Давно не разбирал анонсы LLMs, но кажется этот случай особый и в конце материала будет понятна причина.
В апреле Anthropic анонсировала Mythos – новый класс моделей, стоящий, по утверждению компании, ступенью выше прежнего флагмана Opus, но публике Mythos не достался. Запущенная как превью в апреле, модель изначально была ограничена очень ограниченным пулом доверенных компаний из-за опасений в области кибербезопасности в связи с аномальными способностями модифицировать код и находить сложные и скрытые уязвимости.
Fable 5 – первая публично доступная модель класса Mythos.
В свою очередь Mythos 5 – это та же базовая модель, что и Fable 5, но со снятыми в некоторых областях ограничениями. Различие – исключительно в защитных контурах в области кибербезопасности, химии и биологии, где встроенная защита в Fable 5 блокирует запрос и откатывается к Claude Opus 4.8, а Mythos, как выше отмечено, доступна ограниченному кругу доверенных корпоративных клиентов (в основном технологические компании США и ведущие университеты в орбите Anthropic).
Судя по представленным бенчмаркам (хотя слепо доверять не стоит, компании специально адаптируют флагманские модели, чтобы успешно проходить конкретные бенчмарки), Fable 5 в клочья разрывает все, что было представлено ранее, даже собственную недавно анонсированную Opus 4.8.
Параметры: контекст 1 млн токенов, максимальный вывод 128 тыс токенов, адаптивный рассуждающий механизм, значительно улучшена способность удержания длинного контекста, что является критической функцией в условиях сложных проектов.
Fable 5 и Mythos 5 стоят вдвое дороже Claude Opus 4.8, нынешней флагманской модели. Цена: $10 за 1 млн входных токенов и $50 за 1 млн выходных токенов.
Однако, Fable 5 выполняет задачи с меньшим расходом токенов, поэтому стоимость завершённой задачи может снижаться, несмотря на более высокую цену за токен.
Реальная метрика – стоимость успешного завершённого процесса: число попыток, число исправлений, число ручных проверок, глубина автоматизации, риск ошибки, время до конечного верифицированного результата.
Fable 5 адресован не столько потребительскому рынку, сколько компаниям, готовым платить за более высокий уровень интеллектуальной автоматизации в коде, аналитике, исследованиях и документообороте.
Принципиальный паттерн, заявленный Anthropic и подтверждённый бенчмарками: преимущество модели растёт нелинейно с длиной и сложностью задачи. Чем длиннее и сложнее задача, тем больше отрыв Fable 5 от прочих моделей.
Фундаментальный прорыв, по крайней мере, как его пытается представить Anthropic, но пересказанный моими словами, заключается в способности выполнять многошаговые вычислительные итерации, собирая итоговый результат из многомерной матрицы параметров и динамических условий в сложной междисциплинарной работе, иерархически интегрируя разрозненные параметры в целостный вектор принятия решений в рамках формулирования решения исходной задачи, сохраняя при этом контекст по всей глубине.
Заявка сильная – по сути, анонс расщепляет все наиболее явные и критические для работы архитектурные ограничения LLMs, которые я описывал на протяжении трех лет в серии статей, посвященных ИИ.
Fable 5 и Mythos 5 способны работать автономно дольше, чем предыдущие Claude-модели. В бизнес-переводе это означает: модель лучше подходит для задач, где результат появляется не после одного ответа, а после серии действий: анализ репозитория, миграция кода, сбор доказательной базы, проверка таблиц, сопоставление документов, подготовка аналитического вывода.
Anthropic также утверждает, что Fable 5 удерживает фокус на задачах с миллионами токенов и улучшает результаты, используя собственные заметки. В эксперименте с длительной игровой задачей Fable 5 обеспечила примерно втрое больший прирост, чем Opus 4.8.
Другими словами, архитектура Fable 5 изначально заточена под бизнес адаптацию в рамках сложных корпоративных задач. Сегодня еще более подробно исследую технические параметры Fable 5.
Рано делать выводы, нужны не тесты, а опыт прикладного использования, причем серийного в различных сценариях, а пока лишь гипотезы и маркетинговые лозунги.
Рассуждая о новой модели Fable 5, нужно иметь в виду, что Anthropic готовится к IPO (это первая и одновременно последняя возможность разместиться сверх-дорого, пока в терминальном психозе, взвизгивающие от экстаза и припадков лудоманы, способны платить в разы больше истинной ценности).
Все это, чтобы успешно нахлобучить обезумевших лудоманов на триллион+, поэтому в медийном разгоне будут активно эксплуатировать тему AGI, технологической сингулярности и исключительности продуктов Anthropic в бизнес-задачах, чтобы подхватить рыночный хайп и корпоративный спрос на ИИ-решения Anthropic.
Например, Anthropic предупредила, что
системы развиваются настолько быстро, что вскоре могут достичь рекурсивного самоулучшения (RSI) – автономного совершенствования без вмешательства человека.
Это только начало, впереди много медийной требухи, но … одновременно и интересных решений в области LLMs.
Я так зацепился за новый анонс Anthropic, потому что в презентации были задекларированы закрытия многих архитектурных дыр и уязвимостей, которые я активно описывал в 2024-2025, т.е. это реально заявка на решительное превосходство и способность перехвата прикладных задач в бизнесе и науке.
Во-вторых, презентация Anthropic – это дорожная карта для всех других LLMs в ближайшие годы. Вероятно, не все из объявленного будет работать сразу, но это скорее проекция намерений.
Во всяком случае, полезно и интересно наблюдать за траекторией развития флагманов индустрии.
Да, сложно уместить 350-страничную системную карту в один или даже несколько постов, но все же попробую расставить акценты.
▪️Способность к длительной автономной работе над сложной задачей. Именно здесь, судя по документу Anthropic, проходит основная линия разрыва между Fable 5 и прежними моделями.
Речь идет не о способности дать более «красивый» ответ на один запрос, а о способности удерживать цель, промежуточные зависимости, ограничения и рабочую логику на протяжении длинного процесса.
Это принципиально иной режим использования LLM: не справочник, не генератор текста, не ассистент для одного действия, а инструмент для выполнения сложной последовательности операций.
Преимущество Fable 5 растет именно там, где задача многослойна, плохо формализована и требует не одного ответа, а серии проверяемых решений.
▪️В этом и заключается ключ перехода к цепочке трансмиссии в агентные возможности, куда и концентрируются основные ресурсы Anthropic и где наибольшее преимущество новых моделей.
Агентная работа LLMs предполагает полуавтоматическую или полностью автономную работу с возможностью консолидации инструментов под конкретную задачу с жесткими критериями верификации и следованию инструкциями
ИИ-агент – это автономная система на базе LLM, которая получает цель, самостоятельно декомпозирует её на шаги и итеративно идёт к результату в цикле «планирование → действие инструментами → оценка результата → коррекция», вызывая внешние инструменты (код, поиск, API, файлы, суб-агенты) и удерживая контекст на протяжении всего процесса. Ключевое отличие от обычного чат-интерфейса – не один ответ на запрос, а серия проверяемых действий, доводящих задачу до верифицированного конечного результата при минимальном участии человека.
Это один из центральных акцентов Anthropic в рамках презентации Fable 5.
▪️Длинный контекст и способность сохранять стабильность на значительной глубине извлекаемых данных.
Один миллион токенов сам по себе не является прорывом, если модель теряет причинно-следственные связи, путает факты, исходные данные и галлюцинирует.
Ранее я неоднократно описывал, что один из ключевых архитектурных багов современных LLMs – фундаментальная неспособность удерживать и эффективно воспроизводить длинный контекст без потери содержания.
В тестах Anthropic в значительно степени решает эти проблемы, но без длинного и стабильного контекста в принципе исключена полноценная роль ИИ-агентов.
▪️ Отдельно нужно выделить мультимодальность и работу с визуально сложными материалами. Здесь речь не о банальной способности модели «видеть картинки». Эта функция давно перестала быть экзотикой.
Важен другой уровень: способность превращать визуально неоднородный материал в структурированное понимание, пригодное для анализа, проверки и принятия решений.
Большая часть реального корпоративного знания существует не в чистом тексте. Оно зашито в PDF, таблицы, графики, презентации, сканы, интерфейсы, диаграммы, схемы, сноски, приложения и плохо формализованные визуальные документы.
Поэтому мультимодальность Fable 5 важна не как декоративная функция, а как переход к обработке сложно сочлененной медиа среды, в которой работают компании. Если прежние LLM в основном жили в мире текста, то Fable 5 претендует на более широкий контур :извлекать данные из сложного и плохо формализованного набора документов, интерпретировать интерфейс и превращать визуальный хаос в аналитическую структуру.
Помимо сложных и перегруженных запросов неструктурированным визуальным контентом, отмечается прогресс в :
• Инженерная и архитектурная визуализация с пониманием геометрии и структуры объектов.
• Пространственное и интерфейсное понимание – умение работать не только с документами, но и в рамках интерфейсов различных приложений и операционных систем, умение обеспечивать эффективную навигацию и назначение объектов.
• Визуальная аналитика – понимание нешаблонных, в том числе эскизных и многоуровневых графиков и схем.
В корпоративной среде развертывание ИИ агентов часто заблокировано в визуальных форматах, а для корректного извлечения, понимания и интерпретации обычно требуется человек, что блокирует автоматизации ИИ-агентов. Если модель научилась надежнее извлекать смысл из этих форматов, она становится ближе к полноценному аналитическому агенту.
▪️ Сильно прокачан аналитический модуль. Модель должна не просто дать ответ, а собрать законченный рабочий продукт.
В консалтинге ценность определяется в процессе прохождения всей цепочки: от первичного массива данных до проверяемого, верифицированного вывода при точном следовании инструкциям.
Например, в финансовой аналитике необходимо прочитать документы, вытащить нужные данные и факты в контексте запроса, сопоставить периоды и структуру данных, заметить расхождения, отделить существенное от второстепенного, встроить факты в экономическую логику, проверить итог на внутреннюю непротиворечивость и только после этого сформулировать вывод.
Заявлено, что Fable 5 справляется с этими задачами заметно лучше, чем любые другие модели на рынке.
▪️ Ценность Fable 5 проявляется там, где итоговый ответ сводится к формату «открытого результата», когда нет однозначного ответа, что особо явно проявляется в социальных, гуманитарных науках, где комплекс противоречий требует выстраивать иерархию рисков и именно это определяет, так называемый, истинный интеллект, делая преимущество человека над машиной более явным.
В теории Fable 5 нивелирует разрыв и способна работать в условиях противоречий и неоднозначностей.
▪️ Сложные междисциплинарные рассуждения определяют способность ИИ обеспечивать экстракт нужных данных, фактов и сведений из различных дисциплин для решения поставленной задачи, что также определяет преимущество человека над ИИ.
На Humanity's Last Exam модель набирает 59.0% без инструментов и 64.5% с инструментами против 49.8% / 57.9% у Opus 4.8, 41.4% / 52.2% у GPT-5.5 и 44.4% / 51.4% у Gemini 3.1 Pro.
▪️ Рефлексия над процессом размышления – еще один кластер, определяющий слабые места LLMs. На максимальном режиме «вдумчивости» Fable 5 рефлексирует над собственным результатом и валидирует его, т.е. теоретически заявлен контроль / автокоррекция над правильностью выполнения задачи.
Оценили 9 человек
14 кармы