Claude Fable 5.2 neler yapabiliyor? 6 farklı test yapıldı
Anthropic’in yeni modeli Claude Fable 5.2, şirketin testlerinde 1.000'den fazla ajanı yöneterek sekiz günde çalışan bir işletim sistemi yazdı. Model robot kontrolü testinde yüzde 64,9 başarı aldı ve önceki sürümün skorunu iki katından fazla geçti.

Anthropic'in 9 Kasım'da yayımladığı Claude Fable 5.2, şirketin herkese açık en güçlü yapay zeka modeli. Anthropic'in yayımladığı test sonuçlarına göre model 1.000'den fazla yapay zeka ajanını yöneterek sekiz günde çalışan bir işletim sistemi yazdı. Aynı model robot kontrolünde önceki sürümün iki katından fazla başarı gösterdi ve Fermat'nın Son Teoremi'nin ispatını 30 saatte bilgisayarın denetleyebileceği bir dile çevirdi.

FABLE 5.2 HANGİ İŞLERDE ÖNE ÇIKIYOR?
Anthropic, Fable 5.2'yi en zor ve uzun soluklu teknik işler için konumluyor. Öne çıkan deneylerden biri bir Anthropic mühendisinin boş bir proje klasörüyle başlattığı çalışma oldu. Fable 5.2 bin ajanı koordine etti ve ajanlar sekiz gün boyunca kod yazıp test etti.
Ortaya çıkan işletim sistemi bir dizüstü bilgisayarda açılıyor. Anthropic'e göre sistemde disk, klavye ve ağ sürücüleri bulunuyor. Sistem dosya depolama, pencereler, giriş ekranı ve kurulum programıyla geliyor.
Model donanım tasarımında da denendi. Fable 5.2 elektronik kart üreticisi Diode ile yapılan testte tek paragraflık bir talimattan üç cihaz tasarladı. Cihazlar bir ev sesli asistanı, USB hoparlörlü bir telefon ve elde taşınan bir sanal evcil hayvandı. Anthropic'e göre üç cihaz da elektrik devresinde değişiklik yapılmadan çalıştı.
ROBOT KONTROLÜNDE NE DEĞİŞTİ?
Anthropic'in test tablosundaki en büyük artış robotikte. Model iki kollu bir robotu kamera görüntüleriyle yönettiği RoboDojo testinde yüzde 64,9 başarı aldı. Fable 5.1 aynı testte yüzde 27,6 aldı. Claude Opus 5.5'in skoru ise yüzde 39,4'tü.
Anthropic, modelin özel olarak eğitilmediği görevlerde de robotları başarıyla yönettiğini açıkladı. Şirketin paylaştığı örnekler arasında Rubik küpü çözmek, şişe kapağı açmak ve robot koluyla çizim yapmak var.

BİLİMDE NELER YAPABİLİYOR?
Bin Fable 5.2 ajanı Fermat'nın Son Teoremi'nin bilinen ispatını Lean adlı biçimsel dile yaklaşık 30 saatte çevirdi. Lean, ispatın her adımını bilgisayarın denetlemesini sağlıyor. Anthropic'in önceki denemesi 11 gün sürmüştü.
Aynı düzenekte Opus 5.5 ise 18 saatte işin yüzde 26'sını tamamladı. Fable 5.2 yeni bir ispat bulmadı, var olan ispatı makinenin doğrulayabileceği biçime getirdi.
Biyoloji testinde model, gen tedavisinde kullanılan virüs kabuklarının yapısını tahmin eden yeni bir yöntem geliştirdi. Fable 5.2 denenen 34 kabuğun 28'ini doğru modelledi. Bilimsel araştırma görevlerini ölçen Terminal-Bench-Science 0.1 testinde ise yüzde 74,6 aldı. Fable 5.1'in skoru yüzde 52,6'ydı.
ŞİRKETLER FABLE 5.2'Yİ NASIL KULLANIYOR?
Anthropic'in paylaştığı müşteri örneklerinde Uber, yaklaşık 170 ajanla 10-12 saatlik bir güvenlik denetimi yaptı. Denetimin sonunda bir rapor, hata düzeltmeleri ve bir politika önerisi çıktı. Başka bir örnekte ajan ekibi kritik bir servisi Python'dan Rust diline taşıdı ve servisin açılış süresi yaklaşık 26 kat kısaldı. Oracle'ın veri testinde ise Fable 5.2 diğer iki modelin yanlış topladığı ülke borcu tablosunda doğru sonucu verdi.
Anthropic'e göre Fable 5.2 önceki sürümden yüzde 30'a kadar daha hızlı yanıt veriyor. Model zararsız soruları yanlışlıkla engelleme oranını da yaklaşık yüzde 55 düşürdü. Siber güvenlik ve biyolojideki koruma seviyesi ise Fable 5.1 ile aynı kaldı.
FABLE 5.2'Yİ KİMLER KULLANABİLİYOR?
Fable 5.2 Claude'un ücretli planlarında ve geliştiriciler için Claude Platform'da kullanılabiliyor. Anthropic'e göre Pro ve standart Team kullanıcıları Fable'ı haftalık kullanım limitlerinin yüzde 50'sine kadar kullanabiliyor. Şirket uygun ücretli planlara 9 Kasım haftasında abonelik süresine göre bir ila üç ek Fable kullanım hakkı tanıdı. Model Amazon Web Services, Google Cloud ve Microsoft Azure'da da sunuluyor.
Anthropic günlük işler için Fable yerine Opus 5.5'i öneriyor. Şirkete göre Fable en karmaşık ve açık uçlu teknik işlerde fark yaratıyor. Haberdeki skorların tamamı Anthropic'in kendi testlerine dayanıyor.
Haberde hata mı gördünüz? Düzeltme bildirin · Haber ihbarı