модель · Anthropic · вышла 7 июня
Claude Fable 5
Бывшая флагманская модель Anthropic для сложных рассуждений, программирования и долгих агентных задач, её сменила Fable 5.1
О модели
Claude Fable 5 — модель класса Mythos, которую Anthropic открыла для всех. На момент выхода компания называла её своей самой способной моделью общего доступа. Она сделана для сложных рассуждений и долгих агентных задач, то есть таких, где модель сама выполняет много шагов подряд. У Fable 5 есть близнец, Claude Mythos 5. По словам Anthropic, это та же модель, но без части защитных мер. Её дают только проверенным специалистам по кибербезопасности, поставщикам инфраструктуры и отдельным биомедицинским исследователям.
Главное отличие Fable 5 — встроенные классификаторы безопасности. Это отдельные фильтры, которые следят за запросами в трёх областях: кибератаки, биология и химия двойного назначения, дистилляция (попытки вытянуть из модели данные, чтобы обучить на них конкурента). Если фильтр срабатывает, запрос уходит к менее сильной модели Claude Opus или получает отказ. Разработчик может настроить автоматический повтор на другой модели. За запрос, отклонённый до начала ответа, деньги не берут. Рассуждения у модели включены всегда. Глубину размышлений можно регулировать, но саму цепочку рассуждений модель не показывает, в лучшем случае отдаёт её краткий пересказ.
По замерам Anthropic, Fable 5 показала лучшие результаты почти во всех проверенных бенчмарках, в том числе в FrontierCode, CursorBench и ViBench. Компания пишет, что по сравнению с Opus 4.8 модель дольше работает без участия человека, лучше справляется с длинным контекстом и тратит меньше шагов на задачу. Среди примеров в анонсе — перенос кодовой базы Stripe на 50 млн строк, выполненный за один день, воссоздание веб-приложения по скриншотам и работа по подбору кандидатов в лекарства.
Сама Anthropic признаёт, что фильтры настроены с запасом и иногда отклоняют безобидные запросы. По её данным, они срабатывают меньше чем в 5% сессий. Для модели обязательно хранение данных 30 дней: без него не работает контроль безопасности. Вскоре после запуска власти США ввели для Fable 5 экспортные ограничения, в конце июня их сняли, и с 1 июля модель снова доступна по всему миру. В сентябре 2026 года её сменила Fable 5.1.
источники:Анонс Claude Fable 5 и Mythos 5 ↗Документация: знакомство с Fable 5 и Mythos 5 ↗
Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиПодробнее на английском ↗
весь рейтинг3место из 268индекс 164вероятный разброс 161–168
- DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗97,3%максимальное
- LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗71,9%максимальное
- Mystery Game Puzzles100 позиций из головоломочного варианта известной игры, название которой скрыто: нужно найти единственный лучший ходПодробнее на английском ↗47,1%максимальное
- EBR-benchУчится ли модель на опыте: она раз за разом играет в малоизвестную карточную настольную игру Earthborne Rangers и ведёт заметкиБалл — доля из 21 игровой цели в лучшей из двух итоговых партий после тренировочных; сам по себе он не показывает, выросла ли модель.Подробнее на английском ↗39,5%максимальное
- MirrorCodeМодель с нуля воссоздаёт целую консольную программу по её поведению, документации и примерам, не видя исходного кодаПодробнее на английском ↗63,9%высокое
- Surface Evolver Bench16 задач: описать для физической программы Surface Evolver форму жидкости под действием поверхностного натяжения, гравитации и ограниченийЗасчитывается частичное выполнение: отдельные баллы за корректный файл, успешный прогон симуляции и совпадение объёма, площади и энергии с эталоном.Подробнее на английском ↗95,0%высокое
- FrontierMath-Tier-4-v2-PrivateЗакрытый набор самых трудных задач FrontierMath: исследовательская математика, на которую у специалистов уходят часы и дниПодробнее на английском ↗90,2%максимальное
- FrontierMath-Tiers-1-3-v2-PrivateСотни новых задач исследовательской математики от профессиональных математиков; эксперту на задачу нужны часы или дниПодробнее на английском ↗87,0%максимальное
- FrontierCodeМодель исправляет проблему в открытом проекте, а правку оценивают по тому, приняли бы её сопровождающие проектаБалл выставляют по критериям сопровождающих и усредняют по пяти запускам; если нарушен хотя бы один обязательный критерий, за задачу ставят ноль.Подробнее на английском ↗53,5%
- DeepSWE113 долгих задач по программированию в 91 открытом проекте на пяти языках; задачи написаны с нуля и не публиковалисьEpoch нашла, что примерно в 20% задач проверка отклоняет верные решения, поэтому реальный потолок заметно ниже 100%.Подробнее на английском ↗69,9%очень высокое
- PostTrainBenchМожет ли ИИ-агент сам дообучить базовую языковую модель за 10 часов на одной видеокарте H100, без готового кода и данныхБалл — результат дообученной модели на нескольких тестах; официальные версии тех же моделей от разработчиков набирают около 51%.Подробнее на английском ↗41,8%максимальное
- ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗95,0%максимальное
- APEX-Agents480 многошаговых рабочих задач из инвестбанкинга, консалтинга и корпоративного права: агент работает с файлами, почтой, таблицамиЗадача засчитывается, только если выполнены все пункты экспертного списка критериев; проверяет их другая модель.Подробнее на английском ↗63,6%
- Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗37,9%низкое
- Remote Labor IndexНастоящие заказы с фриланс-площадок — дизайн, архитектура, анализ данных, программирование — выполняемые агентом целикомЧисло — доля заказов, выполненных так, что заказчик принял бы работу; даже у лидеров это немного.Подробнее на английском ↗16,1%
- SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗70,7%очень высокое
- ARC-AGI-2Вторая, более трудная версия головоломок на клетках: по примерам найти скрытое правило и применить его к новой картинкеНа каждое задание даётся две попытки; люди в среднем решают около 60% заданий.Подробнее на английском ↗89,2%максимальное
- WeirdMLНеобычные задачи по машинному обучению: модель пишет код, который на выданных данных обучает классификатор, например для распознавания фигурБалл — средняя точность обученных моделью классификаторов, а не доля решённых задач.Подробнее на английском ↗91,9%максимальное
- OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗100,0%низкое
- SimpleBenchВопросы с подвохом на здравый смысл: пространство, время, поведение людей. 213 вопросов, у каждого шесть вариантов ответаЛюди в проверке авторов набрали около 84%, а балл модели — средняя точность по пяти прогонам.Подробнее на английском ↗78,3%максимальное
- GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗81,1%максимальное
- ARC-AGIГоловоломки на цветных клетках: по паре примеров нужно понять правило преобразования картинки и применить его к новойПодробнее на английском ↗98,5%очень высокое
Новости о модели
все упоминания · 55Модель Kimi K3.1 Pro обошла Claude Fable 5.1 в независимом рейтинге
По замерам Artificial Analysis, уже вышедшая модель Moonshot AI отстаёт от лидера рейтинга Claude Opus 5.5 на три балла, а её веса компания обещает открыть к 4 ноября.
Уиллисон с помощью Claude Fable 5.1 сделал сжатие видео прямо в браузере
Инструмент делает из одного ролика несколько MP4 разного размера, чтобы выбрать самый лёгкий. Файл никуда не загружается, а код целиком написала модель.
Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).