Liigu põhisisu juurde
Buildrya

Mudelid

Anthropic avaldas Fable 5.2 ja Mythos 5.2; mudelivahetust tasub mõõta lõpetatud töö hinnaga

Uute Claude’i mudelite tavahind on 8 ja 40 dollarit miljoni tokeni eest. Fable on laiemalt saadaval, Mythos jääb kontrollitud organisatsioonidele; ajavõit vajab oma töövoos mõõtmist.

Toimetaja Kristjan Krimm · Avaldatud · 5 min lugemist

Olulisus
Sihtrühm
Kõik
Allikaid
2
Esmaallikas
Anthropic
Claude Fable 5.2 ja Mythos 5.2 valged nimed tumedal taustal helendava horisondikaare kohal.
Pilt: Anthropic

Viimase 60 päeva seismograaf: 139 signaali. Joone kõrgus näitab olulisust.

Mis juhtus

Uute Claude’i mudelite tavahind on 8 ja 40 dollarit miljoni tokeni eest. Fable on laiemalt saadaval, Mythos jääb kontrollitud organisatsioonidele; ajavõit vajab oma töövoos mõõtmist.

Miks see loeb

Mudelivahetuse kasu tuleb mõõta kontrollitud tulemuse kogukulu järgi. Tokenihinna kõrval mõjutavad otsust korduskatsed, ülevaatus ja organisatsiooni tegelik ligipääs.

Lühidalt

4 põhipunkti
  1. Anthropic avaldas Claude Fable 5.2 ja Claude Mythos 5.2 9. novembril 2026.
  2. Fable jõudis laiemalt kasutusse, Mythose ligipääs eeldab organisatsiooni kontrollimist.
  3. Avaldatud tavahind on 8 dollarit miljoni sisendtokeni ja 40 dollarit miljoni väljundtokeni eest.
  4. Kuni 30% kiirem väljundi genereerimine on tootja mõõtmistulemus, mitte lubadus iga arendustöö kestuse kohta.

Anthropicu uus mudelipaar toob arendajale korraga kolm valikut: millist mudelit kasutada, millise ligipääsu kaudu seda teha ja kuidas hinnata töö tegelikku maksumust. Ettevõtte 9. novembri teade kinnitab väljalaset ning Reutersi kajastus eristab Fable’i laiemat ja Mythose kontrollitud kasutust.

Fable 5.2 on saadaval Claude’i platvormil ning AWS-i, Google Cloudi ja Microsoft Azure’i kaudu. Mythose puhul tuleb läbida küberturbe või eluteaduste kontrolliprogramm. Saadavus ei tähenda, et iga olemasolev kliendikonto saab automaatselt sama ligipääsu või et eri pilvede tingimused on identsed.

Buildrya jaoks on praktiline küsimus, kas sama mitme failiga muudatus jõuab uue mudeliga odavamalt ja kiiremini inimese kinnitatud tulemuseni. Seda saab hinnata piiratud võrdluskatsega. Käesolev lugu kirjeldab sellise katse ülesehitust; AI-Radar ei ole siin mudelite jõudlust ise mõõtnud.

Tokeni hind vajab lõpetatud töö nimetajat

Avaldatud tavahinna põhjal maksaks üks miljon sisendtokenit ja sada tuhat väljundtokenit kokku 12 dollarit. See on lihtne arvutus hinnakirjast, mitte tüüpilise arendusülesande hind. Näites ei ole arvestatud muid hinnastamistingimusi, tööriistade arveid ega inimese aega.

Arendustöö võib nõuda mitut mudelipäringut, testide käivitamist ja lahenduse parandamist. Seetõttu tasub ühe katse tokenikulu kõrval salvestada ka korduste arv. Kui tulemus ei läbi kokkulepitud kontrolli, ei saa selle odavust võrrelda valmis muudatuse hinnaga ilma ebaõnnestumist arvestamata.

Otsuse jaoks sobib mõõdik „kulu ühe vastu võetud muudatuse kohta”. Selle lugejasse lähevad kõik katsed, ka tagasilükatud lahendused. Nimetajasse lähevad ainult muudatused, mille testid ja ülevaatus vastavad eelnevalt seatud tingimustele. Nii ei paranda tulemust kunstlikult see, kui agent loob kiiresti palju kasutuskõlbmatut koodi.

Väljundi kiirus ja töö valmimine on eri mõõdikud

Anthropic ütleb, et uued mudelid genereerivad väljundit kuni 30% kiiremini kui vastavad 5.1 versioonid. Sõnastus „kuni” kirjeldab ettevõtte võrdlust ega määra kõigi päringute tulemust. Ka Reuters esitab selle tootja väitena.

Meeskonna katses tuleks eraldi mõõta esimese vastuse saabumist, agentide aktiivset tööaega, testide ooteaega ja inimese ülevaatust. Kui peamine viivitus tekib mahuka testikomplekti järjekorras, ei pruugi tokenite kiirem väljastamine kogu töö kestust samas suhtes vähendada.

Samuti tuleb fikseerida kasutatud režiim. Väljalasketeade kirjeldab eraldi kiirrežiimi, mille avaldatud hinnad on tavarežiimist kõrgemad. Selle tulemusi ei tohiks panna tavahinna kõrvale nii, nagu oleks tegemist sama teenusega. Võrdluse protokoll peab näitama nii režiimi kui ka tegelikult arveldatud ühikuid.

Mitme failiga ülesanne annab kontrollitava võrdluse

Praktiliseks lähteülesandeks sobiks väike muudatus, mis puudutab andmemudelit, serveri käitumist ja kasutajale nähtavat tulemust. Näiteks võiks olemasolevale sisemisele tööriistale lisada ühe valikulise välja koos sisendikontrolli ja tagurpidi ühilduvusega. Enne katset tuleb kirja panna, milline käitumine tähendab edu.

Mõlemad mudeliversioonid peaksid alustama samast lähtekoodist ja saama sama kirjelduse. Käivituskeskkond, tööriistad, õigused ning ajapiir peavad olema võrreldavad. Inimene ei tohiks ühele variandile anda täiendavat vihjet ja lugeda seda endiselt puhtaks mudelivõrdluseks.

Ülevaatusel tasub kontrollida ka seda, kas muudatus lahendab ülesande liigseid faile puudutamata. Testide läbimine on vajalik, kuid piiratud testikomplekt ei tõenda kõigi kõrvalmõjude puudumist. Ülevaataja märgib eraldi puuduvad kontrollid, käsitsi parandatud vead ja põhjendamatud muudatused.

Ligipääs ja õigused tuleb hinnast eraldi kinnitada

Fable’i ja Mythose nimede sarnasus ei muuda nende kasutusõigust samaks. Kontrollitud ligipääsuga mudeli puhul ei piisa sellest, et meeskonnal on tehniliselt toimiv API-klient. Tuleb kinnitada konkreetse organisatsiooni ligipääs ja kavandatud kasutuse sobivus teenuse tingimustega.

Samal ajal ei anna mudeli ligipääs talle automaatselt õigust ettevõtte süsteeme muuta. Võrdluskatse jaoks võiks agent töötada eraldatud koopias, kus ta saab luua muudatusettepaneku ja käivitada lubatud kontrollid. Avaldamine, andmete kustutamine ja tootmissaladuste lugemine vajavad omaette otsust.

Selline korraldus aitab mõõta mudeli kasu ilma, et tulemus sõltuks piiramata ligipääsust. Ka hea katsetulemus ei õigusta automaatselt õiguste laiendamist järgmises töövoos. Uue ülesande puhul tuleb uuesti määrata lubatud sihtobjektid ja toimingud.

Mida Buildrya enne mudelivahetust otsustaks?

Kõigepealt tuleks leppida kokku vastuvõetav kvaliteeditase ning inimese ülevaatuse eelarve. Alles seejärel on mõtet võrrelda kogukulu ja valmimisaega. Vastasel juhul võib kiirem variant näida parem lihtsalt seetõttu, et selle tulemust kontrolliti vähem.

Üks õnnestunud jooks sobib võimaluse avastamiseks, kuid püsiva töövoo valik vajab kordusi erinevate ülesannetega. Tulemuste juurde tuleb salvestada mudeli täpne versioon, seadistus ja kuupäev. Kui mõni neist muutub, ei pruugi varasem hinnang enam uut kasutust kirjeldada.

Enne laiemat mudelivahetust võiks määrata ka tagasipöördumise tingimuse. Näiteks kui kontrollitud valimis kasvab paranduste hulk üle kokkulepitud piiri, taastatakse senine versioon ja uuritakse muutust. Vana seadistuse säilitamine aitab eristada mudeli mõju muudest samal ajal tehtud muudatustest. Otsus peaks põhinema samadel kvaliteedinõuetel, millega uus versioon kasutusse võeti, ning tagasipöördumine peab olema tehniliselt läbi proovitud.

Juhtpilt: Anthropicu selle väljalaske ametlik graafika, millel on mõlema mudeli nimi. Allikas ja krediit: Anthropic; kasutatud väljalaset käsitleva toimetusliku kajastuse juures.

KKK

Korduma kippuvad küsimused

5 küsimust
Kas mõlemad mudelid on kõigile avatud?

Ei. Fable 5.2 on laiemalt saadaval, kuid Mythos 5.2 ligipääs jääb kontrollitud organisatsioonidele. Konkreetse konto kasutusvõimalus tuleb teenusepakkujaga kinnitada.

Kas 8 ja 40 dollarit on terve ülesande hind?

Need on miljoni sisend- ja väljundtokeni avaldatud tavahinnad. Ülesande kogukulu sõltub tokenimahust, korduskatsetest, muudest teenustest ning inimese tööst.

Kas kiirem väljund tähendab 30% kiiremat arendust?

Sellist järeldust väljalasketeatest teha ei saa. Arenduse kestusesse kuuluvad ka tööriistade ootamine, testimine ja ülevaatus, mida tuleb eraldi mõõta.

Kuidas võrrelda uut versiooni vanaga?

Anda neile sama ülesanne samast lähtekoodist ja fikseerida samad õigused. Võrrelda tasub kontrolli läbinud lahenduste kogukulu, kestust ja paranduste hulka.

Kas AI-Radar on mudelid läbi testinud?

Selles loos esitatud võrdlus on katseplaan. Avaldatud kiirusväide pärineb Anthropicult ning siin ei esitata seda sõltumatu mõõtmisena.

Parandused

Avaldamise järel sisulisi parandusi ei ole.

Teata veast →

Artikli autor

Kristjan Krimm

Nädala viis

Viis olulist signaali sinu postkasti.

Üks kord nädalas: praktilised AI-signaalid, tööriistauudised ja olulised muutused. Ilma mürata.