مدل Claude Fable 5.2 منتشر شد؛ هرچه باید درباره مدل جدید آنتروپیک بدانید

شرکت آنتروپیک روز ۹ نوامبر ۲۰۲۶ (۱۸ آبان ۱۴۰۵) دو مدل تازه منتشر کرد: Claude Fable 5.2 و Claude Mythos 5.2. هر دو در اصل یک مدل‌اند و فرقشان فقط در سدهای ایمنی است. نسخه Fable 5.2 در اپ‌های Claude و API در دسترس است؛ نسخه Mythos 5.2 فقط در اختیار سازمان‌های تأییدشده قرار می‌گیرد.

طبق اعلام شرکت، مدل جدید آنتروپیک در کدنویسی، استدلال و درک تصویر از Fable 5.1 بهتر است، تا ۳۰ درصد سریع‌تر خروجی می‌دهد و همان کار را با توکن کمتری انجام می‌دهد. در این مقاله نتایج بنچمارک‌ها، نمونه‌کارهایی که آنتروپیک منتشر کرده، محدودیت‌های مدل و روش استفاده از آن را مرور می‌کنیم.

آنچه در این مقاله می‌خوانید:

• تفاوت Fable 5.2 و Mythos 5.2 و اینکه کدام برای شما در دسترس است
• نتیجه مدل در ۱۱ بنچمارک، کنار Opus 5.5، GPT-6 Astra و Gemini 4 Carbon
• سطح effort چیست و چطور هزینه هر کار را پایین می‌آورد
• نمونه‌کارها، از طراحی سخت‌افزار تا اثبات قضیه آخر فرما
• روش استفاده در اپ Claude و API، و شرایط پیشنهاد هفته اول

تفاوت Fable 5.2 و Mythos 5.2

آنتروپیک می‌گوید این دو نسخه روی یک مدل پایه ساخته شده‌اند. نسخه Fable 5.2 طبقه‌بندهایی دارد (سیستم‌هایی که هر درخواست را پیش از پاسخ بررسی می‌کنند) و این طبقه‌بندها جلوی کارهای پرخطر امنیت سایبری، مثل تست نفوذ و ساخت اکسپلویت (کدی که از یک حفره امنیتی سوءاستفاده می‌کند)، و بیشتر کارهای پژوهشی زیست‌شناسی را می‌گیرند. اگر درخواستی مسدود شود، مدل دیگری جواب می‌دهد: Opus 4.8 برای درخواست‌های سایبری و Opus 5 برای زیست‌شناسی.

نسخه Mythos 5.2 همین مدل بدون این سدهاست. دسترسی به آن فقط از راه دو برنامه احراز صلاحیت آنتروپیک ممکن است: Cyber Verification Program برای امنیت سایبری و Life Sciences Verification Program برای علوم زیستی. مشتریان Claude Enterprise هم می‌توانند از Claude Security استفاده کنند که روی Mythos 5.2 کار می‌کند. پس برای بیشتر کاربران، مدلی که واقعاً در دسترس است Fable 5.2 است.

چه چیزی نسبت به Fable 5.1 بهتر شده

اولین تغییر سرعت است. خروجی Fable 5.2 تا ۳۰ درصد سریع‌تر از Fable 5.1 تولید می‌شود. حالت سریع (fast mode) هم در دسترس است که سرعت تولید متن را تا ۲٫۵ برابر بالا می‌برد، اما قیمتش دو برابر حالت عادی است.

تغییر دوم مصرف است. توکن واحدی است که مدل‌ها متن را با آن می‌شمارند و هزینه و سهمیه مصرف بر اساس آن حساب می‌شود. در سطح Medium، که پیش‌فرض اپ‌های Claude و Claude Code است، Fable 5.2 همان کار را با توکن کمتری از نسخه قبل انجام می‌دهد. پس اگر قبلاً با Fable 5.1 کار می‌کردید، سهمیه‌تان دیرتر تمام می‌شود.

تغییر سوم به سدهای ایمنی برمی‌گردد. در آزمایش‌های اولیه، Fable 5.2 حدود ۵۵ درصد کمتر از Fable 5.1 درخواست‌ها را مسدود کرده است؛ ۶۰ درصد کمتر در امنیت سایبری و ۴۰ درصد کمتر در زیست‌شناسی. آنتروپیک می‌گوید سطح محافظت در این دو حوزه کم نشده است. یعنی اگر با Fable 5.1 مدام به پیام مسدودشدن درخواست برمی‌خوردید، حالا کمتر با آن روبه‌رو می‌شوید. آنتروپیک همچنین می‌گوید پاسخ‌های مدل جدید روشن‌تر از نسخه‌های قبلی Fable و Mythos است.

نتایج بنچمارک‌های مدل جدید آنتروپیک

بنچمارک آزمونی استاندارد است که مدل‌ها را روی مجموعه‌ای ثابت از کارها مقایسه می‌کند. همه اعداد زیر را خود آنتروپیک منتشر کرده و نهادهای مستقل آن‌ها را بازبینی نکرده‌اند.

جدول ۱. امتیاز Fable 5.2 در کنار نسخه قبلی و مدل‌های رقیب. عبارت داخل پرانتز، سطح effort در آن آزمون است. منبع: Anthropic

چند ردیف این جدول توضیح لازم دارد. «کدنویسی ایجنتی» یعنی مدل فقط کد پیشنهاد نمی‌دهد، خودش کد را می‌نویسد، اجرا می‌کند و خطاها را رفع می‌کند. در FrontierCode 2.0، نمرهٔ ۴۹٫۱ درصدی Fable 5.2 به گفته آنتروپیک بالاترین نمره مدل‌های منتشرشده‌ای است که آزمایش کرده‌اند. در OSWorld مدل باید با برنامه‌های یک سیستم‌عامل واقعی کار کند، و Humanity's Last Exam مجموعه‌ای از سؤال‌های بسیار دشوار در رشته‌های مختلف است. آزمون Remote Labor Index پروژه‌های واقعی دورکاری را می‌سنجد و Fable 5.2 در آن نمره نسخه قبل را بیش از دو برابر کرده است.

بزرگ‌ترین جهش در رباتیک است. در RoboDojo Sim، که کنترل ربات را در شبیه‌ساز می‌سنجد، نمره Fable 5.2 بیش از دو برابر GPT-6 Astra و Fable 5.1 است.

مدل جدید همه‌جا اول نیست. در AutomationBench، که خودکارسازی کارهای روزمره شرکت‌ها را می‌سنجد، Gemini 4 carbon با ۵۳٫۹ درصد جلوتر است. در امتیاز Elo آزمون AA-Briefcase هم Opus 5.5 با ۱۸۰۰ امتیاز کمی بالاتر از Fable 5.2 با ۱۷۸۵ امتیاز قرار دارد. امتیاز Elo از مقایسه دوبه‌دوی پاسخ‌ها به دست می‌آید، شبیه رده‌بندی بازیکنان شطرنج.

نتایج Mythos 5.2 در حوزه‌های حساس جداگانه گزارش شده، چون Fable 5.2 در این حوزه‌ها سد ایمنی دارد. در این جدول، Opus 5.5 هم بدون سد ایمنی آزمایش شده است.

جدول ۲. امتیاز Mythos 5.2 در امنیت سایبری و طراحی پروتئین. منبع: Anthropic

در CyScenarioBench نمره هر آزمایشگاه روی مجموعه کارهای مخصوص خودش حساب شده، پس مقایسه مستقیم این ردیف با احتیاط انجام شود. در Terminal-Bench-Science هم Mythos 5.2 نمره ۷۵٫۳ درصد گرفته، یعنی کمی بالاتر از ۷۴٫۶ درصد Fable 5.2.

سطح effort و هزینه هر کار

سطح effort تعیین می‌کند مدل پیش از جواب‌دادن چقدر فکر و کار کند. هرچه سطح بالاتر باشد، جواب معمولاً دقیق‌تر است، ولی زمان و توکن بیشتری مصرف می‌شود. مدل‌های Fable پنج سطح دارند: Low، Medium، High، Xhigh و Max. پیش‌فرض اپ‌های Claude و Claude Code سطح Medium است.

نکته مهم Fable 5.2 این است که در سطح‌های پایین‌تر به نتیجه سطح بالای مدل‌های قبلی می‌رسد. در FrontierCode 2.0، این مدل در سطح High نمره ۴۵٫۳ درصد گرفته که تقریباً هم‌اندازه بهترین نمرهٔ Opus 5.5 در سطح Max (۴۵٫۵ درصد) است، با حدود نصف هزینه برای هر کار. با همان هزینه‌ای که GPT-6 Astra به بهترین نمره‌اش (۴۲٫۸ درصد) رسیده، Fable 5.2 نمره بالاتری گرفته است.

در آزمون WANDR، که جست‌وجوی چندمرحله‌ای در وب را می‌سنجد و شرکت Perplexity آن را ساخته، Fable 5.2 در سطح Medium به بهترین نمره Opus 5.5 رسیده؛ با حدود ۴۰ درصد هزینهٔ آن.

برای طراح‌ها و کسانی که با مدل‌سازی سه‌بعدی کار می‌کنند، نتیجهٔ BenchCAD 2.1 جالب‌تر است. این آزمون طراحی در نرم‌افزارهای CAD را می‌سنجد. در سطح Max، نمره Fable 5.2 به ۸۳٫۵ رسیده، در حالی که Opus 5.5 نمره ۶۵٫۳ و Fable 5.1 نمره ۴۴٫۴ گرفته‌اند.

در Humanity's Last Exam، این مدل حتی در پایین‌ترین سطح یعنی Low به بهترین نمرهٔ Opus 5.5 رسیده، با کمتر از یک‌دهم هزینهٔ هر کار.

در Chartography هم، که خواندن نمودار بدون ابزار کمکی را می‌سنجد، Fable 5.2 در سطح Medium نمره ۶۶٫۴ درصد گرفته و از Opus 5.5 در سطح Max (۶۴٫۴ درصد) جلو زده؛ باز هم با کمتر از یک‌دهم هزینه.

نتیجهٔ عملی این اعداد ساده است: پیش از اینکه سطح effort را بالا ببرید، سطح پایین‌تر را امتحان کنید. ممکن است همان نتیجه را با هزینه خیلی کمتر بگیرید.

قیمت استفاده از API هم در جدول زیر آمده است.

جدول ۳. قیمت Fable 5.2 در API برای هر میلیون توکن.

نمونه‌کارهایی که آنتروپیک منتشر کرده

سه دستگاه الکترونیکی با یک پرامپت

آنتروپیک به مدل یک پرامپت یک‌پاراگرافی داد و از آن خواست سه دستگاه الکترونیکی طراحی و تولید کند؛ برای هر کدام باید برد مدار، بدنه پرینت سه‌بعدی و نرم‌افزار اجرایی تهیه می کرد. حاصل کار یک هاب دستیار صوتی خانگی، یک اسپیکرفون USB و یک حیوان خانگی مجازی جیبی بود.

مدل مشخصات فنی را خودش نوشت، قطعه‌ها را از فروشنده‌های آمریکایی انتخاب کرد، یک برد مدار چهارلایه طراحی کرد، بدنه‌ها را در CAD مدل کرد و کد دستگاه‌ها را نوشت. ساخت بردها را شرکت Diode انجام داد که کارش طراحی و تولید برد مدار است، و طراحی هر برد در کمتر از یک روز آماده تولید شد. بعد از ساخت، مدل مهندس‌های Diode را در تست و مونتاژ راهنمایی کرد. هر سه دستگاه بدون نیاز به اصلاح مدار کار کردند. آنتروپیک تعداد تلاش‌ها و جزئیات تست را منتشر نکرده است.

سیستم‌عامل آزمایشی با بیش از هزار ایجنت

ایجنت نسخه‌ای از مدل است که یک کار چندمرحله‌ای را مستقل جلو می‌برد. یک مهندس با Fable 5.2 بیش از هزار ایجنت را در طول هشت روز هماهنگ کرد و نتیجه یک سیستم‌عامل آزمایشی بود که روی لپ‌تاپ بالا می‌آید.

آنتروپیک دو نمونه دیگر هم از کدنویسی آورده است. نسخه اولیه Fable 5.2 به انتقال یک سرویس واقعی از زبان Python به Rust کمک کرد و حالا آن سرویس حدود ۲۶ برابر سریع‌تر راه‌اندازی می‌شود. به گفته شرکت، بیش از ۹۰ درصد تغییراتی که در کد اصلی آنتروپیک ثبت می‌شود را Claude با راهنمایی انسان می‌نویسد.

اثبات قضیه آخر فرما در ۳۰ ساعت

فرمال‌سازی یک اثبات ریاضی یعنی نوشتن آن به زبانی که کامپیوتر بتواند درستی تک‌تک قدم‌هایش را بررسی کند. در این آزمایش، زبان Lean به کار رفت. تیمی از حدود هزار ایجنت Fable 5.2 اثبات قضیه آخر فرما را در ۳۰ ساعت به‌طور کامل فرمال کرد. ایجنت‌ها از پرامپت‌های کوتاه شروع کردند، روش هماهنگی‌شان را خودشان ساختند و به هیچ منبع ریاضی دسترسی نداشتند؛ فقط فهرستی از قضیه‌های میانی داشتند تا پیشرفت را دنبال کنند.

تلاش قبلی، با یک نسخه پژوهشی منتشرنشده از Claude، ابزار اختصاصی و راهنمایی انسان، ۱۱ روز طول کشیده بود. اثبات جدید هفت برابر کوتاه‌تر است و یک‌سوم آن تلاش توکن مصرف کرده. Opus 5.5 با همان تعداد ایجنت در ۱۸ ساعت فقط ۲۶ درصد کار را تمام کرد و تا ساعت ۳۰ تقریباً جلوتر نرفت.

رباتیک

در RoboDojo Sim، که کنترل ربات را در شبیه‌ساز می‌سنجد، Fable 5.2 در بالاترین سطح effort میانگین ۶۴٫۹ درصد گرفته است. این عدد بیش از دو برابر GPT-6 Astra با ۲۹٫۸ درصد و Fable 5.1 با ۲۷٫۶ درصد است. آنتروپیک این آزمون را خودش اجرا کرده است. در ویدیوی منتشرشده، ربات‌هایی که Fable 5.2 کنترلشان می‌کند مکعب حل می‌کنند، در بطری باز می‌کنند و نقاشی می‌کشند.

فیزیک نظری و پروتئین

در فیزیک نظری، Fable 5.2 دو مسئله باز درباره سیاه‌چاله‌ها را حل کرد. یکی از آن‌ها محاسبه‌ای بود که از سال ۲۰۰۳ به دلیل حجم زیاد ناتمام مانده بود. مدل نشان داد سیاه‌چاله در جهان‌های کوچک هم به‌شکل ناگهانی شکل می‌گیرد، همان‌طور که فیزیک‌دان‌ها در ۱۹۸۳ برای جهان‌های بزرگ نشان داده بودند. در مسئله دوم، مدل حد دقیق روشی را پیدا کرد که بیش از ۱۵ سال برای رد نظریه‌های کاندیدای گرانش کوانتومی به کار می‌رفت. نتیجه هر دو کار به‌صورت پیش‌انتشار (مقاله علمی پیش از داوری) منتشر شده است.

در زیست‌شناسی، Mythos 5.2 ساختار کپسید ویروس AAV را پیش‌بینی کرد. کپسید پوسته پروتئینی ویروس است و AAV در ژن‌درمانی برای رساندن دارو به سلول به کار می‌رود. چون هر کپسید از ده‌ها پروتئین ساخته شده، مدل‌های موجود مثل AlphaFold نمی‌توانند کل آن را یک‌جا مدل کنند. مدل Mythos 5.2 با تکیه بر دو مدل متن‌باز پیش‌بینی ساختار پروتئین روشی ساخت که از ۳۴ کپسید آزمایش‌شده، ۲۸ مورد را دقیق مدل کرد.

پژوهش و تحلیل داده

چند شرکت که مدل را پیش از انتشار آزمایش کرده‌اند، نتیجه‌هایشان را گزارش داده‌اند. شرکت Discovered Materials با کمک مدل، کدی برای محاسبه ارتعاش شبکه اتمی مواد را روی همان کارت گرافیک به‌طور میانگین حدود ۳۶ برابر سریع‌تر کرد؛ ۱۳ مورد آزمایشی که ۳٫۳ ساعت طول می‌کشید، به کمتر از چهار دقیقه رسید. شرکت Fundamental Research Labs گزارش داده که مدل هنگام انتقال داده‌های مالی به یک مدل پیش‌بینی، متوجه شد ارقام منطقه‌ای با جمع کل گزارش‌شده نمی‌خواند، و در آزمون داخلی این شرکت ۹۱ درصد گرفت، در برابر ۸۶ درصدِ بهترین مدل بعدی.

امنیت سایبری با Mythos 5.2

شناسه CVE کدی عمومی است که به هر آسیب‌پذیری امنیتی شناخته‌شده داده می‌شود. در آزمون CVE Rediscovery، مدل باید آسیب‌پذیری‌هایی را که قبلاً کشف شده‌اند، بدون راهنمایی دوباره پیدا کند. اجرای اکتبر ۲۰۲۶ این آزمون ۱٬۸۲۹ آسیب‌پذیری را پوشش داد و Mythos 5.2 در آن به ۸۹٫۶ درصد رسید.

[[IMAGE]]

یک شرکت امنیتی گزارش داده که از هر شش باگ تأییدشده‌ای که Mythos 5.2 پیدا کرده، یکی را هیچ‌کدام از مدل‌های پیشرفته دیگری که آزمایش کرده بود پیدا نکرده بودند. یک آزمایش‌کننده دیگر هم گفته مدل‌های قبلی شدت حدود یک مورد از هر ۲۰ یافته را بیشتر از واقع نشان می‌دادند، اما Mythos 5.2 هیچ موردی را بزرگ‌نمایی نکرده است.

این اعداد را با احتیاط بخوانید. خود آنتروپیک می‌گوید این‌ها شمارش خام یک بازرسی است و در ارزیابی‌های داخلی شرکت، توان Mythos 5.2 در شناسایی آسیب‌پذیری تقریباً هم‌سطح Opus 5.5 است.

ایمنی و محدودیت‌ها

آنتروپیک رفتار مدل را در حدود ۱٬۹۰۰ سناریوی خودکار سنجیده است. نمره این آزمون از ۱ تا ۱۰ است و عدد کمتر یعنی رفتار نامطلوب کمتر، مثل همکاری با سوءاستفاده انسان یا اقدام خودسرانه.

در آزمون فرار از محیط ایزوله (sandbox)، که در آن مدل عمداً تحت فشار قرار می‌گیرد، Mythos 5.2 در ۳٫۱ درصد از بیش از ۱٬۸۰۰ سناریو از اطلاعات ورود یا فایل‌های بیرون از محیط مجازش استفاده کرده است. این عدد برای Opus 5.5 برابر ۳٫۳ درصد، برای Mythos 5.1 برابر ۲۱ درصد و برای Mythos 5 برابر ۳۹ درصد بوده است. یعنی پیشرفت زیادی شده، ولی تلاش برای فرار هنوز صفر نشده است.

چند محدودیت دیگر هم در گزارش آمده است:

• سدهای ایمنی Fable 5.2 هنوز جلوی بیشتر کارهای امنیت سایبری، از جمله تست نفوذ و ساخت اکسپلویت، را می‌گیرد.
• مدل‌های Mythos 5.2 و Fable 5.2 بیشتر از مدل‌های اخیر می‌گویند حدس می‌زنند در حال ارزیابی‌اند، و این قابل‌اعتماد بودن نتیجه ارزیابی‌ها را زیر سؤال می‌برد.
• در یکی از معیارها، یعنی انجام اقدام آسیب‌زا بعد از اینکه مدل نتیجه می‌گیرد در شبیه‌سازی است، Mythos 5.2 کمی بدتر از Opus 5.5 عمل کرده است.
• مؤسسه امنیت هوش مصنوعی بریتانیا، Frontier Design و METR مدل را آزمایش کرده‌اند، اما مطلب آنتروپیک و کارت سیستم مدل را بازبینی نکرده‌اند و لزوماً با ادعاهای آن موافق نیستند.

چطور از Fable 5.2 استفاده کنیم

پیش‌نیاز: یک اشتراک پولی Claude یا حساب API در Claude Platform. مدل روی Amazon Web Services، Google Cloud و Microsoft Azure هم در دسترس است. برای شروع در اپ Claude به دانش فنی نیاز ندارید.

مرحله ۱: مدل Fable 5.2 را از منوی انتخاب مدل برگزینید. با انتشار مدل جدید، مدل پیش‌فرض حساب شما عوض نمی‌شود. پس اگر این کار را نکنید، گفت‌وگو با همان مدل قبلی ادامه پیدا می‌کند.

مرحله ۲: سطح effort را متناسب با کار نگه دارید. پیش‌فرض اپ‌ها و Claude Code سطح Medium است و برای بیشتر کارها کافی است. سطح بالاتر را فقط برای کارهای سنگین، مثل پروژه‌های بزرگ کدنویسی، امتحان کنید؛ چون همان‌طور که در بخش قبل دیدید، سطح بالاتر هزینه بیشتری دارد و همیشه نتیجه را به همان نسبت بهتر نمی‌کند.

مرحله ۳: مصرف را زیر نظر بگیرید. مدل‌های Fable سهمیه را سریع‌تر از مدل‌های دیگر مصرف می‌کنند. وضعیت مصرف در بخش Settings و سپس Usage دیده می‌شود. اگر ریست رایگان دارید، در همین بخش زیر عنوان Limit resets گزینه Reset for free را بزنید تا مصرف فوراً برگردد. ریست برگشت‌پذیر نیست؛ در سهمیه هفتگی فقط مصرف مدل‌های Fable را برمی‌گرداند، اما پنجره پنج‌ساعته را کامل پر می‌کند.

مرحله ۴: برای API، شناسه مدل را عوض کنید. در کد کافی است شناسه مدل را claude-fable-5-2 بگذارید. حالت سریع در Claude Code، Claude Platform، سرویس Claude در Google Cloud و Microsoft Foundry در دسترس است. اگر هزینه برایتان مهم است، پیش از روشن‌کردن حالت سریع به قیمت دو برابر آن در جدول ۳ دقت کنید.

آنتروپیک خودش پیشنهاد می‌کند بیشتر کارهای کدنویسی و کارهای دانشی را با Opus 5.5 شروع کنید و فقط هر جا لازم شد سراغ Fable یا Mythos بروید، یا برای کارهای ساده‌تر سراغ Sonnet 5.5 و Haiku 5.5.

پیشنهاد هفته اول انتشار

آنتروپیک برای انتشار این مدل، مصرف اضافه‌ای از Fable به مشترکان پلن‌های پولی داده است. این پیشنهاد همه مدل‌های Fable یعنی 5.2، 5.1 و 5 را شامل می‌شود. پرداخت اشتراک باید پیش از ساعت ۱۰ صبح ۹ نوامبر به وقت اقیانوس آرام فعال شده باشد.

جدول ۴. پیشنهاد هفته اول Fable 5.2 برای هر پلن. منبع: مرکز راهنمای Claude

تعداد ریست برای پلن‌های Max، Ultra و صندلی‌های premium به مدت اشتراک بستگی دارد: کمتر از شش ماه یک ریست، شش تا دوازده ماه دو ریست و بیش از دوازده ماه سه ریست. این ریست‌ها تا ۸ مارس ۲۰۲۷ (۱۷ اسفند ۱۴۰۵) اعتبار دارند.

اشتباهات رایج و راه‌حل آن‌ها

اگر بعد از انتشار هنوز با مدل قبلی گفت‌وگو می‌کنید، احتمالاً Fable را دستی انتخاب نکرده‌اید؛ مدل پیش‌فرض عوض نمی‌شود و باید آن را از منوی انتخاب مدل برگزینید.

اگر سهمیه‌تان زودتر از انتظار تمام شد، علتش مصرف بالاتر مدل‌های Fable است. کارهای روزمره را به Opus 5.5 بسپارید، سطح effort را پایین نگه دارید و در صورت نیاز از ریست رایگان استفاده کنید.

اگر مدل به یک درخواست امنیتی یا زیستی جواب نداد یا جواب با کیفیت دیگری برگشت، احتمالاً سد ایمنی Fable آن را مسدود (Flag) کرده و پاسخ از Opus 4.8 یا Opus 5 آمده است. تنها نسخه‌ای که این سد را ندارد Mythos 5.2 است و آن هم فقط در اختیار سازمان‌های تأییدشده قرار می‌گیرد.

اگر بعد از ۲۶ آبان روی پلن Pro برای Fable هزینه کسر شد، هفته پیشنهاد تمام شده و مصرف به اعتبار مصرف برگشته است. سهم استفاده‌نشده از ۵۰ درصد هم به هفته بعد منتقل نمی‌شود.

جمع‌بندی و نکته کلیدی

مدل جدید آنتروپیک در همه معیارهای جدول این شرکت به‌جز امتیاز Elo آزمون AA-Briefcase از Opus 5.5 جلوتر است و در رباتیک و طراحی CAD فاصله زیادی با نسخه قبل دارد. نمونه‌هایی مثل طراحی سه دستگاه الکترونیکی و فرمال‌سازی قضیه فرما نشان می‌دهد این مدل برای کارهای بلند و چندمرحله‌ای ساخته شده، نه فقط پاسخ به یک سؤال. همه این اعداد را خود آنتروپیک منتشر کرده و هنوز ارزیابی مستقلی درباره آن‌ها منتشر نشده است.

نکتهٔ طلایی: مهم‌ترین تغییر Fable 5.2 نمره بالاتر نیست. این است که در سطح effort پایین‌تر به نتیجه سطح بالای مدل‌های قبلی می‌رسد. پس پیش از بالا بردن effort، سطح پایین‌تر را امتحان کنید.

گام بعدی

حالا که می‌دانید Fable 5.2 در چه کارهایی قوی‌تر است، یک پروژهٔ واقعی خودتان را که با مدل‌های قبلی نیمه‌کاره مانده بود، با آن امتحان کنید. اگر می‌خواهید Claude را در کار تدوین، موشن و طراحی وب به کار بگیرید، دوره آموزش هوش مصنوعی Claude در بیت‌گرف را ببینید.

منبع

همهٔ اعداد، نمودارها و ویدیوهای این مقاله از صفحهٔ رسمی آنتروپیک است:

• معرفی Claude Fable 5.2 و Claude Mythos 5.2، سایت Anthropic
• پیشنهادهای انتشار Claude Fable 5.2، مرکز راهنمای Claude