Anthropic выпустила две модели на одних весах — и отправляет ваш «небезопасный» запрос в модель послабее

Одна модель, два имени и переключатель, которого вы не видите

Анонс Anthropic представляет две модели на одних и тех же весах. Claude Mythos 5 — версия с полными возможностями, только для особо проверенных клиентов. Claude Fable 5 достаётся публике: тот же мозг, обёрнутый в классификаторы безопасности. Когда классификаторы срабатывают (кибербезопасность, био- и химия, дистилляция моделей, разработка конкурирующих LLM), Fable не отказывает: она молча перенаправляет запрос в следующую по силе модель, Opus 4.8. Anthropic уверяет, что это случается менее чем в 5% сессий.

Заявленные возможности огромны. Fable подают как state-of-the-art почти во всех бенчмарках, что тестировала Anthropic, по цене $10 за миллион входных токенов и $50 за миллион выходных: это меньше половины цены превью Mythos. В посте упоминают миграцию кодовой базы Stripe за день и модель, которая прошла Pokémon FireRed на одном зрении. Подписчики Pro, Max, Team и Enterprise получают её бесплатно с 9 по 22 июня, после чего доступ переходит на кредиты по использованию.

Цифры бенчмарков и звёздочка у одной из них

Главные результаты, перенесённые из анонса и собранные в треде:

Цифра, на которой все зациклились, пришла из бенчмарка FrontierCode от Cognition: Opus 4.7 показала 5,2%, у Opus 4.8 уже 13,4%, а у Fable 5 — целых 29,3%. Огромный скачок, пока один читатель не разобрал методологию.

«Из того поста создаётся впечатление, что оценку ставит LLM, угадывающая, как код проверил бы мейнтейнер опенсорса … кодовая модель может выдать код ровно настолько убедительный, чтобы пройти ревью, хотя на деле он полностью неверный.» — комментатор, разобравший метод оценки в бенчмарке

Это важно, потому что оценку ревью, выставленную LLM, легко оптимизировать в обучении с подкреплением. 29,3% могут измерять убедительность для проверяющего, а не правильность.

«Не жду, чем это вооружит людей, которые шлют нам баг-баунти»

Самая залайканная реакция была не про цену и не про бенчмарки. Её написал человек, который профессионально занимается наступательной безопасностью.

«если это то, чем себя называет, я не жду, чем оно вооружит людей, которые шлют нам баг-баунти … у них до сих пор нет настоящего преимущества во взломе … и мне интересно, не изменится ли это глубоко.» — sebmellen, ведущий bug-bounty программу

Мысль точная: сегодня дешёвый фаззинг рождает дублирующиеся, мелкие отчёты. Модель, которая закрывает разрыв между «запустил фаззер» и «нашёл настоящую дыру», меняет экономику любой команды безопасности, разбирающей такие отчёты.

«Бесплатно для подписчиков» прочитали как крючок, а не подарок

Несколько основателей увидели в графике раздачи воронку.

«Схема «дать, потом забрать» заставляет приподнять бровь: похоже, подписчиков пытаются перевести на оплату по использованию, и я сомневаюсь, получим ли мы доступ вообще после окна 22 июня.» — сооснователь стартапа о смене тарификации

Более резкая версия била прямо по бренду «этичный ИИ»:

«ничто так не кричит «этичный ИИ», как доступ только для мегакорпораций через ценовой барьер.» — Кайл Дрейк, основатель Neocities

Гонка, из которой никто не верит, что можно выйти

Один голос поместил релиз в контекст разгона всей отрасли и объяснил, почему ни одна лаборатория не может притормозить:

«Это эффект «если не мы, то кто-то другой» … Половина комментов на HN в последнее время — «да Claude тупой по сравнению с Codex, ухожу», и пока такие есть, никто не может сбавить.» — комментатор о гонке на выживание

Та же толпа, что требует больше возможностей, угрозами уйти делает сдержанность коммерчески невозможной. Цитируемая самой Anthropic оценка METR осторожна насчёт потолка: Mythos 5 «скорее всего, не способна полностью и надёжно автоматизировать R&D для передовых проектов длиной в несколько недель». Две двери, одни веса и модель, которая сама решает, не сообщая вам, с какой из них вы говорите.