Anthropic 近日推出了 Claude Fable 5.2 与 Mythos 5.2 两款模型,宣称在处理复杂软件工程任务方面有显著改进,同时 API 价格相比前代版本下调了 20%。

Fable 5.2 与 Mythos 5.2 共享相同的底层模型,但具备不同的安全防护机制。Fable 面向广泛用户开放,而 Mythos 的直接访问权限则仅限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,相比此前的 10 美元和 50 美元有所下降。Anthropic 表示,新版本的输出生成速度最高可比前代快 30%。

该公司报告称编程性能有大幅提升。在 FrontierCode 2.0 基准测试中,Fable 5.2 在 Xhigh 努力设置下得分为 49.1%,而 Fable 5.1 的得分为 32.4%。该基准测试评估的是开源项目维护者是否会接受 AI 生成的代码变更。

Omdia 首席分析师 Lian Jye Su 表示,模型性能的提升与价格的下降,可能使长期运行的 AI 智能体在软件迁移和科学研究领域变得更具可行性。他还表示,更高的任务完成率可以进一步降低部署成本。

Anthropic 表示,Fable 5.2 在"高努力"设置下取得的编程基准得分,与 Opus 5.5 在最高设置下的得分相当,但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 可能更加经济实惠,不过实际节省的成本将取决于具体工作负载和努力设置。

Greyhound Research 首席分析师 Sanchit Vir Gogia 表示:"Anthropic 降低的是 Token 的价格,而不是思考的价格。"他建议企业信息官应将 AI 处理的"努力程度"作为预算考量因素,并以成功完成的任务来衡量成本。

Anthropic 还建议大多数编程及知识型工作使用 Opus 5.5,而 Fable 和 Mythos 则用于更高要求的任务。

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超过 1000 个子智能体,最终生成的软件能够在笔记本电脑上成功启动。

Su 表示,这些改进让企业更接近高度自主化的软件开发,不过大规模部署仍需解决持续存在的运营限制问题。

"在没有人工监督的情况下,可靠性仍是一个问题,"Su 说。

他还指出,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的活动,并在适当隔离的环境中运行这些系统。关键变更应继续由人工审批,同时要保证对智能体行为具有足够的可见性,以支持审计工作。

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

Anthropic 表示,在内部的 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,评估模型能否在漏洞修复之前的软件快照中独立重新发现这些缺陷。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 已通过其验证计划限制了对 Mythos 5.2 的直接访问权限。不过该公司表示,Claude Enterprise 客户无需加入这些计划,即可通过 Claude Security 使用该模型的漏洞检测能力。

Su 表示:"在受控的企业环境中,Mythos 5.2 使天平向防御方倾斜。"

然而 Jain 提醒称,AI 驱动的漏洞发现技术进步,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。

Anthropic 表示,符合零数据留存条件的客户可以继续在该安排下使用 Fable 5.2 和 Mythos 5.2,而其他客户出于安全监控目的,数据将被留存 30 天。

该公司还推出了目前处于私测阶段的"企业前沿安全防护"(Enterprise Frontier Safeguards)功能,该功能允许自动化安全监控在存储于客户基础设施内的提示词和回复上运行。

Gogia 表示,对于受监管行业的企业而言,数据留存要求可能会超过 API 价格下降带来的收益。他建议采购团队在将这些模型部署于敏感工作负载之前,先获得书面确认的零留存安排。

InfoWorld