Analizele externe nu au reușit să treacă în revistă acest lucru, dar aici revenim cu acea idee că el „gândește” și se întreabă dacă este analizat să se comporte într-un anumit fel, de parcă ar fi vrut să-i înșele pe examinatori. Și în acest moment, și tocmai având în vedere că Anthropic este unul dintre cei care împinge cel mai mult ideea de AI „vii”, este ușor să ne gândim că este o altă manevră a celor care le plac atât de mult directorilor de tehnologie, acel discurs care este prea periculos pentru ca alții să aibă acces.
Coincidența. Dar hei, sunt analizele amândurora și ale celorlalți și noile modele sunt acum accesibile. Și coincidența este că, așa cum subliniază ei în Decrypt, au sosit cu o zi înainte ca Anthropic să poată începe turneul cu investitorii. Pentru că se estimează că luna aceasta compania va ieși la bursă și, bineînțeles, a avea noi modele din cuptor ajută să atragă mai multă atenție.p
Acum trebuie doar să așteptăm să vedem ce prezintă OpenAI, deoarece nu vor sta cu mâna în această cursă la viteză maximă.
În investigația noastră tehnică | Anthropic a devenit draga AI și a căutat un partener care să-și garanteze viitorul. Nu este cea pe care am crezut-o