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 aplicaciones verificadas en ciberseguridad y biología. En pruebas previas resolvió dos problemas abiertos de física de agujeros negros, diseñó tres dispositivos electrónicos desde cero y completó la formalización del Último Teorema de Fermat con 1.000 agentes en solo 30 horas. Genera respuestas hasta un 30% más rápido y cuesta 8 dólares por millón de tokens de entrada.
Un equipo de 1.000 agentes de Fable 5.2 formalizó por completo el teorema en solo 30 horas, con una intervención humana mínima.
- skeledrew
Maldita sea, la gente tenía razón sobre que a 5.5 le habían bajado el rendimiento en preparación para el lanzamiento de una versión. Esto no da buena imagen en absoluto.
- 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 medida 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 referencias matemáticas, 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 no tiene realmente 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 realmente 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).
- 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 entre Fable 5.2 y Opus 5.5 en tareas de programación ordinarias.
- Es mucho más rápido y fiable: una de las peores cosas de fable 5.1 era lo lento que era y, encima, lo a menudo 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 de renderizar una imagen con JavaScript me hace cuestionar de verdad 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.
- breakwaterlabs
- ¿Por qué están comparando Fable xHigh contra Carbon Med?
- ¿Cómo produjeron una curva de esfuerzo-intelecencia tan extraña para Carbon que va en contra de todos los benchmarks disponibles?
- ¿Por qué dejaron a Carbon -- posicionado principalmente como un modelo de ciberseguridad -- fuera de la única comparación de benchmarks de ciberseguridad?
- ¿Por qué cambian a comparar contra Argon (en lugar de carbon) para robodojo?
- dualvariable
Dejando a un lado los comentarios sobre el bajón de rendimiento, ¿hay mortales normales por ahí que tengan flujos de trabajo que realmente requieran Fable/Mythos y que no funcionen igual de bien con Opus 5.5?
He estado usando Opus 5.5 en xhigh para un desarrollo de software bastante agresivo en un proyecto de ~125k líneas, y me ha ido bien. Realmente no estoy dispuesto a meterme en un nivel de refactorización de "reescribe todo el proyecto, no cometas ningún error". No pretendo demostrar el Último Teorema de Fermat yo mismo. ¿Hay algo que realmente me esté perdiendo?
- simonw
Pelícanos para los niveles de pensamiento low, medium, high y xhigh:
https://tools.simonwillison.net/markdown-svg-renderer?url=ht...
max también está ahí, pero se quedó sin tokens de razonamiento (límite de 128.000) antes de llegar al SVG en sí.
- cobri
¿Coincide esto con el supuesto bajón de rendimiento de Opus 5.5?
- __natty__
Quizá sea cosa mía, pero el estilo de escritura de Claude me pareció terrible comparado con GPT o Gemini. Es "inteligente", pero la forma en que se comunica parece algo rara comparada con otros modelos.
- mekpro
El nombre "Fable 5.2" es un versionado innecesariamente confuso.
Tener Haiku, Sonnet y Opus en 5.5 mientras el nivel superior está en 5.2 significa que los desarrolladores ahora tienen que explicar a sus equipos por qué pasar de 5.5 a 5.2 es una mejora
- pookieinc
“Los testers 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 gusto ver mejoras ofrecidas a menor coste.
Será interesante ver qué hace OpenAI en respuesta