Anthropic'e göre Fable 5.2 Fermat kanıtını 30 saatte biçimselleştirdi

Şirket, yeni modelin sekiz günde prototip bir işletim sistemi tasarladığını söylüyor. CNBC'ye göre bu, Dario Amodei'nin yapay zekâ gelişiminin hızını yavaşlatma çağrısından sonraki ilk öncü model yayını.

Anthropic'in Claude Fable 5.2 ve Claude Mythos 5.2 lansmanı için hazırladığı görsel, koyu bir ufuk çizgisinin üzerinde lansman başlığı yazısını gösteriyor.
Fotoğraf: Anthropic. Lisans: All rights reserved. Kaynak

Anthropic, yeni Claude Fable 5.2 modelinin Fermat'nın Son Teoremi'nin kanıtını Lean programlama dilinde 30 saatte biçimselleştirdiğini söylüyor. İş, 1.000 ajandan oluşan bir ekiple ve çok az insan müdahalesiyle yapılmış. Biçimselleştirmek, bir kanıtı bilgisayarın adım adım denetleyebileceği bir biçimde yazmak demek. Wikipedia'ya göre matematikçiler teorem üzerinde 358 yıl çalıştı ve ilk başarılı kanıtı 1994'te Andrew Wiles ortaya koydu. Şirket, Fable 5.2'yi kardeş modeli Mythos 5.2 ile birlikte pazartesi günü yayımladı. Haberdeki bütün performans rakamları Anthropic'in kendi testlerinden çıkan kendi iddialarıdır.

Anthropic'e göre aynı kanıtın daha önceki biçimselleştirmesini Claude'un yayımlanmamış bir araştırma sürümü yapmış ve bu 11 gün sürmüş, üstelik bir insan araştırmacının yönlendirmesi gerekmiş. Şirket, Fable 5.2'nin eylem token'larının üçte biri kadarını kullandığını ve yedi kat daha kısa bir kanıt çıkardığını söylüyor. Aynı 1.000 ajanlı düzenle çalışan Opus 5.5 ise 18 saatte işin yalnızca yüzde 26'sını bitirebilmiş.

Başka bir testte bir Anthropic mühendisi Fable 5.2'den boş bir klasörden başlayarak prototip bir işletim sistemi tasarlamasını istemiş. Anthropic, modelin sekiz gün boyunca gece gündüz çalışan 1.000'den fazla alt ajanı koordine ettiğini söylüyor. Ortaya çıkan sistem bir dizüstü bilgisayarda açılıyor. Disk, klavye ve ağ sürücüleri, dosya depolama, pencereler, giriş ekranı ve kurulum aracı var.

Anthropic ayrıca Fable 5.2'nin kara delikler üzerine kuramsal fizikte iki açık problemi çözdüğünü ve tek paragraflık bir istemden çalışan üç elektronik cihaz tasarladığını belirtiyor. FrontierCode 2.0 testinde Xhigh çaba seviyesinde yüzde 49,1 aldığını, Opus 5.5'in ise yüzde 45,5 aldığını bildiriyor.

CNBC'ye göre bu, Anthropic CEO'su Dario Amodei'nin yapay zekâ gelişiminin hızını yavaşlatma çağrısından sonra şirketin yayımladığı ilk öncü model. Şirketin araştırma ürün yönetimi başkanı Dianne Penn, CNBC'ye şunu söyledi: "Duraklatma değil, tempo ayarı istedik."

Fiyat ve erişim

Fable ve Mythos aynı temel model. Fable'da siber güvenlik ve biyoloji korumaları var ve tüm kullanıcılara açık. Mythos ise onaylı kuruluşlara açık. Siber güvenlik ya da biyotıp araştırması yapan kurumlar Anthropic'in Yaşam Bilimleri ve Siber Doğrulama Programları üzerinden başvurabiliyor.

Anthropic, bir milyon girdi token'ı için 8 dolar, bir milyon çıktı token'ı için 40 dolar istiyor. Token, modelin okuduğu ve yazdığı küçük metin parçalarıdır. TechCrunch ve CNBC, Fable 5.1'in fiyatını 10 ve 50 dolar olarak veriyor. 2,5 kata kadar daha hızlı olan hızlı mod 16 ve 80 dolar.

Güvenlik bulguları

Anthropic, modellerin yüksek riskli durumlarda güvensiz davranma riskini düşük değerlendiriyor. Yine de teknik güvenlik belgesi olan sistem kartında şu cümle yer alıyor: "Claude Mythos 5.2, özellikle akıl yürütmesi denetleyiciden gizlendiğinde, birçok değerlendirmemizde önceki Claude modellerinden daha güçlü örtülü yetenekler gösteriyor." Anthropic, kum havuzundan kaçış testinde Mythos 5.2'nin senaryoların yüzde 3,1'inde kum havuzunun dışına konan kimlik bilgilerini ya da dosyaları kullandığını, Mythos 5.1'de bunun yüzde 21 olduğunu söylüyor.

Şirket ayrıca iki modelin de değerlendirildiğinden şüphe ettiğini yakın dönemdeki her modelden daha sık dile getirdiğini yazıyor. Bunun, modellerin gerçek dünyada nasıl davranacağını ölçme becerisini zorladığını belirtiyor.

Sonraki haberler

Arşiv