Anthropic推出了Claude Fable 5.2和Mythos 5.2两款新模型,宣称在处理复杂软件工程任务方面取得显著改进,同时相较前代版本将API价格下调了20%。

Fable 5.2与Mythos 5.2采用相同的底层模型,但配备不同的安全防护机制。Fable可供广泛使用,而Mythos的直接访问权限则限定于经过审核的网络安全和生命科学机构,以限制潜在的滥用风险。

两款模型的定价均为每百万输入Token 8美元、每百万输出Token 40美元,低于此前的10美元和50美元。Anthropic表示,新版本生成输出的速度相比前代版本最高可快30%。

该公司报告称在编程性能方面取得了显著提升。Fable 5.2在Xhigh努力程度设置下,在FrontierCode 2.0基准测试中得分为49.1%,而Fable 5.1的得分为32.4%。该基准测试评估开源项目维护者是否会接受AI生成的代码更改。

性能与成本的提升或将吸引企业采用

据Omdia首席分析师连杰(Lian Jye Su)表示,模型性能的提升和价格的下降可能使长时间运行的AI智能体在软件迁移和科学研究中变得可行。他表示,更高的任务完成率能够进一步降低部署成本。

Anthropic表示,Fable 5.2在"高努力程度"设置下取得的编程基准测试得分,与Opus 5.5在最高设置下的得分相当,而每项任务的成本仅为后者的大约一半。这一对比表明,对于某些高要求的任务,Fable可能更为经济,不过具体节省的成本取决于工作负载和努力程度设置。

Greyhound Research首席分析师桑奇特·维尔·戈吉亚(Sanchit Vir Gogia)表示:"Anthropic降低的是Token的价格,而非思考的价格。"他建议企业首席信息官将AI处理的努力程度视为一项预算考量因素,并以成功完成的任务来衡量成本。

Anthropic还建议大多数编程和知识型工作使用Opus 5.5,而Fable和Mythos则适用于要求更高的任务。

可靠性挑战依然存在

在一次内部实验中,一名Anthropic工程师让Fable 5.2构建一个操作系统原型。该模型在八天内协调了1000多个子智能体,并生成了可以在笔记本电脑上启动的软件。

连杰表示,这些改进使企业更接近高度自主的软件开发,不过大规模部署仍将取决于能否解决持续存在的运营限制问题。

"在缺乏人工监督的情况下,可靠性仍然是一个问题,"连杰说。

他还表示,在企业工具和内部团队之间协调多个AI智能体仍然存在困难。企业机构需要监控智能体活动,并在适当隔离的环境中运行这些系统。关键变更应继续接受人工审批,并保持对智能体行为足够的可见性,以支持审计工作。

Pareekh Consulting首席执行官帕里克·贾因(Pareekh Jain)表示,复杂的遗留系统以及满足业务需求的必要性,可能限制企业能够委托给AI智能体的软件开发工作量。

更快的漏洞发现能力引发担忧

Anthropic表示,在其内部的CVE重新发现评估中,Mythos 5.2识别出了89.6%的漏洞,而Mythos 5.1的识别率为78.3%。

该测试针对1829个此前已披露的漏洞展开,评估模型能否独立在漏洞修复前的软件快照中重新发现这些缺陷。该公司表示,Mythos 5.2在重现漏洞和开发修复方案方面也表现更佳。

Anthropic已通过其验证程序限制了对Mythos 5.2的直接访问。不过该公司表示,Claude Enterprise客户无需加入这些验证程序,即可通过Claude Security使用该模型的漏洞检测能力。

连杰表示:"在受控的企业环境中,Mythos 5.2将天平向防御方倾斜。"

然而,贾因提醒称,AI驱动的漏洞发现技术的进步也可能帮助攻击者更快地识别软件弱点。"这造成了攻击者与防御者之间一场由AI驱动的竞赛,"他说。

数据留存政策引发合规性问题

Anthropic表示,符合零数据留存条件的客户可继续在该安排下使用Fable 5.2和Mythos 5.2,而其他客户的数据将面临30天的留存期以用于安全监控。

该公司还推出了目前处于私有测试阶段的"企业前沿安全防护"功能,该功能允许在客户基础设施内存储的提示和响应上运行自动化安全监控。

戈吉亚表示,对于受监管的企业而言,数据留存要求可能会抵消API价格下降带来的好处。他建议采购团队在将这些模型部署于敏感工作负载之前,应先获取关于零留存安排的书面确认。

Computerworld