A1intelligence — канал об искусственном интеллекте

Fable 5.1: первые цифры и что реально поменялось Вчера Anthropic выпустила Claude Fable 5.1 и Mythos 5.1. Сразу про путаницу, которая уже разошлась по каналам: это одна модель. Fable — с боевыми фильтрами, доступна всем. Mythos — те же веса, но фильтры по кибербезу и биологии ослаблены, доступ только у проверенных организаций из Project Glasswing. Отдельной «модели для безопасников» нет. Бенчи (пока только от вендора) - Terminal-Bench 4.0: 55.8% против 42.0% у Fable 5 и 52.3% у Opus 5. Mythos с ослабленными фильтрами — 60.9% - CursorBench 3.2: 73.4% на max effort — первое место. Grok 4.6 — 70.8%, Fable 5 — 70.5% - AutomationBench от Zapier (бизнес-воркфлоу): 31.4% против 17.1% — почти вдвое - Terminal-Bench-Science: 52.6 против 24.7 — тоже вдвое за три месяца - GDPval-AA v2 (knowledge work): 1853 против 1824 у Opus 5 — почти ничья Первые результаты Из анонса: в Millennium модель нашла причину редкого крэша, который инженеры не могли объяснить несколько лет. В Rakuten Medical — дыру в клиническом проекте, которую пропустили три другие фронтир-модели. Независимо: CodeRabbit прогнали её на код-ревью. Багов находит почти столько же, сколько Fable 5, но комментов на 87 меньше — сильно меньше шума. И забавное: на High effort она была медленнее и нашла меньше, чем на Low. Cursor отмечает главное для агентов — она проверяет собственную работу и поэтому дотаскивает сложные задачи до конца. Что важно Цены те же: $10 / $50 за миллион токенов. Но чтение кэша подешевело в 4 раза — с $1 до $0.25. Для агентных пайплайнов, где системный промпт крутится по кругу, это до −45% к счёту. В комментах уже жалуются, что модель запустила четырёх агентов и сожгла 5-часовой лимит за 23 минуты 😅 Пробуем осторожно. Анонс | Тест CodeRabbit #апдейтымоделей