Mythos и Fable: Почему новые модели Anthropic меняют правила игры в ИИ

Я помню тот момент, когда впервые услышал о Mythos. Тогда казалось, что это что-то из разряда “слишком опасно для релиза”. И вот — модель не просто выпустили, но и дали ранний доступ избранным. Когда Мэтью Берман (Matthew Berman) в своём выпуске канала сказал: “Это абсолютно новый класс искусственного интеллекта”, я понял — нужно разбираться глубже. Потому что если это правда, то мы стоим на пороге тектонического сдвига в том, как работают ИИ-модели.

Что такое Mythos и Fable? Разбираемся в терминах

Anthropic представили сразу две модели: Mythos и Fable 5. На первый взгляд, они похожи, но есть ключевое отличие:

• Mythos — это “сырая” версия модели, без защитных ограничений (guardrails). Её отдают сообществу кибербезопасности для поиска уязвимостей и тестирования.
• Fable 5 — это та же модель, но с установленными ограничениями, чтобы её можно было безопасно использовать в повседневных задачах.

Когда я начал копать глубже, стало ясно: это не просто “ещё одна модель лучше предыдущей”. Это качественный скачок, который заставляет пересмотреть подходы к использованию ИИ.

---

Бенчмарки: цифры, которые впечатляют (и немного обманывают)

Мэтью Берман честно признаёт: бенчмарки — это не всегда показатель реальной производительности. Но даже с этой оговоркой, результаты Fable 5 выглядят впечатляюще.

Сравнение с конкурентами

Бенчмарк	Fable 5 (Mythos)	Claude Opus 4.8	GPT-5.5
SWEBench Pro (кодинг)	80%	69%	58%
Frontier Code Diamond	29.3%	14.6%	5.7%
GDP Val (знания)	1932	1890	1769
Terminal Bench	88%	83.4%	—

Но вот что интересно: субъективные ощущения от работы с моделями не всегда совпадают с бенчмарками. Например, многие пользователи считают, что GPT-5.5 превосходит Opus 4.8 в реальных задачах, хотя по цифрам Opus выглядит лучше.

Я долго размышлял над этим парадоксом. И пришёл к выводу: бенчмарки тестируют узкие, искусственные задачи, а в реальной работе важна способность модели адаптироваться, рассуждать и генерировать плотные, информативные ответы. Именно здесь Fable 5 вырывается вперёд.

---

Что делает Fable 5 особенной? Три ключевых отличия

1. Информационная плотность: когда каждое слово на вес золота

Мэтью Берман поделился наблюдением, которое меня поразило:

“Информационная плотность ответов Fable 5 была невероятной. Мне приходилось замедлять чтение, чтобы понять, о чём идёт речь. Модель использует сложные термины, глубокие объяснения — и делает это так, что каждое слово несёт максимум смысла.”

Это заставило меня задуматься: а что, если будущие ИИ-модели начнут общаться на своём собственном языке? Языке, который будет настолько плотным, что человеку его будет сложно понять. С одной стороны — это повысит эффективность коммуникации между моделями. С другой — создаст риски: мы просто не сможем контролировать, о чём они “говорят”.

2. Автономность и долгосрочные задачи: когда ИИ становится настоящим помощником

Fable 5 способна работать автономно и долго. Мэтью приводит пример:

“Я давал модели задачу проанализировать весь мой код. И она не просто быстро отвечала — она запускала масштабное исследование. Казалось, что она изучает каждый файл, каждую строку, даже те проекты, к которым я не прикасался годами.”

Это напоминает мне концепцию “агентного ИИ”, о которой мы уже писали на Superperson. Когда модель не просто отвечает на вопросы, а действует самостоятельно, разбивая сложные задачи на подзадачи и выполняя их параллельно.

Но есть и обратная сторона: модель может быть слишком дотошной. Берман рассказывает, что Fable 5 постоянно задавала уточняющие вопросы, даже когда задача была простой. Это замедляло работу и раздражало.

3. Параллельная работа агентов: когда один ИИ превращается в команду

Anthropic представили новую функцию — Ultra Code (Workflows). Это система, которая позволяет модели создавать сотни подагентов и запускать их параллельно.

Мэтью описывает свой опыт:

“Я попросил Fable 5 проанализировать весь мой код. И она запустила отдельного агента для каждого файла. Я видел, как одновременно работают 100+ агентов — и мой бюджет на токены просто взлетал вверх.”

Это напоминает мне концепцию “петель” (loops), о которой Берман упоминает в конце видео. Петли — это следующий уровень абстракции над агентным ИИ. Когда модель не просто выполняет задачу, а непрерывно улучшает результат, тратя токены до достижения цели.

---

Цена вопроса: почему Fable 5 — это не для всех

Anthropic установили очень высокую цену на Fable 5 и Mythos:

• $10 за 1 миллион входных токенов
• $50 за 1 миллион выходных токенов

Для сравнения: предыдущая версия (Opus 4.8) стоила в два раза дешевле.

Я согласен с этой точкой зрения. Fable 5 — это инструмент для корпораций и серьёзных проектов, где стоимость оправдана результатом. Для повседневных задач лучше использовать более дешёвые модели, например, Sonnet или Haiku.

---

Риски и этические вопросы: почему Mythos вызвал столько споров

Anthropic долго держали Mythos в секрете, называя её “слишком опасной для релиза”. И вот она вышла. Что изменилось?

1. Риск дистилляции: когда конкуренты получают доступ к вашим технологиям

Anthropic опасаются, что злоумышленники или конкуренты смогут “дистиллировать” (скопировать) возможности Fable 5 и создать свои модели без защитных ограничений.

Это интересный ход: вместо того чтобы блокировать доступ, Anthropic снижают ценность кражи технологии, предлагая устаревшую модель.

2. Хранение данных: 30 дней — это много или мало?

Anthropic ввели новую политику хранения данных для бизнес-клиентов:

• Все данные, связанные с Mythos и Fable 5, хранятся 30 дней.
• Они не используются для обучения новых моделей.
• Доступ к данным строго контролируется.

С одной стороны — это защита от утечек. С другой — 30 дней — это достаточно долгий срок, чтобы злоумышленники могли получить доступ к конфиденциальной информации.

3. Маркетинг страха: почему Anthropic так долго держали Mythos в секрете?

Мэтью Берман высказывает интересную гипотезу:

“Я думаю, Anthropic специально задерживали релиз Mythos, чтобы ускорить собственные исследования. Они хотели получить фору перед конкурентами, такими как OpenAI и XAI.”

Это напоминает мне историю с отключением доступа XAI к моделям Anthropic. Тогда компания мотивировала это тем, что не хочет, чтобы конкуренты строили свои продукты на их технологиях.

---

Тесты и демки: что умеет Fable 5 на практике

Мэтью Берман провёл несколько тестов, чтобы показать возможности Fable 5. Вот что меня впечатлило больше всего:

1. Rubik’s Cube: когда ИИ решает кубик Рубика в браузере

Fable 5 создала интерактивную 3D-модель кубика Рубика, которую можно было вращать, перемешивать и решать. При этом модель использовала только зрение — без дополнительных подсказок или карт.

2. Симуляция жидкости: физика в реальном времени

Модель создала интерактивную симуляцию жидкости, где можно было управлять потоками с помощью мыши. При этом она использовала 63 параллельных агента, каждый из которых решал свою часть задачи.

---

Будущее агентного ИИ: что нас ждёт дальше?

Мэтью Берман заканчивает видео на оптимистичной ноте:

“Когда вы соединяете Fable 5 с Workflows и петлями (loops), вы получаете нечто невероятное. Это не просто инструмент — это фабрика по производству программного обеспечения.”

Я согласен с этим. Мы стоим на пороге новой эры, где ИИ будет не просто помощником, а самостоятельным разработчиком, исследователем и творцом.

Но есть и риски:

1. Потеря контроля: Если модели начнут общаться на своём языке, мы можем не понять, что они делают.
2. Экономические последствия: Автоматизация разработки может оставить без работы миллионы программистов.
3. Этические вопросы: Кто будет отвечать за ошибки ИИ? Как регулировать его использование?

---

Заключение: Fable 5 — это прорыв, но не панацея

Fable 5 и Mythos — это новый класс моделей, который меняет правила игры. Они мощнее, автономнее и эффективнее всего, что было раньше. Но это не значит, что они подходят для всех задач.

• Для корпораций и сложных проектов Fable 5 — это революция. Она может сжать месяцы работы в дни.
• Для повседневных задач лучше использовать более дешёвые модели, такие как Sonnet или Haiku.
• Для будущего ИИ это шаг к полной автономности, но и к новым рискам.

Я уверен: мы ещё не до конца понимаем, на что способны эти модели. И это одновременно пугает и вдохновляет.

А что думаете вы? Готовы ли вы доверить Fable 5 решение своих самых сложных задач?

---

Исследования

Исследование влияния информационной плотности на эффективность ИИ-моделей — ссылка Исследование автономных агентов в разработке ПО — ссылка Исследование рисков дистилляции ИИ-моделей — ссылка