Anthropic udostępnia Claude Fable 5.1. Szybszy model rozwiązuje problem z niezawodnością agentów w długich zadaniach

Tańsza pamięć otwiera drogę dla autonomicznych agentów

Anthropic wprowadza na rynek Claude Fable 5.1, zaktualizowaną wersję swojego modelu średniej klasy. Parametrycznie to ta sama podstawa, ale z drastycznie niższymi kosztami eksploatacji. Cena odczytu z cache (wykorzystania przetworzonego już kontekstu) spadła o 75 procent. Według firmy oznacza to obniżenie całkowitych kosztów nawet o 45 procent dla typowych zadań agentowych, które ciągle wracają do tych samych danych bazowych.

Wraz z Fable 5.1 debiutuje Claude Mythos 5.1. To technicznie identyczny model, ale z poluzowanymi barierami bezpieczeństwa w zakresie cyberbezpieczeństwa i badań biologicznych. Mythos jest dostępny wyłącznie przez rygorystyczny proces weryfikacji dla zaufanych organizacji (na przykład powiązanych z rządem).

Agent nie traci wątku po pierwszych błędach

Dla programistów najważniejszą zmianą jest zachowanie modelu podczas długich, autonomicznych zadań. Wcześniejsze modele często zaczynały halucynować po kilku krokach, traciły orientację w tym, co już sprawdziły, i kręciły się w kółko. Według testów i pierwszych partnerów (takich jak Shopify czy Datadog), Fable 5.1 potrafi utrzymać się w zadaniu, prowadzić własne notatki i naprawiać błędy w kodzie bez interwencji człowieka.

W benchmarku Terminal-Bench 4.0 (testującym zdolność agenta do rozwiązywania problemów w terminalu) Fable 5.1 pokonuje swojego poprzednika i dorównuje lub przebija większe modele konkurencji przy niższych kosztach.

Bariery bezpieczeństwa pozostają wyzwaniem dla komercji

Reality check dotyczy samych zabezpieczeń i compliance. Chociaż Anthropic zmniejszył liczbę fałszywych alarmów (tzw. false positives) o 60 procent, model wciąż odrzuca wiele uzasadnionych zapytań z obawy przed potencjalnym nadużyciem.

Dlatego właśnie Anthropic musiał stworzyć zamkniętą gałąź Mythos. Pokazuje to, że uniwersalne filtry bezpieczeństwa są zbyt restrykcyjne do specjalistycznej pracy (np. testów penetracyjnych czy badań farmaceutycznych). Wdrożenie nowej funkcji Enterprise Frontier Safeguards (EFS), która ma zapewnić zerowe przetrzymywanie danych i lokalny audyt, rozpocznie się dopiero późną jesienią.

Tempo adopcji zależy od stabilności na produkcji

Decydującym sygnałem nie będzie to, jak Fable 5.1 wypada w izolowanych benchmarkach, ale czy zachowa stabilność, gdy dostanie nieograniczony dostęp do realnych firmowych baz danych. Obniżka ceny czyni go idealnym kandydatem na „orkiestratora” zlecającego zadania w tle.

Testem będzie to, czy firmy zaczną wdrażać Fable 5.1 od razu na produkcję do autonomicznego rozwiązywania ticketów, czy na razie zostawią go tylko jako lepszy autocomplete w edytorze kodu.

Werdykt Lilith

Problem z modelami agentowymi nie polegał na tym, że nie potrafiły napisać skryptu, ale że po piętnastu krokach zapominały, co robią. Tańszy cache to tylko łapówka, żeby programiści spróbowali jeszcze raz.