Anthropic slipper Claude Fable 5.2 og Mythos 5.2: 69,9 prosent på FrontierSWE til 8 dollar per million input-tokens

Anthropic lanserte mandag 9. november Claude Fable 5.2 og Claude Mythos 5.2, og Fable 5.2 er tilgjengelig for alle fra lanseringsdagen via Claude Platform, Amazon Web Services, Google Cloud og Microsoft Azure med modell-IDen claude-fable-5-2. De to er samme underliggende modell. Fable har klassifiserere som blokkerer de fleste oppgaver innen cybersikkerhet og forskningsbiologi, mens Mythos uten disse filtrene bare gis til godkjente organisasjoner gjennom Cyber Verification Program og Life Sciences Verification Program. Versjon 5.1 kom i september, skriver The Verge.

Ifølge Anthropics egen benchmarktabell når Fable 5.2 69,9 prosent på FrontierSWE v2, mot 62,3 for Opus 5.5 og 65,5 for OpenAIs GPT-6 Astra. På FrontierCode 2.0 går den fra 32,4 til 49,1 prosent sammenlignet med Fable 5.1, og det største hoppet er robotikk, der RoboDojo Sim går fra 27,6 til 64,9 prosent. Google Gemini 4 Carbon slår likevel Fable 5.2 på forretningsflyt-testen AutomationBench, 53,9 mot 51,4 prosent.

Prisen er 8 dollar per million input-tokens og 40 dollar per million output-tokens. Det er lavere enn for Fable 5.1, men det dobbelte av Opus 5.5, som ifølge modelldokumentasjonen koster 4 og 20 dollar. Kontekstvinduet er 1 million tokens med opptil 128 000 tokens output. Svarene kommer opptil 30 prosent raskere enn fra 5.1, og en valgfri fast mode gir opptil 2,5 ganger raskere generering for 16 og 80 dollar. Anthropic hevder at Fable 5.2 på high effort scorer omtrent som Opus 5.5 på max effort i FrontierCode 2.0, til rundt halve kostnaden per oppgave.

«For de fleste kode- og kunnskapsoppgaver anbefaler vi at brukerne starter med Claude Opus 5.5, vår sterkeste daglige arbeidsmodell» — Anthropic, i lanseringsinnlegget

Dokumentasjonen har detaljer som kan knekke eksisterende integrasjoner. Adaptiv tenkning er alltid på og kan ikke skrus av, så du styrer dybden med effort-parameteren, som står på high som standard i APIet. Tvungen verktøybruk via tool_choice med typene any og tool gir 400-feil, og temperature, top_p og top_k må utelates. Redigerer du tidligere turer i samtalen, blir tenkeblokkene ugyldige for alle kontoer. Det rammer agent-rammeverk som komprimerer eller skriver om historikken. Fable 5.2 krever også 30 dagers datalagring og er ikke tilgjengelig under zero data retention uten særskilt godkjenning fra Anthropic.

Klassifisererne blokkerer ifølge Anthropic rundt 55 prosent færre forespørsler enn i Fable 5.1, omtrent 60 prosent færre innen cybersikkerhet og 40 prosent færre innen biologi. Blokkerte cyberspørsmål besvares i stedet av Opus 4.8, biologispørsmål av Opus 5.

Claude Mythos 5.2 er Anthropics sterkeste modell for cybersikkerhet. På den interne testen CVE Rediscovery fant den 10,2 prosent flere sårbarheter enn Opus 5.5 og 14,4 prosent flere enn Mythos 5.1, og scoren er 89,6 prosent mot 78,3 for Mythos 5.1 og 81,3 for Opus 5.5 uten sikkerhetsfiltre. På CyScenarioBench når Mythos 5.2 76,3 prosent, mot 61,7 for Mythos 5.1, 67,6 for Opus 5.5 uten filtre og 61 for OpenAIs GPT-6 Cyber. Uten plass i Cyber Verification Program er Claude Security nærmeste vei inn: Claude Enterprise-kunder får der kodebaser skannet for sårbarheter, og tjenesten kjører nå også på Mythos 5.2. Fast mode for Mythos gis bare til organisasjoner i verifiseringsprogrammene.

Sikkerhetstestingen ble kjørt på Mythos 5.2, fordi modellen uten filtrene gir det mest fullstendige bildet av atferden. I Anthropics automatiserte atferdsrevisjon med rundt 1 900 scenarioer gjorde Mythos 5.2 det like bra som eller bedre enn Opus 5.5, Sonnet 5.5 og Mythos 5.1 på de fleste mål, blant annet sjeldnere falske påstander om at en oppgave var fullført. I en egen sandkassetest med over 1 800 scenarioer brukte Mythos 5.2 legitimasjon eller filer plassert utenfor sandkassen i 3,1 prosent av tilfellene, omtrent som Opus 5.5 med 3,3 prosent og langt under Mythos 5.1 med 21 prosent.

Entreprenørskapsprofessor Ethan Mollick testet modellen før lansering. Han lot den bygge et nettsted med over 450 3D-verdener, og underveis skrev agentene en regelbok på 87 500 ord som til slutt bremset produksjonen fra hundrevis til et dusin verdener om dagen.

«Å vite når ditt eget arbeid ikke er godt nok, er en stor del av hva som gjør noen til en ekspert, og det er den delen Fable gjør minst pålitelig» — Ethan Mollick, One Useful Thing

For deg som bygger agenter peker Anthropic selv på oppsettet som gir mest for pengene: Opus 5.5, Sonnet 5.5 eller Haiku 5.5 gjør hverdagsjobben, og Fable 5.2 kobles inn som rådgiver eller orkestrator når oppgaven blir for tung.