המירוץ עובר מתשובות קצרות לעבודה ארוכת טווח
Anthropic הכריזה על Claude Fable 5.1 ועל Claude Mythos 5.1 — אותה משפחת מודלים עם רמות שונות של אמצעי הגנה. Fable 5.1 זמינה באופן כללי, בעוד Mythos 5.1 זמינה בשלב זה רק דרך תוכניות גישה מאושרות, בעיקר עבור סייבר ומדעי החיים.
הכיוון המרכזי בהכרזה ברור: מודל שאמור לא רק לענות על שאלה, אלא לעבוד במשך זמן רב על משימה מורכבת — לחקור, לכתוב קוד, להשתמש בכלים, לבדוק את התוצאה ולתקן את עצמו.
שיפור בביצועים, אבל גם דגש על עלות
לפי Anthropic, Fable 5.1 קיבלה 52.6% ב-Terminal-Bench-Science 0.1, לעומת 24.7% ל-Fable 5. החברה מציינת גם שיפור במשימות קוד, reasoning ועבודה מול מחשב.
המספרים מגיעים מהחברה עצמה, ולכן צריך לקרוא אותם בהקשר: בבנצ׳מרק המדעי טעות התקן היא כ-3.5–4.5 נקודות אחוז. זו אינדיקציה מעניינת, אך לא הוכחה לכך שהמודל טוב יותר בכל מצב.
Anthropic מעריכה ירידה של כ-25% במחיר בעומסי עבודה טיפוסיים שבהם החיוב נעשה לפי טוקנים, ועד כ-45% במשימות agentic במיוחד. החיסכון קשור בין היתר להפחתת המחיר של קריאות cache. בפועל, התוצאה תלויה באופי התהליך ובכמות ההקשר שחוזרת על עצמה.
הבדל חשוב בין יכולת לבין הרשאה
Fable 5.1 ו-Mythos 5.1 הן אותה מערכת בסיסית, אך עם מדיניות הגנה שונה. Mythos מיועדת לתרחישים רגישים יותר ומוגבלת לתוכנית גישה ייעודית.
במקביל, Anthropic מציינת ש-Fable 5.1 יכולה לסייע באיתור חולשות תוכנה, אך אינה מיועדת לפיתוח exploits. זו הבחנה חשובה: מודל חזק יותר אינו מבטל את הצורך בגבולות שימוש, הרשאות ובקרה.
מה באמת מעניין כאן
החדשות החשובות אינן רק עוד benchmark. התחרות בין מודלים מתחילה להימדד ביכולת להשלים שרשרת עבודה ארוכה באופן אמין ובעלות שאפשר להצדיק.
אם המודל יודע לעבוד שעות, לבדוק את עצמו ולחזור על שלבים בלי להישבר — וגם עושה זאת במחיר נמוך יותר — הוא הופך מרכיב ניסיוני לכלי עבודה אפשרי.
אבל הדרך לשם עדיין עוברת דרך בדיקות עצמאיות, הרשאות ברורות ונקודות בקרה אנושיות.