Najważniejsze wnioski w pigułce
Modele i dostępność
- Claude Fable 5.2 i Claude Mythos 5.2 to ten sam model bazowy w dwóch wersjach.
- Fable ma rozbudowane zabezpieczenia w obszarze cyberbezpieczeństwa i biologii, więc jest dostępny dla wszystkich użytkowników.
- Mythos jest przeznaczony dla organizacji z sektora cyberbezpieczeństwa i badań biomedycznych, które przejdą weryfikację w programach Life Sciences i Cyber Verification.
Szybkość i ceny
- Odpowiedzi są generowane do 30% szybciej niż w wersji 5.1.
- Cena standardowa to 8 USD za milion tokenów wejściowych i 40 USD za milion tokenów wyjściowych.
- Opcjonalny tryb fast przyspiesza generowanie nawet 2,5-krotnie i kosztuje 16 USD (wejście) i 80 USD (wyjście) za milion tokenów.
Wyniki
- W FrontierCode 2.0 Fable 5.2 osiąga 49,1% (poziom Xhigh) wobec 45,5% dla Opus 5.5 i 42,8% dla GPT-6 Astra.
- Na poziomie High model wyrównuje najlepszy wynik Opus 5.5 (45,3% wobec 45,5%) przy mniej więcej połowie kosztu za zadanie.
- Nie wygrywa wszędzie: w AutomationBench prowadzi Gemini 4 Carbon (53,9% wobec 51,4%), a w ocenie Elo testu AA-Briefcase minimalnie lepszy jest Opus 5.5.
Praktyka
- Według Anthropic ponad 90% zmian scalanych z główną bazą kodu firmy pisze Claude pod nadzorem ludzi.
- Anthropic rekomenduje zaczynać od Opus 5.5, a po Fable lub Mythos sięgać przy najbardziej ambitnych, otwartych zadaniach technicznych.
Jeden model, dwie wersje - czym różnią się Fable i Mythos
Anthropic zaktualizował dwa modele przeznaczone do najtrudniejszych wyzwań technicznych. Fable i Mythos dzielą ten sam model bazowy, a różni je przede wszystkim poziom zabezpieczeń. Fable ma mocne bariery chroniące przed nadużyciami w cyberbezpieczeństwie i biologii, dlatego może trafić do wszystkich użytkowników. Mythos zarezerwowano dla zweryfikowanych organizacji, które pracują nad korzystnymi zastosowaniami w tych dwóch dziedzinach. Jeśli śledzisz rozwój tej linii, różnice wobec poprzedniej generacji opisaliśmy w artykule o modelach Claude Fable 5.1 i Mythos 5.1 .
Lista osiągnięć z testów przed premierą robi wrażenie. Według Anthropic modele pomogły inżynierom przeprowadzić migracje oprogramowania, które wcześniej były niewykonalne. Zaprojektowały od zera trzy działające urządzenia elektroniczne i rozwiązały dwa otwarte problemy fizyki czarnych dziur. W 30 godzin sformalizowały też dowód Wielkiego Twierdzenia Fermata.
Producent zwraca uwagę na bezpieczeństwo. Przed premierą przeprowadził rozbudowane testy, w tym nowe ewaluacje sprawdzające ryzykowne zachowania, takie jak próby ucieczki z piaskownicy (sandbox escapes). Anthropic ocenia, że ryzyko poważnych problemów z dopasowaniem modelu do intencji twórców (alignment) pozostaje niskie. Zabezpieczenia Fable 5.2 są tak samo skuteczne jak w wersji 5.1, ale rzadziej blokują niegroźne zapytania. Firma wdrożyła też najsilniejszą w swojej historii ochronę przed atakami destylacyjnymi, czyli próbami „podkradania” możliwości modelu przez trenowanie na jego odpowiedziach.
Benchmarki - gdzie Fable 5.2 prowadzi, a gdzie nie
W większości testów Fable 5.2 wyprzedza Opus 5.5, flagowy model do codziennej pracy. W FrontierSWE v2, teście kodowania agentowego, uzyskał 69,9% wobec 62,3% dla Opus 5.5 i 65,5% dla GPT-6 Astra. Największy skok widać w zadaniach wymagających długiej, samodzielnej pracy. W Remote Labor Index wynik wzrósł z 17,9% (Fable 5.1) do 41,3%, a w symulacji robotyki RoboDojo Sim z 27,6% do 64,9%.
Mocne wyniki dotyczą też wyszukiwania i obsługi komputera. W teście wyszukiwania agentowego WANDR model osiąga 82,1% wobec 72,3% dla Opus 5.5, a w OSWorld 2.1 89,3%. W Humanity’s Last Exam z narzędziami uzyskał 74,2%, a w rozpoznawaniu wykresów (Chartography, bez narzędzi) 73,4% wobec 44,8% w poprzedniej wersji. Dla porównania warto zestawić te liczby z wynikami opisanymi przy premierach GPT-6 Astra i Gemini 4 Carbon .
Tabela nie jest jednak jednostronna i to ważna informacja dla każdego, kto wybiera model do konkretnego procesu. W AutomationBench, który mierzy automatyzację procesów biznesowych, wygrywa Gemini 4 Carbon z wynikiem 53,9% wobec 51,4% dla Fable 5.2. W teście pracy z wiedzą AA-Briefcase Fable 5.2 prowadzi w ocenie według rubryki (66,1%), ale w rankingu Elo minimalnie wyprzedza go Opus 5.5 (1800 wobec 1785). W cyberbezpieczeństwie prym wiedzie Mythos 5.2. W CyScenarioBench osiąga 76,3%, a w CVE Rediscovery 89,6%.
Koszt, szybkość i poziomy wysiłku
Najciekawszym wątkiem dla firm jest relacja jakości do kosztu. Na poziomie Medium, domyślnym w aplikacjach Claude i w Claude Code, Fable 5.2 wykonuje trudne zadania przy mniejszym zużyciu tokenów niż Fable 5.1. W FrontierCode 2.0 na poziomie High uzyskuje praktycznie ten sam wynik co Opus 5.5 na poziomie Max, za mniej więcej połowę kosztu zadania. Przy zbliżonym koszcie wyprzedza też najlepszy wynik GPT-6 Astra.
Do tego dochodzi niższa cena bazowa: 8 USD za milion tokenów wejściowych i 40 USD za milion wyjściowych. Tryb fast kosztuje dwa razy więcej, ale generuje odpowiedzi nawet 2,5 raza szybciej. Ma to sens tam, gdzie liczy się czas reakcji, na przykład w interaktywnej pracy z kodem. W zadaniach wsadowych zwykle wystarczy tryb standardowy. Kto liczy budżet na AI, powinien porównać te stawki z modelem codziennym, który omawialiśmy w tekście o wydajności Claude Opus 5.5 .
FrontierCode sprawdza, czy zmiany w kodzie zaproponowane przez model zostałyby zaakceptowane przez opiekunów repozytoriów open source. To bliżej realnej pracy programisty niż zadania typu „napisz funkcję”. Wynik 49,1% na poziomie Xhigh to według Anthropic najlepszy rezultat spośród wszystkich udostępnionych publicznie modeli, które firma przetestowała.
Co pokazały testy w praktyce
Anthropic deklaruje, że ponad 90% zmian scalanych z jego główną bazą kodu pisze Claude pod nadzorem ludzi. Zespół agentów działający na wcześniejszej wersji Fable 5.2 przeniósł krytyczną usługę produkcyjną z Pythona do Rusta. Usługa działa teraz wydajniej i stabilniej, a uruchamia się około 26 razy szybciej. W innym eksperymencie model, startując od pustego folderu, koordynował ponad tysiąc subagentów przez osiem dni. Efektem jest prototyp systemu operacyjnego, który uruchamia się na laptopie i ma sterowniki, system plików, okna, ekran logowania oraz instalator.
Opinie firm testujących model pokazują, gdzie tkwi jego przewaga. Inżynier Ubera zlecił mu 10–12-godzinny audyt bezpieczeństwa. Model uruchomił około 170 agentów recenzujących i oddał raport, poprawki w formie pull requestów oraz propozycję polityki. Według testera pracował do faktycznego ukończenia zadania, a nie do pierwszego wiarygodnie wyglądającego punktu kontrolnego. Oracle opisał test generowania SQL na danych o długu państw. Fable 5.2 zwrócił oczekiwane wyniki, a zapytania dwóch innych modeli błędnie sumowały kwoty i zawyżały je 5–8 razy.
Dla zespołów pracujących na danych równie ważna jest uwaga od Cognition. Fable 5.2 przyznaje, że czegoś nie wie, zamiast zmyślać. W jednym z testów sam stwierdził, że jego wcześniejsze oszacowanie było błędne i że nie poda liczby, dopóki nie zmierzy zmiany. Snowflake ocenił go jako najmocniejszy model w swoim benchmarku 103 zadań z inżynierii danych. W cyberbezpieczeństwie firma zajmująca się bezpieczeństwem ustaliła, że co szósty potwierdzony błąd wykryty przez Mythos 5.2 umknął wszystkim innym testowanym czołowym modelom.
Jak dobrać model - wnioski dla firm i marketerów
Anthropic jasno mówi, że Fable i Mythos nie są modelami „do wszystkiego”. W większości zadań programistycznych i pracy z wiedzą zaleca zacząć od Opus 5.5. Po Fable lub Mythos warto sięgać przy najbardziej złożonych problemach, a przy prostszych zejść do Sonnet 5.5 lub Haiku 5.5. Ciekawą opcją są role doradcy (Advisor), gdy mniejsze modele konsultują z Fable trudniejsze kwestie, oraz koordynatora (Orchestrator), gdy Fable rozdziela prostsze zadania tańszym modelom. Mniejsze modele z tej rodziny opisaliśmy szerzej przy okazji premiery Claude Sonnet 5.5 .
Dla marketingu i SEO najważniejsze są dwa wnioski. Po pierwsze, poprawna analityka. Precyzyjny SQL i gotowość do przyznania się do niewiedzy zmniejszają ryzyko decyzji budżetowych opartych na błędnie zsumowanych danych. Po drugie, rosnąca skuteczność w wyszukiwaniu agentowym i obsłudze komputera oznacza, że agenci AI coraz sprawniej samodzielnie przeglądają strony, porównują oferty i wyciągają z nich informacje. O tym, jak przygotować na to serwis, piszemy w tekście o wyszukiwaniu agentowym i tym, co firmy muszą zbudować już teraz .
Jeśli Twoja marka ma być zauważana i poprawnie cytowana przez takie systemy, potrzebne są uporządkowane, łatwe do przetworzenia treści i spójne dane o firmie. Takie rzeczy wdrażamy w ramach usługi widoczności marki w wyszukiwarkach AI . Praktyczne sposoby wykorzystania modeli Claude w codziennej pracy nad pozycjonowaniem zebraliśmy w przewodniku po Claude AI dla SEO .
Podsumowanie
Claude Fable 5.2 i Mythos 5.2 to szybsze i tańsze wersje modeli do najtrudniejszych zadań technicznych, z rekordowym wynikiem w FrontierCode 2.0 i dużymi skokami w pracy agentowej. Nie wygrywają jednak każdego testu, a producent sam zaleca zaczynać od Opus 5.5. Najwięcej zyskają firmy, które dobierają model do złożoności zadania, zamiast domyślnie płacić za najmocniejszy.
Poprzednie wersje serii: Fable 5.1 i Mythos 5.1 oraz premiera Fable 5 i Mythos 5 .
