Anthropic представила новое поколение моделей, способных часами делать сложные многошаговые задачки без роли человека.
Одна архитектура – два уровня доступа:
Fable 5.1 – открыта для общественности.
Mythos 5.1 – только для проверенных специалистов по кибербезопасности и науке.
Результаты в сложных бенчмарках:
Terminal-Bench-Science 0.1 (наука): 52.6% в Fable 5.1 (против 24.7% в Fable 5).
Terminal-Bench 4.0 (автономный код): 55.8% (Fable 5.1) и 60.9% (Mythos 5.1).
CursorBench 3.2.0: 73.4% Humanity's Last Exam: 65%.
Практические кейсы автономности:
Millennium: Fable 5.1 нашла причину системного сбоя, которую инженеры не могли устранить годами.
Ramp: Модель непрерывно работала 38 часов, самостоятельно тестируя гипотезы.
Browserbase: Выполнила 82% сложных задач для веб-агентов.
Кибербезопасность и защита данных:
Меньше ошибок: На 60% меньше ошибочных блокировок файерволов при анализе кода.
Защитный аудит: Модели можно искать уязвимости в ПО (Defensive Security), но создание эксплойтов ограничено.
Конфиденциальность: Архитектура Enterprise Frontier Safeguards (EFS) позволяет хранить данные в облаке клиента.
🛡 Что это значит для Чатовых? ИИ окончательно становится полноценным автономным инструментом для сложных задач. Главным риском для таких агентов становятся косвенные инъекции (Indirect Prompt Injection) – когда вредоносный код скрывают в считываемых ИИ данных. Защита автономных систем – новый вызов цифровой гигиены!
Одна архитектура – два уровня доступа:Fable 5.1 – открыта для общественности.
Mythos 5.1 – только для проверенных специалистов по кибербезопасности и науке.
Результаты в сложных бенчмарках:Terminal-Bench-Science 0.1 (наука): 52.6% в Fable 5.1 (против 24.7% в Fable 5).
Terminal-Bench 4.0 (автономный код): 55.8% (Fable 5.1) и 60.9% (Mythos 5.1).
CursorBench 3.2.0: 73.4% Humanity's Last Exam: 65%.
Практические кейсы автономности:
Millennium: Fable 5.1 нашла причину системного сбоя, которую инженеры не могли устранить годами. Ramp: Модель непрерывно работала 38 часов, самостоятельно тестируя гипотезы.Browserbase: Выполнила 82% сложных задач для веб-агентов.
Кибербезопасность и защита данных:Меньше ошибок: На 60% меньше ошибочных блокировок файерволов при анализе кода.
Защитный аудит: Модели можно искать уязвимости в ПО (Defensive Security), но создание эксплойтов ограничено.
Конфиденциальность: Архитектура Enterprise Frontier Safeguards (EFS) позволяет хранить данные в облаке клиента.
🛡 Что это значит для Чатовых? ИИ окончательно становится полноценным автономным инструментом для сложных задач. Главным риском для таких агентов становятся косвенные инъекции (Indirect Prompt Injection) – когда вредоносный код скрывают в считываемых ИИ данных. Защита автономных систем – новый вызов цифровой гигиены!
Реклама: 🔥 Хочешь получить Telegram Premium и стать гуру Polymarket? Кликай сюда!
