Claude Fable 5 je revoluční model jako Mythos, ale bezpečnější. Díky tomu s ním můžete pracovat i vy

Závod o nejvýkonnější umělou inteligenci nabral za poslední rok tempo a jednotlivé společnosti se předhánějí v tom, která nabídne schopnější model. V posledních měsících se dostává do čím dál většího povědomí Claude, i když společnost Anthropic, jež za ním stojí, hraje roli toho opatrnějšího. Svůj nejsilnější model Mythos držela od dubna pod zámkem a pouštěla ho jen k hrstce prověřených organizací, protože se obávala, co by jeho schopnosti zvládly v nesprávných rukou. Teď firma údajně našla cestu, jak tu samou sílu nabídnout i běžným uživatelům. Jmenuje se Fable 5 a dá se popsat jednoduše: je to Mythos s náhubkem

Mythos s náhubkem: co je Fable 5 zač

Modely třídy Mythos stojí v žebříčku Anthropicu nad dosavadní špičkou v podobě řady Opus. První z nich, Mythos Preview, firma spustila v dubnu v rámci programu Project Glasswing, a to jen pro úzký okruh kyberbezpečnostních specialistů a provozovatelů kritické infrastruktury. Minulý týden přístup rozšířila zhruba na 150 organizací z více než patnácti zemí. Veřejnosti se ale model dosud vyhýbal – disponuje totiž dosud nevídanými schopnostmi v oblasti hackingu a detekování zranitelností, které by v rukou útočníků mohly napáchat pěknou paseku.

Fable 5 a Mythos 5 jsou pod kapotou tentýž model. Liší se jen v jednom, ale zásadním ohledu: Fable má zapnuté bezpečnostní pojistky, Mythos ne. Anthropic to vysvětluje i volbou jmen, kdy latinské fabula a řecké mythos znamenají v zásadě totéž, tedy „vyprávění“. Fable 5 je podle výrobce nejvýkonnější model, jaký kdy zpřístupnil široké veřejnosti. Drží si nejlepší výsledky napříč většinou testů a podle Anthropicu platí, že čím delší a složitější úkol model dostane, tím větší náskok před konkurencí získává.

Práci, která by trvala měsíce, zvládne v řádu dní

Nejvíc se Fable 5 podle dostupných čísel hodí na programování. Platební společnost Stripe uvádí, že model zvládl v rozsáhlé kódové základně o 50 milionech řádků jazyka Ruby přepis za jediný den, zatímco celému týmu by manuální práce zabrala přes dva měsíce. Ve vlastních benchmarcích Anthropicu dosáhl Fable 5 na 80,3 % v testu SWE-Bench Pro a 88 % v Terminal-Bench 2.1, čímž nechal Opus 4.8 i konkurenční GPT 5.5 a Gemini 3.1 Pro za sebou. Je u toho navíc úspornější na tokeny než předchozí modely, takže za stejnou práci spotřebuje méně.

Slušné výsledky hlásí Anthropic i mimo kód. V testu kancelářské práce GDPval-AA dosáhl Fable 5 skóre 1932 oproti 1890 u Opusu 4.8. Analytická firma Hex tvrdí, že šlo o první model, který v jejím náročném testu dlouhých analytických úloh pokořil hranici 90 %. Zajímavou kapitolou je práce s obrazem, kde se Fable 5 podle výrobce stává novou špičkou. Dokáže vyčíst přesná čísla z vědeckých grafů nebo zrekonstruovat zdrojový kód webové aplikace pouze ze snímků obrazovky. Jako důkaz Anthropic zveřejnil i to, že model dohrál hru Pokémon FireRed jen na základě surových snímků ze hry, bez map a navigačních pomůcek, které dřívější verze nutně potřebovaly.

Posun model ukazuje i v paměti. U deskové hry Slay the Spire si Fable 5 díky přístupu k poznámkám uloženým v souborech polepšil výkon třikrát výrazněji než Opus 4.8. To naznačuje, že model udrží pozornost a kontext i u úkolů, které se táhnou přes miliony tokenů.

Pojistky, které z mocného modelu dělají poslušného sluhu

Tady přichází ta část, kvůli které Anthropic Mythos tak dlouho držel zpátky. Fable 5 dostal sadu samostatných hlídacích systémů, takzvaných klasifikátorů, které sledují, jestli se někdo nesnaží model zneužít. Pokrývají tři oblasti: kyberbezpečnost, biologii s chemií a takzvanou destilaci, tedy pokusy vytáhnout z modelu jeho schopnosti a vycvičit na nich konkurenční systém. Jakmile klasifikátor takový dotaz zachytí, odpověď za Fable 5 vyřídí slabší Opus 4.8 a uživatel se o tom dozví.

ChatGPT se znovu dočkalo vylepšení paměti. Jak to pocítíte v praxi? Adam Kurfürst Zprávičky Adam Kurfürst Zprávičky

Anthropic přiznává, že pojistky nastavil schválně přísně, takže občas se může stát, že zablokují i neškodný dotaz. Podle vlastních dat firmy se ale přepnutí na Opus spustí v méně než pěti procentech konverzací, takže ve více než 95 % případů jede uživatel naplno na Fable 5. Robustnost obrany firma testovala i externí prémiovou soutěží pro hackery, kde za více než tisíc hodin účastníci nenašli univerzální způsob, jak pojistky obejít. Sluší se ale dodat, že britský úřad UK AISI se podle samotného Anthropicu k jednomu takovému průlomu během krátkého testování přiblížil.

Z pohledu uživatele to má jeden háček. Když narazíte na citlivé téma, nedostanete model, za který platíte. To ostatně potvrzuje i poznámka pod benchmarkovou tabulkou: u testů kyberbezpečnosti a biologie se Fable 5 kvůli přepínání na Opus drží blíž jeho slabším výsledkům. Pro programátora řešícího bezpečnost vlastní aplikace nebo biologa pracujícího na legitimním výzkumu to může být v praxi otravné omezení.

Mythos 5: stejný model, ale bez náhubku

Zatímco Fable 5 dostal každý, plnou sílu Mythosu Anthropic vyhradil jen vyvoleným. Souběžně totiž spustil i Mythos 5, který má v kyberbezpečnosti pojistky sundané. Dostávají ho partneři z programu Project Glasswing ve spolupráci s americkou vládou a podle výrobce jde o model s nejsilnějšími kyberbezpečnostními schopnostmi na světě. Brzy se má přidat i program pro vybrané biology, jimž Anthropic uvolní omezení v oblasti biologie a chemie.

Právě na Mythosu 5 je vidět, proč firma tolik váhala. Při návrhu léčiv prý interním expertům urychlil část procesu zhruba desetinásobně a u devíti ze čtrnácti testovaných proteinových cílů našel nadějné kandidáty. V molekulární biologii dávají podle Anthropicu vědci jeho návrhům hypotéz přednost zhruba v 80 % případů a jeden takový nápad ohledně bakterie E. coli nezávisle potvrdila jiná laboratoř. V genomice model týden pracoval téměř samostatně a vytrénoval si vlastní model, který překonal nedávno publikovanou práci z časopisu Science, přestože byl stokrát menší. Tytéž schopnosti, které posouvají vědu, by ovšem ve špatných rukou mohly pomoci i s návrhem nebezpečných virů.

Cena, termíny a háček s vašimi daty

Fable 5 i Mythos 5 stojí 10 dolarů za milion vstupních a 50 dolarů za milion výstupních tokenů. Anthropic zdůrazňuje, že je to méně než polovina ceny dřívějšího Mythosu Preview. Z pohledu běžného uživatele je ale podstatnější, že jde o dvojnásobek ceny Opusu 4.8. Pro náročné a hodně samostatné úlohy se to vyplatit může, jak připomíná i firma Rakuten, podle níž si model při nejvyšším úsilí sám kontroluje a ověřuje vlastní práci. U běžného použití ale tahle prémie smysl dávat nemusí.

Dostupnost je rozfázovaná. Přes API a u podnikových plánů placených podle spotřeby je Fable 5 k dispozici hned. U předplatného to je složitější. Od spuštění do 22. června ho mají tarify Pro, Max, Team a vybraný Enterprise zdarma v ceně. Od 23. června ho Anthropic z těchto plánů stáhne a další používání bude vyžadovat kredity, s příslibem, že ho časem vrátí jako standardní součást předplatného. Termíny stojí za sledování, protože firma sama přiznává, že poptávku těžko odhaduje.

Nejvíc pozornosti si zaslouží změna v práci s daty. U modelů třídy Mythos zavádí Anthropic povinné 30denní uchovávání veškerého provozu, a to i u firem, které dosud měly smluvně sjednané nulové uchovávání dat. Firma slibuje, že data nepoužije k tréninku ani k ničemu jinému než k bezpečnosti, eviduje přístupy a po měsíci je maže. Server TechCrunch nicméně upozorňuje, že tím může vzniknout precedens, kdy se přístup k nejsilnějším modelům napevno pojí s povinným uchováváním dat pod hlavičkou bezpečnosti.

Fable 5 je tedy nejvýkonnější veřejně dostupný model, jaký si dnes můžete pustit, a pro vývojáře, analytiky či výzkumníky s rozsáhlými a samostatnými úkoly dává smysl. Pro každého ostatního je tu několik „ale“: na citlivá témata nedostanete plnou sílu, platíte dvojnásobek oproti Opusu 4.8, přístup přes předplatné je zatím dočasný a 30denní uchovávání dat musíte vzít jako podmínku. Kdo nepotřebuje extrémní výkon u dlouhých úloh, ten s levnějším Opusem 4.8 nejspíš nic nezkazí.

Vyzkoušeli byste Fable 5, nebo vám stačí levnější Opus 4.8?

Zdroje: Anthropic, TechCrunch