Claude Fable 5.2が黒板の未解決問題を2つ解き、フェルマーの最終定理を30時間で形式化
Claude Fable 5.2 and Mythos 5.2
AnthropicがClaude Fable 5.2とClaude Mythos 5.2を発表。同じ基盤モデルで、Fableはサイバーセキュリティと生物学のセーフガードを備え全ユーザーに提供、Mythosは検証プログラム経由で研究者向けに開放される。コード、推論、視覚が向上し、生成速度は最大30%高速化、価格は100万入力トークンあたり8ドルと従来より安い。事前テストではブラックホール物理学の未解決問題を2つ解決し、1,000体のエージェントでフェルマーの最終定理を30時間で形式化した。
1,000体のFable 5.2エージェントのチームが、最小限の人間の介入でわずか30時間で定理を完全に形式化した。
HNでの議論
595- postalcoder
Fable 5.2を使う機会があったので、いくつか所感を。
- Anthropicはようやくモデル間のバランスが取れた。つまり、Opus 5.5が十分に優秀なので、Fable 5/5.1対Opus 4.8/5の頃に感じたようなFableへのFOMOを感じない。そしてSonnet 5.5は時にOpusの存在を忘れさせてくれる。
- Fableは良いが、Opus 5.5との明確な差を見るにはプロンプトの野望をかなり押し上げる必要がある。個人的には、普通のコーディング作業ではFable 5.2とOpus 5.5の違いを見分けるのが難しい。
- はるかに速く、信頼性も高い。Fable 5.1の最悪な点の一つは遅さで、その上最大出力トークンのオーバーフローに頻繁に見舞われた。5.2ではそうした問題は一切起きていない。
- Fableは描画が卓越している。JavaScriptで画像をレンダリングする能力には、専用の画像モデルの価値すら疑問に思えてくる。gpt-imageのものより、fable/opusに作ってもらった画像の方が好みだ。ここまで来たかと驚くばかりだ。
- kimseungyong
最大の安堵は価格が20%下がったことだ。まだ高いが、$100プランだとFableを使い始めた瞬間に使用量が跳ね上がっていたので、常に恐怖の種だった。
一般的なコーディング設計には引き続きopusを使うつもりだが、主要な設計にはFableを使う。
- breakwaterlabs
- なぜFable xHighをCarbon Medと比較しているのか？
- なぜCarbonについて、あらゆる既存ベンチマークに反するような奇妙な努力対知能の曲線が生まれたのか？
- なぜCarbon——主にサイバーモデルとして位置づけられている——を、唯一のサイバーベンチマーク比較から外したのか？
- なぜrobodojoでは（carbonではなく）Argonとの比較に切り替えているのか？
- yewenjie
> 我々によるフェルマーの最終定理の最初の形式化は、未公開の研究版Claudeによって行われ、11日かかった。それは専用に構築されたハーネスと、人間の研究者による指導に依存していた。対照的に、1,000体のFable 5.2エージェントからなるチームは、最小限の人間の介入で、わずか30時間で定理を完全に形式化した。Fable 5.2は最小限のプロンプトから始め、自ら協調の方法を構築し、数学的な参考文献は一切使わず、進捗を採点するための中間定理のリストだけを用いた。最初の形式化の3分の1のアクショントークンで済み、7倍短い証明を生み出した。下の図からわかるように、Opus 5.5（同じ1,000エージェント構成）は18時間で形式化の26%しか完了せず、30時間以降はほとんど進展しなかった。
今フロンティアを押し進めることが何を意味するのか、ほとんどの人には実感がない（なぜならAIは、例えばコーディングなど、彼らが得意とするあらゆることを超えてしまっているからだ）。我々はまさにシンギュラリティの内側にいる（Kurzweilの定義を少し言い換えると——技術があまりに速く進歩し、誰も追いつけなくなる時期のことだ）。
- mercnz
低い方のmaxプランで使用量を抑えるためにsonnetとopusを使おうとしてきたが、今日ふと気づくと、なぜか週の使用量の80%を消化していた。なのでFable 5.2を試すのはまだ躊躇している。使用量とモデルサイズの適切な設定点を見つけるのに少し苦労してきた。最大の問題の一つは、コンテキストを食い尽くすような網羅的テストなどを控えて、物事が機能しているかを測定するだけのプログラムに切り替えようとしても、claudeがアドホックに物事を自分で繰り返したがる問題にしょっちゅうぶつかることだ。fableにopusやsonnetのサブエージェントを指示させたり、その逆も試した。そして小さいモデルがサブエージェントを指示しようとする際の問題の一部は、問題そのものではなく、自分が問題だと思ったことを過剰に指定してしまうことだとわかった。つまり、彼らはそれについて（間違った）「考え」を持っていて、それをサブエージェントに流し込もうとするのだ。
- bhu8
Ethan MollickによるFable 5.2の所感と初期テスト：https://www.oneusefulthing.org/p/fable-52-and-jagged-agi
- advaith08
我々はFable 5.2を初期テストしてきたが、そのコーディング能力に驚かされている。難解な60万行のfortranコードベースを扱い、我々の計算材料科学の作業を36倍（！）高速化してくれた。これが2日でできるとなれば、結果をオープンソース化することにした https://github.com/discovered-materials/dm_qe
- pookieinc
「テスターによると、Fable 5.2とMythos 5.2は過去のFableおよびMythosモデルよりも明確にコミュニケーションする。出力生成はClaude Fable 5.1およびClaude Mythos 5.1より最大30%速く、しかもより低い価格で提供される：入力トークン100万あたり$8、出力トークン100万あたり$40。」
すべてのベンチマークを打ち負かしつつ、より安くしたのは本当に信じられない。より低いコストで改善が提供されるのを見るのはいつもうれしい。
OpenAIがこれにどう反応するのか興味深い。
- minimaxir
Fable 5.5と呼ばれるという「リーク」がいくつもあったので、a) リークは単なるエンゲージメント稼ぎだったのか、それともb) Fable 5.2がOpus 5.5より優れているという事実が混乱を招くにもかかわらずAnthropicが変更したのか、気になる。
驚いたことに、私のClaude Codeではモデルがすぐに利用可能になっている。通常はロールアウトや安全性のため遅延があるものだ。
- jjcm
Fable 5.2とOpus 5.5（このテストにおける従来のSOTA）の画像からHTMLへの比較：
Fable 5.2: https://html.non.io/lcars-fable-5.2/
Opus 5.5: https://html.non.io/lcars-opus-5.5/
元デザイン: https://diffui.ai/app/canvas/5093e689-1e74-4f26-b632-2a4500f...
所感：
元デザインにできるだけ忠実という点で最良の実装。流れるようなsvg形状を見事に捉えている。アイコンもデザインに対してより正確——「Legendary platforms」カード内のstarship svgについて、Opus 5.5とFable 5.2の違いに注目してほしい。窓の外の3jsの惑星も非常によくできており、特に一番下のものは背景の光が美しい。
とはいえ問題がないわけではない——ページを縫うように走るS字型のsvgに加えられたちらつき効果は、個人的には気が散るし、モーションアニメーションは全体としてOpus 5.5のものの方が優れていると思う。それでも、このページの実装は見事にこなしている。Opus 5.5がこれにどれだけ優れていたかを考えれば驚きではない。
免責事項／注意：このテストの目的はよくデザインされたウェブページを作ることではなく、LLMの視覚能力の限界を押し上げる合成テストだ。従来LLMは滑らかな曲線、svgアニメーション、箱っぽくないレイアウトを苦手としており、このデザインはその限界を押し上げるものだ。