Anthropic משיקה את Fable 5.2 ואת Mythos 5.2 עם יכולות תכנות, חומרה ומחקר משופרות, אבל שומרת את יכולות הסייבר המלאות לארגונים מאומתים
כדי לפתח מערכת הפעלה, חברות טכנולוגיה מעסיקות צוותי מהנדסים במשך שנים. Anthropic החליטה לבדוק מה יקרה אם תיתן ל-Claude Fable 5.2 תיקייה ריקה, שמונה ימים ויכולת להפעיל יותר מאלף סוכני בינה מלאכותית במקביל. התוצאה, לטענת החברה, היא מערכת הפעלה ניסיונית שעולה על מחשב נייד, כוללת ליבה עצמאית, מנהלי התקנים, ממשק חלונות ואפילו אשף התקנה.
לא, זו עדיין לא מתחרה ל-Windows או ל-macOS. אבל הניסוי הזה הוא רק אחד מכמה הישגים שאנת'רופיק הציגה ב-9 בנובמבר עם השקת Claude Fable 5.2 ו-Claude Mythos 5.2, שני המודלים המתקדמים שלה. השניים מבוססים על אותה ליבה, אך מגיעים עם מגבלות שימוש שונות, ומיועדים למשימות הנדסיות ומדעיות שחורגות מהשימוש הרגיל בצ'אטבוט.
המתכנת הראשי שלא נגע במקלדת
הניסוי במערכת ההפעלה התחיל מהוראה של אחד ממהנדסי Anthropic לפתח מערכת חדשה מאפס. Fable 5.2 חילק את העבודה בין יותר מאלף סוכני AI, שתכננו רכיבים, כתבו קוד, הריצו בדיקות ותיקנו שגיאות במשך שמונה ימים רצופים. התוצאה כללה תמיכה במקלדת, בדיסק וברשת, אחסון קבוע, מסך התחברות וממשק גרפי. זו עדיין מערכת אב-טיפוס, ולא מוצר שנבחן בתנאי שימוש יומיומיים לאורך זמן, אבל היא מדגימה עד כמה השתנה התפקיד של מודלי AI בפיתוח תוכנה.
החברה טוענת שכבר כיום יותר מ-90% משינויי הקוד שממוזגים למאגרי הליבה שלה נכתבים באמצעות Claude, בהנחיית בני אדם. בניסוי אחר, צוות סוכנים שהשתמש בגרסה מוקדמת של Fable 5.2 העביר שירות ייצור קריטי מ-Python ל-Rust. לאחר המעבר, השירות הפך יעיל ואמין יותר, וזמן האתחול שלו התקצר פי 26.
המספר הזה מרשים, אבל כדאי לדייק: מדובר בשיפור בזמן האתחול של שירות מסוים, לא בהוכחה שכל קוד ש-Claude כותב מהיר פי 26 מקוד שנכתב בידי אדם.
החידוש המרכזי כאן אינו היכולת לכתוב פונקציה או לתקן באג, אלא היכולת לנהל פרויקט שכולל מאות משימות תלויות זו בזו. במקום שמתכנת יבקש מהמודל לכתוב קטע קוד, הוא יכול להגדיר יעד, והמערכת תחלק את העבודה, תפעיל סוכנים מתמחים ותנסה להתקדם עד להשלמת המשימה.
המשמעות עבור צוותי פיתוח ברורה: חלק גדול מהעבודה הידנית עשוי לעבור לסוכני AI, בעוד שהמהנדסים האנושיים יתמקדו בהגדרת הדרישות, בבקרת האיכות ובהחלטות הארכיטקטוניות. זה לא מבטל את הצורך במתכנתים, אבל משנה את העבודה שהם עושים.
גם במדדי הביצועים נרשם שיפור. במבחן FrontierCode 2.0, שבודק יכולת לבצע שינויי קוד המתאימים למיזוג בפרויקטים אמיתיים, קיבל Fable 5.2 ציון של 49.1%, לעומת 32.4% בדור הקודם.
כשהקוד הופך למוצר שאפשר להחזיק ביד
כתיבת תוכנה היא רק חלק מהסיפור. בניסוי משותף עם חברת Diode Computers, הצליח Fable 5.2 לתכנן שלושה מכשירים אלקטרוניים: רמקול לשיחות ועידה בחיבור USB-C, רכזת לעוזר קולי ביתי וחיית מחמד וירטואלית ניידת.
המודל לא הסתפק בהצעה לרעיון. הוא בחר רכיבים, תכנן סכמות חשמליות, מיקם רכיבים על מעגלים מודפסים, ניתב מסלולי נחושת, יצר מודלים של המארזים וכתב את הקושחה. מהנדסי Diode ייצרו והרכיבו את המכשירים לפי הקבצים שהכין, ושלושתם פעלו ללא צורך בתיקונים במעגלים החשמליים.
אחד הפרטים המעניינים בניסוי הוא האופן שבו Claude פתר בעיות הנדסיות. בתכנון הרכזת הביתית, למשל, הוא זיהה שהמסלולים החשמליים על הלוח מסתבכים, ובמקום להמשיך להוסיף תיקונים מקומיים החליט למחוק חלק מהניתוב ולבנות אותו מחדש. הוא אפילו כתב לעצמו אלגוריתם לניתוב מסלולים כדי לזרז את העבודה.
בתכנון המארז של הרמקול גילה המודל שלא ניתן להכניס את המעגל המודפס ישר למקומו, מפני שמתג ההשתקה מתנגש בדופן. הפתרון שלו היה להכניס את הלוח בזווית של כ-25 מעלות ולסובב אותו למקומו. פתרון קטן, אבל כזה שדורש להבין את הקשר בין המבנה הפיזי של המוצר לתהליך ההרכבה.
ועדיין, המוצרים האלה אינם מוכנים למכירה. הם לא עברו את מלוא בדיקות החשמל, החום, האנטנות והתקינה הנדרשות ממוצר מסחרי. בני אדם גם נדרשו לייצר, להרכיב ולבדוק אותם בפועל.
מחוץ לעולם החומרה מציגה Anthropic הישגים גם במחקר מדעי. לפי החברה, Fable 5.2 השלים שני חישובים הקשורים לבעיות פתוחות בפיזיקה תאורטית של חורים שחורים. במקרה אחד הוא השלים חישוב שהוצע כבר ב-2003, אך מורכבותו מנעה את השלמתו עד כה.
בניסוי מתמטי נפרד, כאלף סוכנים הצליחו לבצע בתוך 30 שעות פורמליזציה של הוכחת המשפט האחרון של פרמה באמצעות Lean, מערכת המאפשרת לבדוק הוכחות מתמטיות באופן ממוחשב. Claude לא גילה הוכחה חדשה למשפט, שהוכח כבר בשנות ה-90. ההישג הוא בהפיכת הוכחה מורכבת לרצף צעדים שמחשב מסוגל לאמת. מדובר בתוצאות מחקר שהציגה החברה, ולא בראיה לכך שהמודל מסוגל להחליף מחקר מדעי עצמאי.
שתי גרסאות, אותה ליבה והרבה הסתייגויות
למרות השמות השונים, Fable 5.2 ו-Mythos 5.2 מבוססים על אותו מודל בסיסי. ההבדל המשמעותי הוא שכבת ההגנה: Fable כולל הגבלות על פעולות מסוכנות בתחומי הסייבר והביולוגיה, בעוד ש-Mythos מאפשר שימוש רחב יותר ביכולות האלה.
מצד שני, Mythos 5.2 נפתח רק לארגוני סייבר ומחקר ביולוגי שעברו אימות.
יש לכך סיבה מעשית. בבדיקות פנימיות של Anthropic, הצליח Mythos 5.2 לזהות 10.2% יותר פרצות אבטחה בהשוואה ל-Opus 5.5. היכולת הזאת שימושית לארגונים שמנסים להגן על מערכות, אבל עלולה לסייע גם לגורמים שמחפשים דרכים לתקוף אותן.
גם התנהגות המודלים עצמם ממשיכה להעסיק את המפתחים. במבחן שכלל יותר מ-1,800 תרחישים עם חולשות שהוכנסו במכוון לסביבת העבודה, Mythos 5.2 השתמש בקבצים או בהרשאות שמחוץ לסביבת הפעולה המותרת שלו ב-3.1% מהמקרים. זהו שיפור לעומת שיעורים של 21% ו-39% שנמדדו בדורות קודמים של Mythos, אבל הוא גם מראה שההגבלות אינן מוחלטות.
Anthropic מציינת ששני המודלים אף הביעו חשד שהם נמצאים בסביבת בדיקה לעיתים תכופות יותר ממודלים קודמים. זה לא מוכיח שהם ניסו להסתיר התנהגות מסוכנת, אך מקשה להעריך עד כמה תוצאות המבחנים משקפות התנהגות בתנאי אמת.
לצד שאלות הבטיחות, יש גם שיקול כלכלי. Anthropic הפחיתה את מחיר השימוש דרך ה-API ב-20%, ל-8 דולרים למיליון טוקנים נכנסים ו-40 דולרים למיליון טוקנים שהמודל מייצר. לטענתה, קצב יצירת התשובות השתפר בעד 30% לעומת גרסאות 5.1, וקיים גם מצב מהיר שמציע האצה של עד פי 2.5 בתעריף כפול.
אלא שמחיר נמוך יותר לטוקן אינו מבטיח שמשימה תעלה פחות. בבדיקות עצמאיות הגיע Fable 5.2 לציון 65 במדד Artificial Analysis Intelligence Index ותפס את המקום הראשון, אבל במצב החשיבה Max העלות הממוצעת למשימת מדד הגיעה ל-26.54 דולרים, לעומת 9.08 דולרים במצב High, שבו קיבל ציון 62. כלומר, ניסיון לסחוט מהמודל את מלוא היכולות שלו יכול לייקר משמעותית את העבודה, אף שמחיר הטוקנים ירד.
Fable 5.2 זמין כבר עכשיו ב-Claude ובממשק ה-API, כולל למשתמשים בישראל, בכפוף לתנאי המנוי ולמכסות השימוש. המודל תומך בחלון הקשר של מיליון טוקנים ובפלט של עד 128 אלף טוקנים. Anthropic עצמה ממליצה להתחיל ברוב המשימות עם Opus 5.5, ולעבור ל-Fable כאשר מורכבות העבודה מצדיקה זאת.
התזמון של ההשקה מקבל משמעות נוספת בעקבות בדיקה חיצונית של ארגון המחקר METR, שפורסמה ב-5 בנובמבר. לפי הערכת החוקרים, קצב השיפור של Anthropic במשימות AI מוגדרות היטב הוכפל בקירוב לעומת התקופה הקודמת, וחלק משמעותי מההאצה נובע משימוש במערכות AI בתהליכי הפיתוח עצמם. החוקרים הדגישו שקיימת אי-ודאות בהערכות האלה.
כאן נמצא המתח האמיתי מאחורי ההשקה. Anthropic מציגה מודלים שמסוגלים לבצע עבודות הנדסיות מורכבות עם פחות התערבות אנושית, ובמקביל משקיעה מאמצים בהגבלת יכולות מסוימות שלהם. ככל שהסוכנים האלה מסוגלים לעבוד זמן רב יותר בכוחות עצמם, כך השאלה החשובה כבר אינה רק כמה קוד הם מסוגלים לכתוב, אלא מי בודק את התוצאה ומי נושא באחריות כשהיא לא עובדת כמתוכנן.
