Claude Fable 5.2 formalisiert Fermat-Beweis in 30 Stunden
Claude Fable 5.2 and Mythos 5.2
Anthropic hat Claude Fable 5.2 und Claude Mythos 5.2 vorgestellt: dasselbe Basismodell, einmal mit strengen Cyber- und Biologieschutzmaßnahmen für alle Nutzer, einmal ohne für verifizierte Forschung. In Vorabtests lösten die Modelle zwei offene Probleme der Schwarze-Loch-Physik, entwarfen drei funktionierende elektronische Geräte und formalisierten Fermats letzten Satz mit 1.000 Agenten in nur 30 Stunden. Sie sind bis zu 30 Prozent schneller und günstiger als die Vorgänger.
Ein Team aus 1.000 Fable-5.2-Agenten hat den Satz in nur 30 Stunden vollständig formalisiert – mit minimalem menschlichem Eingriff.
- postalcoder
Ich hatte die Gelegenheit, Fable 5.2 zu benutzen. Ein paar Beobachtungen:
- Anthropic ist endlich gut über die Modelle hinweg ausbalanciert. Heißt: Opus 5.5 ist so gut, dass ich kein Fable-FOMO verspüre wie damals, als es Fable 5/5.1 gegen Opus 4.8/5 hieß. Und Sonnet 5.5 lässt mich manchmal Opus vergessen.
- Fable ist gut, aber man muss den Ehrgeiz seines Prompts wirklich hochschrauben, um eine anständige Abgrenzung zu Opus 5.5 zu sehen. Ich persönlich tue mich schwer, bei gewöhnlichen Coding-Aufgaben den Unterschied zwischen Fable 5.2 und Opus 5.5 zu erkennen.
- Es ist deutlich schneller und zuverlässiger: Eines der schlimmsten Dinge an Fable 5.1 war, wie langsam es war, und obendrein, wie häufig es unter Overflows des maximalen Output-Tokens litt. Keines dieser Probleme hatte ich mit 5.2.
- Fable ist außergewöhnlich gut im Zeichnen. Seine Fähigkeit, ein Bild mit JavaScript zu rendern, lässt mich tatsächlich den Wert dedizierter Bildmodelle infrage stellen. Ich bevorzuge die Bilder, die ich von Fable/Opus habe erstellen lassen, gegenüber denen von gpt-image – es ist verrückt zu denken, dass wir an diesem Punkt angekommen sind.
- kimseungyong
Die größte Erleichterung ist, dass der Preis um 20 % gesunken ist. Es ist immer noch teuer, aber mit meinem 100-Dollar-Plan würde Fables Nutzung sofort in die Höhe schnellen, sobald ich anfange, es zu benutzen, also war es immer eine Quelle der Angst.
Ich werde Opus weiterhin für allgemeines Coding-Design verwenden, aber für größere Designs.
- breakwaterlabs
- Warum stellen sie Fable xHigh gegen Carbon Med?
- Wie haben sie eine so bizarre Effort-Intel-Kurve für Carbon erzeugt, die jedem verfügbaren Benchmark widerspricht?
- Warum haben sie Carbon – das primär als Cyber-Modell positioniert wurde – beim einzigen Cyber-Benchmark-Vergleich weggelassen?
- Warum wechseln sie für robodojo zum Vergleich gegen Argon (statt Carbon)?
- yewenjie
> Unsere erste Formalisierung von Fermats Letztem Satz, durchgeführt von einer unveröffentlichten Forschungsversion von Claude, dauerte 11 Tage. Sie stützte sich auf einen eigens dafür gebauten Harness samt Anleitung durch einen menschlichen Forscher. Im Gegensatz dazu hat ein Team von 1.000 Fable-5.2-Agenten den Satz in nur 30 Stunden vollständig formalisiert, mit minimalem menschlichen Eingriff. Fable 5.2 startete mit minimalen Prompts, baute sich eigene Wege zur Koordination und nutzte keine mathematischen Referenzen, nur eine Liste von Zwischensatz-Aussagen, um den Fortschritt zu bewerten. Es brauchte ein Drittel der Action-Tokens unserer ersten Formalisierung und erzeugte einen siebenmal kürzeren Beweis. Wie in der Abbildung unten zu sehen ist, hat Opus 5.5 (mit demselben 1.000-Agenten-Setup) in 18 Stunden nur 26 % der Formalisierung abgeschlossen und nach 30 kaum noch Fortschritt gemacht.
Die meisten Leute haben wirklich keine Intuition dafür, was es heute bedeutet, die Frontier voranzutreiben (weil KI alles übertroffen hat, worin sie gut sind, zum Beispiel Programmieren). Wir stecken wirklich mitten in der Singularität (nach Kurzweils Definition, leicht umformuliert – die Zeit, in der Technologie so schnell voranschreitet, dass niemand mehr mithalten kann).
- bhu8
Ethan Mollicks Einschätzung und frühe Tests mit Fable 5.2: https://www.oneusefulthing.org/p/fable-52-and-jagged-agi
- mercnz
Ich habe versucht, Sonnet und Opus zu benutzen, um meinen Verbrauch im niedrigen Max-Plan gering zu halten, aber heute ist mir aufgefallen, dass ich irgendwie schon bei 80 % meines Wochenverbrauchs bin. Also zögere ich noch, Fable 5.2 überhaupt auszuprobieren, aber den richtigen Sollwert aus Verbrauch versus Modellgröße zu finden, war für mich ein ziemlicher Kampf. Eines meiner größten Probleme war der Versuch, von erschöpfenden Tests oder ähnlichen Dingen abzulassen, die den Kontext auffressen, und stattdessen Programme zu haben, die einfach messen, ob die Dinge funktionieren, aber ich scheine ständig auf Probleme zu stoßen, bei denen Claude Dinge ad hoc für sich selbst wiederholen will. Ich habe Fable versucht, Opus- oder Sonnet-Subagenten anzuleiten, und umgekehrt. Und ich habe festgestellt, dass ein Teil des Problems, wenn kleinere Modelle Subagenten anleiten wollen, darin besteht, dass sie überspezifiziert haben, was sie für das Problem hielten, statt das Problem. Sie haben quasi eine „Idee“ davon, die falsch ist, und versuchen dann, die in den Subagenten einzuspeisen.
- advaith08
Wir haben Fable 5.2 früh getestet und waren von seiner Coding-Fähigkeit überrascht. Es konnte mit einer esoterischen Fortran-Codebasis von 600k Zeilen arbeiten und einige computergestützte materialwissenschaftliche Arbeiten für uns um das 36-Fache beschleunigen (!). Da das in 2 Tagen machbar war, haben wir beschlossen, die Ergebnisse als Open Source zu veröffentlichen: https://github.com/discovered-materials/dm_qe
- pookieinc
„Tester haben festgestellt, dass Fable 5.2 und Mythos 5.2 klarer kommunizieren als frühere Fable- und Mythos-Modelle. Sie erzeugen Outputs bis zu 30 % schneller als Claude Fable 5.1 und Claude Mythos 5.1 und sind zu einem niedrigeren Preis erhältlich: 8 $ pro Million Input-Tokens und 40 $ pro Million Output-Tokens.“
Ehrlich gesagt unglaublich, dass sie es geschafft haben, alle Benchmarks zu schlagen und es dabei günstiger zu machen. Immer schön zu sehen, wenn Verbesserungen zu niedrigeren Kosten angeboten werden.
Es wird interessant sein zu sehen, was OpenAI als Antwort macht.
- minimaxir
Es gab mehr als ein paar „Leaks“, die besagten, es würde Fable 5.5 heißen, also bin ich neugierig, ob a) die Leaks nur Engagement-Bait waren oder b) Anthropic es geändert hat, trotz der Tatsache, dass Fable 5.2 besser als Opus 5.5 zu sein verwirrend ist.
Überraschenderweise ist das Modell sofort in meinem Claude Code verfügbar: Normalerweise gibt es eine Verzögerung, entweder für das Rollout oder aus Sicherheitsgründen.
- spacephysics
Ab welchem Punkt lesen wir den Code selbst eigentlich nicht mehr? Sonnet/Opus den Code schreiben lassen, auf hoher Ebene mit den Agenten zusammenarbeiten, dann Fable das Code-Review machen lassen, und fertig.
Alle gefundenen Bugs werden durch Agenten geschleust, um sie zu beheben, und der Zyklus wiederholt sich. Warum sich in den Code eingraben, außer als Hobby? Genauso wie Leute kein Assembly mehr schreiben, außer als Hobby (oder zum Lernen).
Einzige Ausnahme sind vielleicht die obersten Ebenen der Optimierung, wie Sprachautoren oder Arbeit auf Compiler-Ebene. Aber selbst dann …