Refat Talks: Tech & AI

Итак, вышла Claude Mythos Fable 5. Соберем что мы об этом знаем в одну кучу и будем дополнять. - Официальный блогпост с видео-демками и графиками, ютуб-тизер и Системная карта с деталями. - Claude Fable 5 и Mythos 5 - это одни и те же веса, но с разными предохранителями. Fable для всех, Mythos - для доверенных партнеров - Новый класс моделей "Mythos-class". SOTA почти на всех бенчмарках, самые большие отрывы - на длинных и сложных задачах. Бенчи пересказывать не буду - посмотрите в блогпосте и постепенно появляются все больше независимых. - в 2 раза дороже Опуса: $10 за млн входных токенов, $50 за млн выходных. - Доступна в Claude (все платные подписки), Claude Code и по API. Если не видите в CC - обновитесь claude update. - Всех расстроило это: В подписках включена до 22 июня, дальше по кредитам. То есть через пару недель вероятно будет API баланс равный цене вашей подписки (например $100), а выше него - уже только при оплате за API-токены. Пишут что могут включить в саму подписку позже если найдут достаточные мощности. - Every дали доступ за 5 дней: их видео-обзор и статья - там paywall, но прочитал и вот суть: - Fable как "warp-двигатель для кода": амбициозные штуки одним промптом, но для понятных и коротких задач дорого и медленно. - Скачок виден на больших автономных билдах, а не на рутине. - На их внутреннем инженерном бенче: Fable 91/100 (Opus 4.8 - 63 и GPT-5.5 - 62). - Сделал клон их продукта "Proof" (collaborative document editor) с одного промпта без доступа к исходному коду за ≈3 часа. - В другом тесте снял скриншоты собственной работы на desktop и mobile, нашёл визуальные дефекты и починил - QA встроен в рабочий цикл без отдельного промпта. - По их наблюдениям чинит корневую причину, а не симптом. - Пишут что старые скиллы могут ограничивать новые модели (например Fable делает PowerPoint лучше, когда ему сказали вообще не использовать скилл, а просто дали бренд-гайдлайны) - При этом текст пишет не чуть хуже Opus-а - Самое сильное преимущество вне кода - суждение, особенно с большим контекстом - Кто еще получил ранний доступ к модели? Пост Ethan Mollick, Claire Vo - подкаст How I AI - впечатления о проактивности модели от Simon Willson - Про предохранители: когда пишешь запросы про кибербез, био/хим и дистилляцию, срабатывает защита и переключает на Opus (в <5% сессий как пишут), и тебя об этом уведомляют. Но ложные срабатывания реальны: на reddit уже ловят баны за легитимный dual-use. Обещают уменьшать false positive. - Когда вообще брать Fable. Модель заточена под долгие автономные/агентные задачи: "может работать днями, и чем длиннее задача, тем больше отрыв". На коротких правках разницы с Opus 4.8 часто не почувствуешь, а платишь 2x. Именно на ней Борис Черный видимо почувствовал силу Loop Engeneering. - Интересно что максимум effort не всегда дает лучше результат - об этом пишут Every на своих тестах письма. - Шуточный Elevator-bench уже давненько был исчерпан, но если интересно, то вот лифт Fable. - Мои тесты пока скромные: работает визуально даже быстрее (видимо потому что делает меньше tool-колов) и внимательнее, но у меня не так много задач с которыми Opus 4.8 не справлялся бы, надо больше тестить. —— - позже еще выяснилось, что Anthropic скрытно ограничивала Fable 5 на задачах разработки конкурирующих frontier-моделей - через steering-векторы и правку промптов модель тихо деградировала(~0.03% запросов). После критики исследователей Anthropic признала ошибку ("мы сделали неверный выбор и приносим извинения") и откатила политику, пообещав делать любые ограничения видимыми. UPD: 12 июня власти США распорядились заблокировать доступ иностранцев к моделям Anthropic Fable 5 и Mythos 5, из-за чего компании пришлось полностью отключить обе модели для всех пользователей.