Claude Fable 5.2 за 30 часов формализовал доказательство Великой теоремы Ферма
Claude Fable 5.2 and Mythos 5.2
Anthropic выпустила Claude Fable 5.2 и Claude Mythos 5.2 — одну и ту же базовую модель с разными уровнями защиты: Fable доступна всем, Mythos открывают по заявке для кибербезопасности и биомедицины. Модель решила две открытые задачи физики чёрных дыр, спроектировала три работающих электронных устройства и за 30 часов силами 1000 агентов формализовала доказательство Великой теоремы Ферма. Генерация токенов ускорена до 30%, цена — $8 и $40 за миллион входных и выходных токенов.
Команда из 1000 агентов Fable 5.2 полностью формализовала теорему всего за 30 часов при минимальном вмешательстве человека.
- skeledrew
Чёрт, люди были правы насчёт того, что 5.5 порезали в преддверии релиза новой версии. Это совсем не красиво выглядит.
- yewenjie
> Наша первая формализация Великой теоремы Ферма, выполненная невыпущенной исследовательской версией Claude, заняла 11 дней. Она опиралась на специально созданную обвязку и руководство со стороны исследователя-человека. Для сравнения: команда из 1000 агентов Fable 5.2 полностью формализовала теорему всего за 30 часов при минимальном вмешательстве человека. Fable 5.2 стартовала с минимальных промптов, сама выстроила способы координации и не использовала математических источников — только список промежуточных формулировок теорем для оценки прогресса. Ей потребовалась треть action-токенов по сравнению с нашей первой формализацией, а доказательство получилось в семь раз короче. Как видно на рисунке ниже, Opus 5.5 (с той же схемой на 1000 агентов) завершил лишь 26% формализации за 18 часов и едва продвинулся дальше после 30.
У большинства людей сейчас нет интуиции о том, что значит двигать фронтир (потому что ИИ превзошёл всё, в чём они хороши, например в программировании). Мы действительно внутри сингулярности (по определению Курцвейла, слегка перефразированному — время, когда технологии развиваются так быстро, что никто не успевает за ними уследить).
- postalcoder
Мне довелось поработать с fable 5.2. Некоторые наблюдения:
- Anthropic наконец-то хорошо сбалансировала модели. То есть: Opus 5.5 настолько хорош, что я не испытываю FOMO по Fable, как было с Fable 5/5.1 против Opus 4.8/5. А Sonnet 5.5 иногда заставляет меня забыть про Opus.
- Fable хороша, но вам действительно нужно поднимать амбициозность промпта, чтобы увидеть должное отделение от Opus 5.5. Лично мне трудно отличить Fable 5.2 от Opus 5.5 на обычных задачах по кодингу.
- Она гораздо быстрее и надёжнее: одна из худших вещей в fable 5.1 была в том, насколько она медленная, и вдобавок как часто она страдала от переполнения максимального числа выходных токенов. С 5.2 у меня таких проблем не было.
- Fable исключительно хороша в рисовании. Её способность отрисовывать изображение с помощью JavaScript заставляет меня сомневаться в ценности специализированных имиджевых моделей. Мне больше нравятся изображения, которые fable/opus сделали для меня, чем те, что от gpt-image; дико думать, что мы дошли до этого.
- breakwaterlabs
- Почему они ставят Fable xHigh против Carbon Med?
- Как у них получилась такая странная кривая усилие-интеллект для Carbon, которая противоречит всем доступным бенчмаркам?
- Почему они оставили Carbon--, позиционируемую в первую очередь как кибер-модель, вне единственного сравнения по кибер-бенчмарку?
- Почему для robodojo они переключаются на сравнение с Argon (а не с carbon)?
- dualvariable
Отбросив комментарии про порезку, есть ли у обычных смертных рабочие процессы, которые действительно требуют Fable/Mythos и не работают нормально на Opus 5.5?
Я использовал Opus 5.5 на xhigh для довольно агрессивной разработки ПО в проекте на ~125 тыс. строк, и мне это подходило. Я не готов погружаться в рефакторинг уровня «перепиши весь проект, не допусти ни одной ошибки». Я не собираюсь сам доказывать Великую теорему Ферма. Есть ли что-то, что я действительно упускаю?
- simonw
Пеликаны для уровней мышления low, medium, high и xhigh:
https://tools.simonwillison.net/markdown-svg-renderer?url=ht...
max тоже там есть, но у него закончились токены рассуждений (лимит 128 000), прежде чем он добрался до самого SVG.
- cobri
Совпадает ли это с заявленной порезкой Opus 5.5?
- __natty__
Может, это только мне так кажется, но я нашёл стиль письма Claude ужасным по сравнению с GPT или Gemini. Он «умный», но то, как он общается, кажется каким-то не таким по сравнению с другими моделями.
- mekpro
Название «Fable 5.2» — это излишне запутанное версионирование.
Когда Haiku, Sonnet и Opus на 5.5, а более высокий уровень сидит на 5.2, разработчикам теперь приходится объяснять своим командам, почему переход с 5.5 на 5.2 — это апгрейд
- pookieinc
«Тестировщики обнаружили, что Fable 5.2 и Mythos 5.2 общаются яснее, чем прошлые модели Fable и Mythos. Они генерируют вывод до 30% быстрее, чем Claude Fable 5.1 и Claude Mythos 5.1, и доступны по более низкой цене: $8 за миллион входных токенов и $40 за миллион выходных».
Честно говоря, невероятно, что им удалось побить все бенчмарки, сделав при этом дешевле. Всегда рад видеть улучшения по более низкой цене.
Будет интересно посмотреть, что OpenAI сделает в ответ