أنثروبيك تطلق Claude Fable 5.2: 65 نقطة في التصنيف، لكن 26.50 دولارًا للمهمة الواحدة

استعادت أنثروبيك المركز الأول في التصنيفات قبل وقت قصير من طرحها العام الأولي. بُني Claude Fable 5.2 وMythos 5.2 على قاعدة واحدة، وصُمّما لأثقل المهام التقنية: الحسابات العلمية، والبحث عن الثغرات، وسلاسل الوكلاء الطويلة. وللعمل اليومي لا تزال الشركة توصي باستخدام Opus 5.5، وهذا تحفظ مهم: فالنموذج الجديد لم يُصمَّم لكل السيناريوهات.

الأرقام والسعر

وفق مؤشر Artificial Analysis v5، يحصل Fable 5.2 عند أقصى مستوى حوسبة على 65 نقطة. أما Gemini 4 Carbon الذي لم تطلقه غوغل بعد فيحصل على 60، وOpus 5.5 على 59، بينما يتأخر Fable 5.1 السابق، الذي صدر في مطلع سبتمبر، بمقدار 15 نقطة. والنموذج هو الأفضل في خمسة اختبارات من تسعة: 80% في HLE-Diamond (أسئلة بمستوى أكاديمي خبير)، و73% في Terminal-Bench-Science، و49% في FrontierCode 2.0، حيث يتعين على الوكيل إجراء تعديلات مفيدة في مشاريع مفتوحة المصدر حقيقية.

انخفض سعر المليون رمز: 8 دولارات للمدخلات و40 دولارًا للمخرجات بدلًا من 10 و50. لكن الفاتورة لا يحددها سعر الرمز، بل عدد الرموز التي سينفقها النموذج. وعند الذروة تبلغ كلفة المهمة الواحدة في المتوسط 26.50 دولارًا. وهذا أغلى بـ2.6 مرة من Opus 5.5 (10 دولارات) وأغلى بنحو الضعف من Fable 5.1 (12.99 دولارًا).

الأوضاع الأدنى أكثر إثارة للاهتمام. ففي مستويي High وXhigh يحقق Fable 5.2 نتيجة 62 نقطة، أي أكثر من أي نموذج آخر على أي مستوى، ولا ينفق سوى 98 ألف رمز إخراج للمهمة الواحدة. أما Opus 5.5 على مستوى Max فينفق 173 ألفًا. إذا كنت تحتاج إلى جودة أعلى من Opus بميزانية محدودة، فهنا بالتحديد ينبغي أن تنظر. وهناك أيضًا وضع سريع: إخراج أسرع حتى 2.5 مرة، لكنه أغلى بالضعف. وهو متاح لمؤسسات مختارة على Claude Code وClaude Platform وGoogle Cloud وMicrosoft Foundry. وبدونه يولّد النموذج النص أسرع بنحو 30% من أسلافه — وهذه بيانات أنثروبيك.

أين تنتهي الريادة وماذا نفعل

لا يمكن وصف Fable 5.2 بأنه الفائز الشامل. ففي Terminal-Bench 4.0، حيث ينفذ النموذج مهام متعددة الخطوات في الطرفية (التطوير والأمن)، يحقق 60%. وهذا بمستوى Opus 5.5، لكنه أدنى من Kimi K3.1 Pro (67%) وGemini 4 Carbon (65%) وSonnet 5.5 (64%). وفي AA-Briefcase، وهو معيار للعمل المكتبي متعدد الخطوات، يحصل على 1785 Elo مقابل 1813 لـSonnet 5.5. ومع Opus 5.5 (1800) يقع الفارق ضمن حدود فاصل الثقة، أي أن النتيجة إحصائيًا تعادل.

الاستنتاج العملي بسيط. لا تنقلوا كل حركة البيانات إلى Fable 5.2: جرّبوه على أصعب مهامكم — العلمية والبحثية وسلاسل الوكلاء الطويلة مع مستودعات حقيقية. قارنوا لا سعر الرمز، بل التكلفة النهائية للمهمة المنجزة على مجموعة اختباراتكم. وفي البرمجة الروتينية عبر الطرفية والأتمتة المكتبية قد يكون Opus 5.5 أو المنافسون أرخص وليسوا أسوأ.

Mythos وفيرما وكابح للتسارع الذاتي للذكاء الاصطناعي

Fable متاح للجميع، لكنه يحجب الطلبات الخطرة في الأمن السيبراني والبيولوجيا: اختبارات الاختراق وتوليد الاستغلالات. أما Mythos فيرفع جزءًا من القيود، وهو مفتوح فقط للمؤسسات التي اجتازت التحقق ضمن برامج أنثروبيك للأمن السيبراني أو علوم الحياة. وفي الاختبار الداخلي CVE Rediscovery، حيث يبحث النموذج على 1829 ثغرة معروفة عن الخلل في حالة المشروع قبل الإصلاح، وجد Mythos 5.2 أكثر بنسبة 10.2% من Opus 5.5، وأكثر بنسبة 14.4% من Mythos 5.1. وظلت الريادة قائمة على جميع مستويات الحوسبة. وبحسب أنثروبيك، أفادت إحدى شركات الحماية بأن كل ثغرة سادسة مؤكدة وجدها Mythos 5.2 فاتت جميع النماذج الأخرى المختبرة.

وتعلن أنثروبيك على نحو منفصل أنها تعمدت ألا تدع النماذج تحسّن المهارات التي تسرّع مباشرةً تطوير الذكاء الاصطناعي: تحسين نوى الحوسبة للمسرّعات وتحسين معماريات النماذج اللغوية الكبيرة. وهي هنا بمستوى Opus 5.5 تقريبًا. أما البرمجة الوكيلية وتطوير العتاد والأبحاث التقليدية، بما فيها قابلية التفسير، فلم تمسّها القيود. وبحسب بيانات الشركة، يكتب Claude بالفعل أكثر من 90% من التغييرات التي تدخل الشيفرة الأساسية لأنثروبيك، تحت إشراف بشر.

العرض الأبرز هو الرياضيات. فقد صاغ نحو ألف وكيل من Fable 5.2 خلال 30 ساعة إثبات مبرهنة فيرما الأخيرة صياغة رسمية كاملة بلغة Lean، حيث يتحقق الحاسوب من كل خطوة. أما النسخة البحثية السابقة من Claude فقد استغرقت في ذلك 11 يومًا، في بيئة أُعدّت خصيصًا ومع تلميحات من إنسان. أما الوكلاء الجدد فقد بدأوا من تعليمات قصيرة، ونظّموا العمل بأنفسهم، ولم يستخدموا مصادر رياضية. وبلغ استهلاك الرموز على الإجراءات ثلث ما استُهلك في المحاولة الأولى، وجاء الإثبات أقصر بسبع مرات. أما Opus 5.5 في المخطط نفسه مع ألف وكيل فقد وصل إلى 26–27% فقط من الصياغة الرسمية، ولم يتقدم تقريبًا بعد الساعة الثامنة عشرة.

كل هذه الأرقام هي بيانات أنثروبيك نفسها وArtificial Analysis. ولا يوجد حتى الآن تحقق مستقل، ولا يستطيع أي متخصص خارجي إعادة إنتاج الاختبارات الداخلية مثل CVE Rediscovery. وينبغي التعامل معها بوصفها دافعًا جيدًا لإجراء قياساتكم الخاصة، لا حلًا جاهزًا.