Anthropic lanza Claude Fable 5.2 y Claude Mythos 5.2 para tareas técnicas complejas

Anthropic ha lanzado Claude Fable 5.2 y Claude Mythos 5.2, modelos diseñados específicamente para manejar desafíos técnicos de alta complejidad, como migraciones de software e ingeniería de hardware. Durante las pruebas previas al lanzamiento, estos modelos formalizaron con éxito la demostración del Último Teorema de Fermat en solo 30 horas y diseñaron tres dispositivos electrónicos funcionales desde cero. Estas actualizaciones tienen como objetivo proporcionar una alternativa más eficiente y de menor costo para trabajos técnicos ambiciosos y abiertos en comparación con el estándar Claude Opus 5.5.

Esta visualización respalda la afirmación sobre las capacidades de los modelos en ciberseguridad y desafíos técnicos de alta complejidad.

Arquitectura y niveles de acceso

Claude Fable y Claude Mythos comparten la misma arquitectura de modelo subyacente pero difieren en sus configuraciones de seguridad. Fable 5.2 está diseñado para la disponibilidad general, contando con fuertes salvaguardas de ciberseguridad y biología para evitar el mal uso. En contraste, Mythos 5.2 está reservado para organizaciones que buscan aplicaciones beneficiosas en ciberseguridad o investigación biomédica a través de los Programas de Verificación de Ciberseguridad y Ciencias de la Vida de Anthropic.

Anthropic posiciona estos modelos como herramientas para el trabajo técnico más ambicioso. Si bien Fable 5.2 puede actuar como un 'Asesor' para ayudar a modelos más pequeños a resolver problemas difíciles o como un 'Orquestador' para delegar tareas más simples, la empresa todavía recomienda Claude Opus 5.5 como el 'motor principal' diario para la mayoría de las tareas estándar de programación y conocimiento.

Ganancias en rendimiento y eficiencia

Las actualizaciones 5.2 proporcionan mejoras significativas en velocidad y eficiencia de costos. Los usuarios pueden esperar resultados hasta un 30% más rápidos que las versiones 5.1 a un punto de precio más bajo. Además, está disponible un 'modo rápido' que puede acelerar la generación de tokens hasta 2.5 veces, aunque conlleva un precio más alto de $16 por millón de tokens de entrada y $80 por millón de tokens de salida.

Gráfico elaborado por HN Digest a partir de cifras reportadas por anthropic.com; los valores se muestran como aparecen en la fuente.

En aplicaciones prácticas, Fable 5.2 ha demostrado un juicio de ingeniería de alto nivel. Por ejemplo, se utilizó para migrar un servicio de producción de Python a Rust, dando como resultado un servicio más confiable que se inicia aproximadamente 26 veces más rápido. También coordinó con éxito más de 1,000 subagentes para construir un prototipo de sistema operativo desde una carpeta vacía en ocho días.

Comparaciones de puntos de referencia y limitaciones

Los datos de los puntos de referencia muestran a Fable 5.2 superando a Opus 5.5 en varias categorías. En 'programación agéntica' en el punto de referencia FrontierCode 2.0, Fable 5.2 alcanzó una puntuación del 49.1% en 'esfuerzo alto', la puntuación más alta de cualquier modelo lanzado probado por Anthropic. También mostró ventajas significativas en ingeniería de hardware (BenchCAD 2.1) y reconocimiento de gráficos visuales (Chartography).

Esta tabla proporciona una visión general completa de cómo funcionan los nuevos modelos en diferentes puntos de referencia técnicos en comparación con el modelo Opus estándar.

El gráfico ilustra las ganancias de rendimiento específicas y las eficiencias de costos de Fable 5.2 en tareas de programación agéntica.

A pesar de estas ganancias, existen compensaciones claras con respecto a la selección del modelo. Fable 5.2 está optimizado para tareas complejas de alto esfuerzo donde puede producir resultados a aproximadamente la mitad del costo de Opus 5.5. Sin embargo, para flujos de trabajo rutinarios, la empresa sugiere que el salto en complejidad requerido para ver una ventaja distinta sobre Opus 5.5 puede no ser necesario para todos los usuarios.