Claude Fable 5.2 formaliza el Último Teorema de Fermat en 30 horas
Claude Fable 5.2 and Mythos 5.2
Anthropic presenta Claude Fable 5.2 y Claude Mythos 5.2, el mismo modelo con distintos salvaguardas: Fable para todos los usuarios y Mythos para investigación en ciberseguridad y biología. Entre sus logros, un equipo de 1.000 agentes formalizó el Último Teorema de Fermat en 30 horas, resolvió dos problemas abiertos sobre agujeros negros y migró un servicio de Python a Rust. Es hasta un 30% más rápido y cuesta 8 y 40 dólares por millón de tokens.
Un equipo de 1.000 agentes Fable 5.2 formalizó por completo el teorema en solo 30 horas, con una intervención humana mínima.
- postalcoder
He tenido la oportunidad de usar fable 5.2. Algunas observaciones:
- Anthropic por fin está bien equilibrada entre modelos. Es decir: Opus 5.5 es tan bueno que no siento el FOMO de Fable como lo sentía cuando era Fable 5/5.1 frente a Opus 4.8/5. Y Sonnet 5.5 a veces me hace olvidarme de Opus.
- Fable es bueno, pero realmente tienes que empujar la ambición de tu prompt para ver una separación adecuada respecto a Opus 5.5. Personalmente me cuesta distinguir la diferencia entre Fable 5.2 y Opus 5.5 en tareas de programación ordinarias.
- Es mucho más rápido y más fiable: una de las peores cosas de fable 5.1 era lo lento que era y, encima, lo frecuentemente que sufría desbordamientos del máximo de tokens de salida. No he tenido ninguno de estos problemas con 5.2.
- Fable es excepcional dibujando. Su capacidad para renderizar una imagen con JavaScript me hace cuestionar el valor de los modelos de imagen dedicados. Prefiero las imágenes que he conseguido que fable/opus me hagan a las de gpt-image, es una locura pensar que hemos llegado a este punto.
- kimseungyong
El mayor alivio es que el precio ha bajado un 20%. Sigue siendo caro, pero con mi plan de $100, el uso de Fable se disparaba al instante en cuanto empezaba a usarlo, así que siempre era una fuente de miedo.
Seguiré usando opus para el diseño general de programación, pero para los diseños importantes.
- breakwaterlabs
- ¿Por qué están comparando Fable xHigh contra Carbon Med?
- ¿Cómo produjeron una curva de esfuerzo-inteligencia tan extraña para Carbon que va en contra de todos los benchmarks disponibles?
- ¿Por qué dejaron a Carbon--, posicionado principalmente como un modelo ciber, fuera de la única comparación de benchmark ciber?
- ¿Por qué cambian a comparar contra Argon (en lugar de carbon) para robodojo?
- yewenjie
> Nuestra primera formalización del Último Teorema de Fermat, realizada por una versión de investigación de Claude no publicada, tardó 11 días. Se apoyó en un arnés hecho a propósito junto con la orientación de un investigador humano. En cambio, un equipo de 1.000 agentes Fable 5.2 formalizó por completo el teorema en solo 30 horas, con una intervención humana mínima. Fable 5.2 partió de prompts mínimos, construyó sus propias formas de coordinarse y no usó ninguna referencia matemática, solo una lista de enunciados de teoremas intermedios para puntuar el progreso. Necesitó un tercio de los tokens de acción que nuestra primera formalización y produjo una prueba siete veces más corta. Como puede verse en la figura de abajo, Opus 5.5 (con la misma configuración de 1.000 agentes) completó solo el 26% de la formalización en 18 horas, y apenas progresó más después de las 30.
La mayoría de la gente realmente no tiene intuición sobre lo que significa empujar la frontera ahora (porque la IA ha superado todo aquello en lo que son buenos, por ejemplo, programar). Estamos verdaderamente dentro de la singularidad (usando la definición de Kurzweil, parafraseada ligeramente: el momento en que la tecnología avanza tan rápido que nadie puede seguirle el ritmo).
- bhu8
La opinión de Ethan Mollick y sus primeras pruebas con Fable 5.2: https://www.oneusefulthing.org/p/fable-52-and-jagged-agi
- mercnz
he estado intentando usar sonnet y opus para mantener mi uso bajo en el plan max bajo, pero hoy me di cuenta de que de alguna manera ya llevo el 80% de mi uso semanal. así que dudo en siquiera probar fable 5.2 todavía, pero encontrar el punto de equilibrio adecuado entre uso y tamaño de modelo ha sido un poco una lucha para mí, uno de mis mayores problemas ha sido intentar dejar de hacer pruebas exhaustivas u otras cosas por el estilo que consumen contexto, y en su lugar tener programas que solo midan que las cosas funcionan, pero continuamente me topo con problemas de que claude quiere repetir las cosas por su cuenta de forma ad hoc. he probado fable dirigiendo subagentes opus o sonnet, y al revés. y he descubierto que parte del problema con los modelos más pequeños al intentar dirigir subagentes es que especificaban en exceso lo que creían que era el problema en lugar del problema. como que se hacen una "idea" al respecto que es errónea, y luego intentan alimentar eso al subagente.
- advaith08
Hemos estado probando Fable 5.2 desde el principio, y nos ha sorprendido su capacidad de programación. Fue capaz de trabajar con un código fortran esotérico de 600k líneas para acelerar 36 veces (!) parte de nuestro trabajo de ciencia computacional de materiales. Dado que esto se pudo hacer en 2 días, hemos decidido publicar los resultados en código abierto https://github.com/discovered-materials/dm_qe
- pookieinc
«Los probadores han descubierto que Fable 5.2 y Mythos 5.2 se comunican con más claridad que los modelos Fable y Mythos anteriores. Generan salidas hasta un 30% más rápido que Claude Fable 5.1 y Claude Mythos 5.1, y están disponibles a un precio más bajo: $8 por millón de tokens de entrada y $40 por millón de tokens de salida».
Sinceramente, es increíble que hayan logrado superar todos los benchmarks y además hacerlo más barato. Siempre es un placer ver mejoras ofrecidas a costes más bajos.
Será interesante ver qué hace OpenAI en respuesta
- minimaxir
Hubo más de unas cuantas «filtraciones» que decían que se llamaría Fable 5.5, así que tengo curiosidad por saber si a) las filtraciones eran solo cebo para engagement o b) Anthropic lo cambió, a pesar de que el hecho de que Fable 5.2 sea mejor que Opus 5.5 es confuso.
Sorprendentemente el modelo está disponible de inmediato en mi Claude Code: normalmente hay un retraso, ya sea por el despliegue o por seguridad.
- spacephysics
¿En qué punto dejamos realmente de leer el código en sí? Que Sonnet/Opus escriban el código, trabajar con los agentes a alto nivel, y luego que Fable haga la revisión de código y listo.
Cualquier bug que se encuentre se pasa por los agentes en bucle para arreglarlo, y el ciclo se repite. ¿Por qué meterse en el código salvo por hobby? Igual que la gente ya no escribe ensamblador salvo por hobby (o para aprender).
La única excepción podrían ser los niveles más altos de optimización, como los autores de lenguajes o el trabajo a nivel de compilador. Pero incluso entonces...