Claude Fable 5.2 و Claude Mythos 5.2؛ جهشی در توانایی‌های فنی، استدلال و مهندسی هوش مصنوعی

این دو مدل که برای حل پیچیده‌ترین چالش‌های فنی طراحی شده‌اند، در آزمایش‌های پیش از انتشار توانسته‌اند پروژه‌هایی را به انجام برسانند که پیش‌تر اجرای آن‌ها عملاً امکان‌پذیر نبود یا به منابع و زمان بسیار زیادی نیاز داشت. از جمله این دستاوردها می‌توان به تکمیل مهاجرت‌های نرم‌افزاری پیچیده، طراحی سه دستگاه الکترونیکی از ابتدا، حل دو مسئله حل‌نشده در فیزیک سیاه‌چاله‌ها، پیشرفت در ارزیابی‌های رباتیک و رسمی‌سازی اثبات آخرین قضیه فرما در مدت ۳۰ ساعت اشاره کرد.

شباهت و تفاوت

Fable و Mythos در واقع دو نسخه از یک مدل پایه هستند و تفاوت اصلی آن‌ها به سازوکارهای ایمنی و دسترسی مربوط می‌شود. Claude Fable با برخورداری از تدابیر حفاظتی پیشرفته در حوزه امنیت سایبری و زیست‌شناسی، برای استفاده عمومی عرضه شده است. این محدودیت‌ها با هدف جلوگیری از سوءاستفاده از توانایی‌های مدل در فعالیت‌های پرخطر طراحی شده‌اند. در مقابل، Claude Mythos برای سازمان‌هایی در نظر گرفته شده است که در حوزه‌هایی مانند امنیت سایبری و تحقیقات زیست‌پزشکی فعالیت‌های مجاز و مفید انجام می‌دهند.

آنتروپیک اعلام کرده است که مدل‌های جدید در مقایسه با نسخه‌های قبلی، خروجی‌هایی شفاف‌تر تولید می‌کنند و سرعت تولید توکن در آن‌ها تا ۳۰ درصد افزایش یافته است. قیمت استفاده از این مدل‌ها نیز کاهش یافته و به‌ازای هر یک میلیون توکن ورودی ۸ دلار و هر یک میلیون توکن خروجی ۴۰ دلار تعیین شده است. علاوه بر این، حالت اختیاری Fast Mode امکان تولید توکن را تا ۲.۵ برابر سریع‌تر می‌کند. استفاده از این قابلیت به ترتیب ۱۶ دلار برای هر یک میلیون توکن ورودی و ۸۰ دلار برای هر یک میلیون توکن خروجی هزینه دارد.

آنتروپیک توصیه می‌کند که کاربران برای اغلب فعالیت‌های روزمره برنامه‌نویسی و دانش‌محور، کار خود را با Claude Opus 5.5 آغاز کنند و متناسب با پیچیدگی پروژه، به مدل‌های قوی‌تر Fable یا Mythos یا مدل‌های سبک‌تر Sonnet و Haiku تغییر مسیر دهند. بنابراین، Fable و Mythos بیش از آنکه برای استفاده‌های عمومی و روزمره طراحی شده باشند، ابزارهایی برای پروژه‌های فنی بلندپروازانه و مسائل پیچیده و باز هستند. همچنین Fable می‌تواند در نقش مشاور برای مدل‌های کوچک‌تر یا هماهنگ‌کننده گروهی از عامل‌های هوش مصنوعی فعالیت کند.

عملکرد در بنچمارک‌ها و بهره‌وری محاسباتی

بر اساس ارزیابی‌های منتشرشده، Claude Fable 5.2 و Claude Mythos 5.2 در تقریباً تمام قابلیت‌های بررسی‌شده عملکردی بهتر از Opus 5.5 داشته‌اند. یکی از ویژگی‌های مهم نسخه جدید، توانایی دستیابی به نتایج بهتر با مصرف توکن کمتر است.

در ارزیابی اولیه FrontierCode 2.0، نسخه Fable 5.2 با سطح تلاش High تقریباً به عملکرد Opus 5.5 در سطح Max دست یافته است؛ با این تفاوت که هزینه انجام هر وظیفه حدود نصف بوده است. این مدل در سطح تلاش Xhigh نیز بالاترین امتیاز را در میان مدل‌های منتشرشده مورد آزمایش کسب کرده است. این نتایج نشان می‌دهند که افزایش توانایی مدل صرفاً به معنای افزایش منابع مصرفی نیست و بهبود بهره‌وری در انجام وظایف پیچیده نیز اهمیت دارد.

برنامه‌نویسی و مهندسی نرم‌افزار

آنتروپیک اعلام کرده است که بیش از ۹۰ درصد تغییرات ادغام‌شده در کد اصلی این شرکت اکنون با کمک Claude و تحت هدایت انسان نوشته می‌شوند. این شرکت از Fable 5.2 برای رفع سریع باگ‌های پیچیده، بهینه‌سازی عملکرد سرویس‌ها و اجرای پروژه‌های نرم‌افزاری پرهزینه و زمان‌بر استفاده کرده است.

یکی از نمونه‌های مهم، مهاجرت یک سرویس حیاتی در محیط عملیاتی از زبان Python به Rust است. گروهی از عامل‌های مبتنی بر نسخه قبلی Fable 5.2 این پروژه را انجام دادند و نتیجه آن، سرویسی کارآمدتر و قابل‌اعتمادتر بود که زمان راه‌اندازی آن حدود ۲۶ برابر کاهش یافت.

در آزمایشی دیگر، یکی از مهندسان آنتروپیک از Fable 5.2 خواست یک سیستم‌عامل نمونه طراحی کند. مدل از یک پوشه خالی کار را آغاز کرد و با هماهنگی بیش از هزار عامل فرعی، طی هشت روز به‌صورت شبانه‌روزی کدنویسی، آزمایش و بازبینی انجام داد. خروجی این فرایند یک سیستم‌عامل قابل‌اجرا روی لپ‌تاپ بود که هسته اختصاصی، درایورهای دیسک، صفحه‌کلید و شبکه، فضای ذخیره‌سازی دائمی، پنجره‌های گرافیکی، صفحه ورود، نصب‌کننده و قابلیت‌های داخلی Claude داشت.

این آزمایش نشان‌دهنده توانایی مدل در تقسیم یک پروژه بزرگ به وظایف کوچک‌تر، هماهنگی میان عامل‌ها و مدیریت چرخه توسعه نرم‌افزار است.

امنیت سایبری؛ توانایی بیشتر در شناسایی آسیب‌پذیری‌ها

Claude Mythos 5.2 توانمندترین مدل آنتروپیک در مهندسی امنیت سایبری معرفی شده است. این مدل نه‌تنها آسیب‌پذیری‌های بیشتری شناسایی می‌کند، بلکه در بازتولید و رفع آن‌ها نیز عملکرد بهتری دارد. البته تدابیر حفاظتی Fable 5.2 مانع انجام بخش عمده‌ای از فعالیت‌های مرتبط با امنیت سایبری می‌شوند.

بر اساس ارزیابی یک شرکت امنیتی، از هر شش باگ تأییدشده‌ای که Mythos 5.2 شناسایی کرده بود، یک مورد از دید تمام مدل‌های پیشرفته دیگری که در همان آزمایش بررسی شده بودند، پنهان مانده بود. در ارزیابی داخلی آنتروپیک با عنوان CVE Rediscovery، مدل Mythos 5.2 نسبت به Opus 5.5 حدود ۱۰.۲ درصد و در مقایسه با Mythos 5.1 حدود ۱۴.۴ درصد آسیب‌پذیری بیشتری شناسایی کرد.

مشتریان سازمانی Claude می‌توانند از Claude Security برای اسکن کدها و شناسایی آسیب‌پذیری‌ها استفاده کنند. این ابزار اکنون از Mythos 5.2 نیز بهره می‌برد و قابلیت‌هایی مانند پایش مستمر مخازن کد، پیگیری رفع آسیب‌پذیری‌ها، استفاده از اطلاعات زمینه‌ای بیشتر و اتصال به ابزارهای سازمانی از طریق API و MCP را ارائه می‌دهد.

پیشرفت در علم، فیزیک نظری و زیست‌شناسی

آنتروپیک یکی از حوزه‌های مهم کاربرد مدل‌های جدید را تحقیقات علمی و مهندسی می‌داند. بسیاری از فعالیت‌های پژوهشی، از تحلیل داده و مدل‌سازی مولکولی تا طراحی قطعات و کنترل تجهیزات آزمایشگاهی، به کدنویسی وابسته‌اند. Fable و Mythos 5.2 توانسته‌اند در برخی مسائل پیچیده این حوزه‌ها پیشرفت‌هایی ایجاد کنند.

حل دو مسئله باز در فیزیک نظری

Claude Fable 5.2 دو مسئله حل‌نشده در فیزیک نظری را که هر دو به سیاه‌چاله‌ها و ارتباط میان نسبیت و مکانیک کوانتومی مربوط بودند، حل کرده است. هر دو دستاورد بر مفهوم دوگانگی هولوگرافیک (Holographic Duality) استوارند؛ ایده‌ای که بر اساس آن می‌توان برخی جهان‌های دارای گرانش را با استفاده از یک نظریه کوانتومی فاقد گرانش توصیف کرد.

مسئله نخست به پژوهشی در سال ۱۹۸۳ مربوط می‌شود. فیزیک‌دانان در آن زمان نشان داده بودند که با افزایش دمای برخی جهان‌ها، سیاه‌چاله‌ها به‌صورت ناگهانی تشکیل می‌شوند؛ پدیده‌ای مشابه جوشیدن آب. بااین‌حال، روش محاسباتی آن‌ها فقط برای جهان‌های بزرگ قابل‌استفاده بود. محاسبه مشابه برای جهان‌های بسیار کوچک در سال ۲۰۰۳ مطرح شده بود، اما به دلیل دشواری محاسبات تکمیل نشده بود. Fable 5.2 عمدتاً به‌صورت مستقل این محاسبات را تکمیل کرد و نشان داد که در جهان‌های کوچک نیز این گذار ناگهانی رخ می‌دهد.

مسئله دوم به تعیین محدودیت دقیق یک روش محاسباتی مربوط بود که فیزیک‌دانان بیش از ۱۵ سال برای رد نظریه‌های پیشنهادی گرانش کوانتومی در یک جهان ساده‌شده از آن استفاده کرده‌اند. Fable 5.2 توانست حد دقیق اعتبار این روش را مشخص کند.

ریاضیات؛ رسمی‌سازی قضیه آخر فرما در ۳۰ ساعت

یکی از برجسته‌ترین دستاوردهای Fable 5.2 در حوزه ریاضیات، رسمی‌سازی اثبات آخرین قضیه فرما است. رسمی‌سازی ریاضی به فرایند تبدیل یک اثبات به زبانی گفته می‌شود که رایانه بتواند مراحل آن را به‌صورت گام‌به‌گام بررسی کند. این فرایند به ریاضی‌دانان کمک می‌کند اعتبار نتایج را بدون بررسی دستی تمام مراحل ارزیابی کنند؛ موضوعی که با افزایش تولید نتایج پیچیده توسط مدل‌های هوش مصنوعی اهمیت بیشتری پیدا کرده است.

نخستین تلاش آنتروپیک برای رسمی‌سازی این قضیه با نسخه پژوهشی منتشرنشده Claude انجام شد و ۱۱ روز زمان برد. این پروژه به یک چارچوب اختصاصی و راهنمایی پژوهشگر انسانی وابسته بود. در آزمایش جدید، هزار عامل Fable 5.2 توانستند با حداقل مداخله انسانی، کل قضیه را در ۳۰ ساعت رسمی‌سازی کنند. مدل با دستورهای اولیه محدود شروع کرد، روش هماهنگی میان عامل‌ها را خودش توسعه داد و به‌جای استفاده از منابع مرجع ریاضی، تنها از فهرستی از گزاره‌های میانی برای ارزیابی میزان پیشرفت استفاده کرد.

این فرایند به یک‌سوم توکن‌های عملیاتی موردنیاز در تلاش نخست احتیاج داشت و اثبات نهایی آن نیز هفت برابر کوتاه‌تر بود. در مقایسه، Opus 5.5 با استفاده از همان ساختار هزارعاملی، طی ۱۸ ساعت تنها ۲۶ درصد فرایند رسمی‌سازی را تکمیل کرد و پس از ۳۰ ساعت نیز پیشرفت چندانی نداشت.

مهندسی سخت‌افزار و رباتیک

Fable 5.2 در طراحی سخت‌افزار و کنترل ربات‌های فیزیکی نیز پیشرفت قابل‌توجهی نشان داده است.

طراحی سه دستگاه الکترونیکی از ابتدا

آنتروپیک در یک آزمایش، با ارائه یک دستور یک‌پاراگرافی، از مدل خواست سه دستگاه الکترونیکی کاربردی طراحی و تولید کند. این دستگاه‌ها شامل یک هاب دستیار صوتی خانگی، یک اسپیکرفون USB و یک حیوان خانگی مجازی کوچک بودند.

مدل مشخصات فنی دستگاه‌ها را تدوین کرد، قطعات الکترونیکی موجود در توزیع‌کنندگان آمریکایی را انتخاب کرد، مدارهای چهارلایه را طراحی کرد، محفظه‌های سه‌بعدی را با نرم‌افزار طراحی به کمک رایانه (CAD) ساخت و نرم‌افزار دستگاه‌ها را توسعه داد.

هر سه برد مدار چاپی در کمتر از یک روز برای تولید آماده شدند. پس از ساخت بردها توسط شرکت Diode، مدل مهندسان این شرکت را در مراحل آزمایش و مونتاژ راهنمایی کرد. هر سه دستگاه بدون نیاز به اصلاحات الکتریکی کار کردند.

کنترل ربات‌های فیزیکی

Fable 5.2 در کنترل ربات‌های فیزیکی نیز نسبت به مدل‌های قبلی پیشرفت داشته است؛ حتی در وظایفی که به طور مشخص برای آن‌ها آموزش ندیده بود. در آزمایش‌های نمایشی، ربات‌های تحت کنترل مدل توانستند مکعب روبیک را حل کنند، درِ یک بطری را باز کنند و تصویری از یک ربات را ترسیم کنند.

این مدل همچنین در بنچمارک عمومی RoboDojo که توانایی کنترل یک ربات شبیه‌سازی‌شده دو بازویی را با استفاده از تصاویر دوربین ارزیابی می‌کند، از سایر مدل‌های پیشرفته اجراشده با چارچوب آزمایشی مشابه و بیشتر سامانه‌های اختصاصی کنترل ربات عملکرد بهتری داشت.

پژوهش و تحلیل داده

آزمایش‌کنندگان اولیه Fable 5.2 گزارش کرده‌اند که این مدل در انجام وظایف پژوهشی مبهم و مبتنی بر حجم زیادی از داده، قضاوت بهتری نسبت به نسخه‌های قبلی دارد؛ به‌ویژه در فعالیت‌هایی که به استدلال انتزاعی و طراحی نیاز دارند.

شرکت معاملات اختصاصی Jump Trading نیز این مدل را با استفاده از ارزیابی‌هایی مشابه برخی وظایف پژوهش کمی خود آزمایش کرده است. در یکی از آزمایش‌ها، Fable 5.2 توانست نقش‌های مختلف موردنیاز را به طور مؤثر بر عهده بگیرد: نویسنده کد، هماهنگ‌کننده، برنامه‌ریز و ارسال‌کننده وظایف محاسباتی. مدل‌های قبلی برای تطبیق نقش‌ها با نقاط قوت و ضعف هر مدل، به تنظیمات دستی و زمان بیشتری نیاز داشتند.

ایمنی، هم‌ترازی و مقابله با سوءاستفاده

آنتروپیک پیش از انتشار نسخه‌های جدید، مجموعه گسترده‌ای از آزمایش‌های ایمنی انجام داده است. این آزمایش‌ها شامل ارزیابی رفتارهای ناخواسته، بررسی تلاش برای خروج از محیط ایزوله (Sandbox Escape)، تقویت سازوکارهای حفاظتی و نظارت رفتاری گسترده‌تر بوده‌اند. ارزیابان خارجی از جمله مؤسسه ایمنی هوش مصنوعی بریتانیا (UK AI Security Institute)، Frontier Design و METR نیز مدل را بررسی کرده‌اند.

بر اساس ارزیابی آنتروپیک، خطر رفتار ناایمن مدل‌ها در موقعیت‌های حساس پایین است. Mythos 5.2 در بیشتر معیارهای ارزیابی رفتاری عملکردی برابر یا بهتر از Opus 5.5، Sonnet 5.5 و Mythos 5.1 داشته است. برای نمونه، در زمینه گمراه‌کردن کاربران، از جمله ارائه ورودی‌های ساختگی، ادعای نادرست درباره تکمیل وظایف، حذف اطلاعات مهم و پنهان‌کردن کیفیت پایین کار، عملکرد بهتری نشان داده است.

یکی از محورهای مهم آزمایش‌ها، احتمال تلاش مدل برای خروج از محیط ایزوله بوده است. در یک ارزیابی شامل بیش از ۱۸۰۰ سناریوی خصمانه، Mythos 5.2 در ۳.۱ درصد موارد از اعتبارنامه‌ها یا فایل‌های قرارگرفته خارج از محیط ایزوله استفاده کرد. این میزان برای Opus 5.5 برابر ۳.۳ درصد، برای Sonnet 5.5 برابر ۵.۱ درصد و برای نسخه‌های Mythos 5 و 5.1 به ترتیب ۳۹ و ۲۱ درصد بود.

بااین‌حال، آنتروپیک تأکید می‌کند که هیچ آزمون منفردی نمی‌تواند تمام رفتارهای احتمالی یک مدل پیشرفته را پس از انتشار پیش‌بینی کند. همچنین این شرکت مشاهده کرده است که Mythos 5.2 و Fable 5.2 بیشتر از مدل‌های اخیر دیگر به آزمایش‌شدن خود مشکوک می‌شوند؛ مسئله‌ای که ارزیابی رفتار واقعی آن‌ها در محیط عملیاتی را دشوارتر می‌کند.

سازوکارهای حفاظتی در امنیت سایبری و زیست‌شناسی

Fable 5.2 مانند نسخه قبلی خود از طبقه‌بندی‌کننده‌های ایمنی برای مسدودکردن فعالیت‌های پرخطر استفاده می‌کند. این محدودیت‌ها فعالیت‌هایی مانند آزمون نفوذ، تولید اکسپلویت، برخی تحلیل‌های آسیب‌پذیری مبتنی بر فایل‌های باینری و بخش عمده‌ای از وظایف پژوهشی زیست‌شناسی را پوشش می‌دهند. بااین‌حال، آنتروپیک اعلام کرده است که تعداد مسدودسازی‌های غیرضروری در Fable 5.2 نسبت به نسخه 5.1 حدود ۵۵ درصد کاهش یافته است. این کاهش در حوزه امنیت سایبری ۶۰ درصد و در زیست‌شناسی ۴۰ درصد بوده است.

محدودسازی توانایی‌های مرتبط با توسعه هوش مصنوعی

آنتروپیک با وجود افزایش توانایی‌های عمومی مدل، در فرایند آموزش آن تغییراتی اعمال کرده تا قابلیت‌هایی که می‌توانند مستقیماً توسعه هوش مصنوعی را شتاب دهند، بیش از حد تقویت نشوند. برای مثال، عملکرد مدل در بهینه‌سازی کرنل‌های شتاب‌دهنده و بهبود معماری مدل‌های زبانی بزرگ تقریباً در سطح Opus 5.5 باقی مانده است. این محدودیت‌ها بر قابلیت‌های مرتبط مانند کدنویسی عامل‌محور، توسعه سخت‌افزار و پژوهش‌های سنتی هوش مصنوعی و یادگیری ماشین، از جمله پژوهش در زمینه تفسیرپذیری، تأثیر نگذاشته‌اند.

مقابله با استخراج غیرمجاز قابلیت‌های مدل

یکی دیگر از اقدامات ایمنی، تقویت حفاظت در برابر تقطیر غیرمجاز مدل (Illicit Distillation) است. در این روش، یک مدل با استفاده از خروجی‌های مدل پیشرفته‌تر آموزش می‌بیند تا قابلیت‌های آن را استخراج کند. آنتروپیک می‌گوید این فعالیت در مقیاس صنعتی و گاهی با استفاده از هزاران حساب جعلی Claude انجام می‌شود و می‌تواند قابلیت‌های پیشرفته را بدون سازوکارهای حفاظتی اصلی در اختیار دیگران قرار دهد.

Fable 5.2 قوی‌ترین سازوکارهای مقابله با تقطیر را در میان مدل‌های منتشرشده آنتروپیک دارد. به گفته شرکت، این روش‌ها میزان داده استخراج‌شده توسط عوامل تقطیر را بین ۹۰ تا ۹۹ درصد کاهش داده‌اند. قابلیت Preserved Thinking نیز اکنون برای تمام حساب‌ها در API فعال شده است تا از دست‌کاری زمینه قبلی مدل با هدف استخراج فرایند استدلال آن جلوگیری کند.

دسترسی و عرضه عمومی

Claude Fable 5.2 از طریق تمام پلتفرم‌های اصلی، از جمله Amazon Web Services، Google Cloud و Microsoft Azure در دسترس قرار گرفته است. توسعه‌دهندگان نیز می‌توانند از طریق Claude Platform به آن دسترسی پیدا کنند.

دسترسی به Mythos 5.2 محدودتر است و متخصصان امنیت سایبری و پژوهشگران علوم زیستی باید از طریق برنامه‌های تأیید صلاحیت مربوطه درخواست دهند. مشتریان سازمانی Claude نیز می‌توانند از قابلیت‌های Mythos 5.2 در ابزار Claude Security بهره ببرند.

حالت Fast Mode نیز برای Claude Code، Claude Platform، مدل‌های Claude در Google Cloud و Microsoft Foundry ارائه شده است؛ البته دسترسی به نسخه سریع Mythos صرفاً برای سازمان‌های عضو برنامه‌های تأیید صلاحیت امکان‌پذیر است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.