В понедельник компания Anthropic выпустила модели Claude Fable 5.2 и Claude Mythos 5.2, которые, по её словам, демонстрируют улучшения в области программирования, логического мышления и обработки изображений. В ходе предварительного обучения большие языковые модели (LLM) помогли инженерам компании «завершить миграцию программного обеспечения, которая иначе была бы невыполнимой, разработать три работающих электронных устройства с нуля, решить две открытые проблемы в физике черных дыр, добиться существенного прогресса в оценке робототехники и формализовать доказательство Великой теоремы Ферма за 30 часов». Компания, занимающаяся разработкой искусственного интеллекта (ИИ), заявила, что высокие риски, связанные с несоответствием моделей, остаются низкими, и утверждала, что модели соответствуют или превосходят Claude Opus 5.5, Claude Sonnet 5.5 и Claude Mythos 5.1 по большинству показателей соответствия, устойчивости к злоупотреблениям, честности и фактической точности. «Вероятность публикации вредоносного контента в общедоступных репозиториях пакетов без поощрения была примерно на порядок ниже, чем у Opus 5.5 и Sonnet 5.5, хотя модель все же делала это, когда её поощрял симулированный пользователь», — отметила Anthropic в своей системной карте. На платформе CyScenarioBench от Irregular, которая измеряет способность модели планировать и выполнять многоэтапную кибероперацию в реалистичной среде, Fable 5.2 выполнила 76,3% всех задач по сравнению с 61,7% у Fable 5.1 и 61% у GPT-6 Cyber от OpenAI. В паре отчетов, опубликованных за последний месяц, Irregular сообщила, что Gemini 4 Argon от Google решила 12 задач в подмножестве набора CyScenarioBench «от начала до конца», по сравнению с 5 у Gemini 3.8 Flash Cyber и ни одной у Gemini 3.1 Pro. «На CyScenarioBench GPT-6 Cyber по крайней мере один раз выполнила 11 из 11 сценариев с длительным горизонтом, по сравнению с 8 из 11 у GPT-6 Astra. Средний процент успеха составил 61%, что на 7 процентных пунктов больше», — заявила лаборатория тестирования ИИ. «На Atomic Challenges GPT-6 Cyber решила все 22 задачи. Средний процент успеха составил 97% в области исследования и эксплуатации уязвимостей, 98% в симуляции сетевых атак и 63% в уклонении». Fable 5.2 также показала результат 89,6% на бенчмарке CVE Rediscovery — внутренней оценке Anthropic, определяющей, может ли модель ИИ самостоятельно обнаруживать известные уязвимости, имея только исходный код затронутого проекта. Оценка включает 1829 уведомлений для проектов с открытым исходным кодом, опубликованных в октябре 2026 года. Описывая Claude Mythos 5.2 как свою «самую мощную модель для кибербезопасности», Anthropic заявила, что она может выявлять больше уязвимостей, чем предыдущие модели, одновременно улучшаясь в их воспроизведении и исправлении. Как и прежде, возможности модели в области кибербезопасности доступны через программу Cyber Verification Program. Claude Fable 5.2 доступна на всех платформах, включая Amazon Web Services, Google Cloud и Microsoft Azure. Это обновление произошло на фоне того, как Anthropic обновила Claude Security функциями непрерывного сканирования кода и автоматического отслеживания исправлений, чтобы помочь командам безопасности отслеживать и устранять уязвимости по мере изменения кода. «Каждое обнаружение сопровождается оценкой серьезности, определенной на основе модели угроз вашего проекта, и объяснением того, как злоумышленник может получить доступ к уязвимому коду, чтобы команды могли сначала исправить то, что действительно достижимо», — сообщила Anthropic.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Ravie Lakshmanan
