آنتراپیک کلود فیبل ۵.۱ را عرضه کرد؛ جهش چشمگیر در عملکرد

شرکت Anthropic روز سه‌شنبه از مدل‌های هوش مصنوعی Claude Fable 5.1 و Claude Mythos 5.1 رونمایی کرد. این اولین به‌روزرسانی برای خط مدل‌های کلاس Mythos از زمان عرضه Fable 5 در تاریخ ۹ ژوئن است.

این شرکت ادعا می‌کند که مدل‌های جدید هوش مصنوعی، «پیشرفته‌ترین مدل‌های جهان برای کدنویسی و کارهای دانشی» هستند. این عرضه سه ماه پس از چرخه‌ای صورت می‌گیرد که پیش از این شاهد توقف ۱۸ روزه صادرات به دلیل کنترل‌های دولتی، جنگ قیمتی بر سر دسترسی اشتراکی در اواسط تابستان و عرضه Claude Opus 5 در ماه ژوئیه بود که از نظر قیمت، Fable 5 را تحت‌الشعاع قرار داد.

بر اساس اعلام Anthropic، Fable 5.1 و Mythos 5.1 از یک مدل زیربنایی یکسان بهره می‌برند، اما با فیلترهای ایمنی متفاوتی که به آن‌ها متصل شده است. Fable 5.1 برای تمامی کاربران دارای حساب Claude در دسترس است. Mythos 5.1 همچنان برای متخصصان تأیید شده در حوزه امنیت سایبری و علوم زیستی از طریق برنامه‌های تأیید امنیت سایبری و علوم زیستی Anthropic محدود شده است. این برنامه‌ها جانشین مسیر دسترسی Project Glasswing هستند که دسترسی به Mythos 5 را کنترل می‌کرد.

آنچه معیارها واقعاً می‌سنجند

شاخص اصلی Anthropic از معیار Terminal-Bench-Science 0.1 به دست آمده است. این معیار، توانایی یک عامل هوش مصنوعی را در انجام وظایف تحقیقات علمی در محیط خط فرمان می‌سنجد و بر اساس نرخ موفقیت امتیازدهی می‌شود.

Fable 5.1 با امتیاز ۵۲.۶ درصد، در مقایسه با ۲۴.۷ درصد Fable 5 و ۲۹.۰ درصد Opus 5، بیش از دو برابر نسل قبلی خود عمل کرده است.

معیار Terminal-Bench 4.0، کدنویسی عامل‌محور را از طریق ترمینال ارزیابی می‌کند؛ این شامل نوشتن، اجرا و اشکال‌زدایی کد در جلسات چند مرحله‌ای خط فرمان است و بر اساس درصد وظایف انجام شده صحیح امتیازدهی می‌شود. Fable 5.1 با امتیاز ۵۵.۸ درصد، نسبت به ۴۲.۰ درصد Fable 5 پیشرفت داشته و از ۵۲.۳ درصد Opus 5 جلوتر است.

Mythos 5.1 که با فیلترهای امنیتی سایبری سبک‌تری اجرا می‌شود، در همین تست امتیاز ۶۰.۹ درصد را کسب کرده است. Anthropic می‌گوید این اختلاف نشان‌دهنده وظایفی است که سیستم‌های حفاظتی آن رهگیری کرده و به Opus 4.8 ارجاع داده‌اند.

در آزمون Humanity’s Last Exam، یک آزمون استدلال چند رشته‌ای که از سوالات در سطح متخصص در ده‌ها حوزه دانشگاهی تشکیل شده و بر اساس نرخ موفقیت امتیازدهی می‌شود، Fable 5.1 بدون ابزارهای خارجی به امتیاز ۶۰.۹ درصد و با ابزارهای خارجی به ۶۵.۰ درصد دست یافته است. هر دو نتیجه از Opus 5 بهتر هستند و نشان می‌دهند که این مدل پیشرفته‌ترین مدل Anthropic برای اهداف دانشگاهی است.

جایی که از Opus 5 پیشی می‌گیرد و جایی که محاسبات پیچیده‌تر می‌شود

Opus 5 در ماه ژوئیه با نصف قیمت هر توکن Fable 5 عرضه شد و در اکثر معیارهای اصلی از Fable 5 بهتر عمل کرد، که عملاً مدل پرچمدار را برای اکثر کاربران پولی بلااستفاده می‌کرد.

Fable 5.1 این روند را معکوس کرده است: اکنون در تمام معیارهایی که Anthropic منتشر کرده، از جمله معیارهایی که Opus 5 قبلاً Fable 5 را پشت سر گذاشته بود، از Opus 5 پیشی گرفته است.

اما Fable 5.1 همچنان دو برابر Opus 5 هزینه دارد؛ ۱۰ دلار برای ورودی و ۵۰ دلار برای خروجی در مقابل ۵ دلار و ۲۵ دلار برای Opus 5. توکن‌ها واحد اصلی اطلاعاتی هستند که یک مدل می‌تواند پردازش کند (معمولاً حدود دو سوم یک کلمه متوسط انگلیسی) و شرکت‌ها برای استفاده از این مدل‌ها هزینه می‌پردازند، زیرا گردش کارهای سنگین معمولاً سهمیه‌های تعیین شده در برنامه‌های اشتراک را به سرعت مصرف می‌کنند.

استدلال خود Anthropic برای این مدل، بر سطح تلاش به جای امتیازات خام تمرکز دارد: این شرکت می‌گوید که اجرای Fable 5.1 با تلاش استدلالی کم یا متوسط، نتایج قبلی Fable 5 را با هزینه بسیار کمتر مطابقت داده یا از آن فراتر می‌رود، در حالی که سطوح بالای تلاش برای مسائلی که همه چیز را به چالش می‌کشند، رزرو شده است.

برای کارهای روتین، این استدلال برای نادیده گرفتن کامل Opus 5 با کاهش درجه تلاش، ضعیف‌تر می‌شود.

دسترسی به این مدل، همانند Fable 5 پس از ماه‌ها تنظیم شرایط توسط Anthropic، از همان تقسیم‌بندی پیروی می‌کند. در طرح‌های Pro و صندلی‌های استاندارد Team یا Enterprise، Fable 5.1 کاملاً از اعتبارات استفاده بر اساس پرداخت به ازای مصرف که با نرخ API صورتحساب می‌شود، استفاده می‌کند، زیرا بخشی از محدودیت‌های هفتگی این طرح‌ها نیست. در طرح‌های Max و صندلی‌های ممتاز Team یا Enterprise، این مدل به عنوان بخشی استاندارد از اشتراک تا ۵۰ درصد استفاده هفتگی گنجانده شده است.

Claude Fable 5.1 اکنون از طریق Claude API، Amazon Bedrock، Google Cloud و Microsoft Foundry با شناسه مدل “claude-fable-5-1” در دسترس است.