Не установлено по доступным источникам.
ANTHROPIC · ТРЕКЕР МОДЕЛИ
Claude Fable 5
Claude Fable 5 — вариант модели/агента Anthropic, тестировавшийся на сохранение знаний между сессиями с помощью записи и чтения файлов заметок. Anthropic сообщает, что Fable 5 использует селективные стратегии памяти и пост-сессионный процесс «Dreaming» для исправления и структурирования воспоминаний; в бенчмарке по Pokémon Red он показал лучшие результаты, чем более старая Sonnet 3.7.ТЕКУЩИЙ СНИМОК2/5 РАЗДЕЛОВ С ДАННЫМИ
Главные характеристики в одном месте.
Не установлено по доступным источникам.
Не установлено по доступным источникам.
Сравнение производительности на CursorBench 3.2Anthropic сообщает, что на CursorBench 3.2 при максимальных усилиях Opus 5 показывает результат в пределах 0,5% от пикового балла Claude Fable 5, что указывает на незначительно более высокий пик у Fable 5 на этом бенчмарке.
Оценка (InnovationEval)Оценен Epoch AI с помощью бенчмарка «InnovationEval», который проверяет, могут ли ИИ-агенты самостоятельно изобретать, реализовывать, тестировать и дорабатывать научные методы.
Тестовые заданияТестировался на коротких заданиях с ответами (например, вопросы по науке) и на задачах по программированию в рамках оценки InnovationEval.
Вычислительные ресурсы и подключение во время оценкиВо время оценки у каждого агента было до 3 000 часов вычислений на высокопроизводительных чипах и отсутствовал доступ в интернет.
Предварительные знания о SDPOEpoch сообщил, что у Claude Fable 5 не было предварительных знаний о методе SDPO в рамках эксперимента.
Результат MathVis (pass@1)Достигла результата pass@1 = 26.56% на MathVis — бенчмарке из 512 задач для генерации математических диаграмм.
Включён в бенчмарк «Into the Unknown»Указан как один из девяти ИИ‑агентов, оценённых в бенчмарке Carnegie Mellon «Into the Unknown» (среди протестированных агентов названы Claude Opus 4.8, Claude Opus 5, Claude Fable 5, Claude Opus 5.5, GPT-5.6 Sol, GPT-6 Astra, Deepseek V4 Pro, Kimi K3 и GLM-5.3).
Результат бенчмарка и условия оценки (по сообщению)В отчёте бенчмарка говорится, что ни одна из 135 работ от девяти агентов не удовлетворила всем требованиям; в ходе оценки агенты (включая Claude Fable 5) имели подключение к интернету, доступ к мощным машинам, неограниченное по времени выполнение и до пяти перезапусков; суммарно испытания заняли почти 2000 часов.
Результаты бенчмарка агента памяти в Pokémon RedВ тесте Anthropic на Pokémon Red Claude Fable 5 заработал четыре значка, применяя ограниченную и селективную память, тогда как более старая Claude Sonnet 3.7 создала множество файлов и завершила игру с одним значком.
Упомянута как рабочая в Replit AgentСентябрьский пост в блоге Replit цитирует Claude Fable 5 (и Claude Fable 5.1) как модели, работающие в производственной среде Replit Agent.
ХРОНОЛОГИЯ РЕЛИЗОВ
Только опубликованные события с источниками.
ПРОВЕРЯЕМЫЕ ФАКТЫ
Каждое значение привязано к источнику и дате.
ВОЗМОЖНОСТИ · Описывается как «пограничный» уровень возможностейДАННЫЕ РАЗРАБОТЧИКА
В релизе Opus 5 Anthropic отмечает, что Opus 5 приближается к «пограничному интеллекту» ("frontier intelligence") Claude Fable 5, что подразумевает, что Fable 5 представляет собой пограничный уровень возможностей.
БЕНЧМАРКИ · Сравнение производительности на CursorBench 3.2ДАННЫЕ РАЗРАБОТЧИКА
Anthropic сообщает, что на CursorBench 3.2 при максимальных усилиях Opus 5 показывает результат в пределах 0,5% от пикового балла Claude Fable 5, что указывает на незначительно более высокий пик у Fable 5 на этом бенчмарке.
БЕЗОПАСНОСТЬ · Дополнительные меры безопасности были вызваны рискованными кибервозможностями предшественникаДАННЫЕ РАЗРАБОТЧИКА
Anthropic указала, что у Claude Mythos Preview были продвинутые кибервозможности, представлявшие высокий риск, что послужило причиной добавления мер безопасности и задержки выпуска Claude Fable 5.
ДОСТУПНОСТЬ · Упомянута как рабочая в Replit AgentДАННЫЕ РАЗРАБОТЧИКА
Сентябрьский пост в блоге Replit цитирует Claude Fable 5 (и Claude Fable 5.1) как модели, работающие в производственной среде Replit Agent.
БЕНЧМАРКИ · Оценка (InnovationEval)ДАННЫЕ РАЗРАБОТЧИКА
Оценен Epoch AI с помощью бенчмарка «InnovationEval», который проверяет, могут ли ИИ-агенты самостоятельно изобретать, реализовывать, тестировать и дорабатывать научные методы.
БЕНЧМАРКИ · Тестовые заданияДАННЫЕ РАЗРАБОТЧИКА
Тестировался на коротких заданиях с ответами (например, вопросы по науке) и на задачах по программированию в рамках оценки InnovationEval.
БЕНЧМАРКИ · Вычислительные ресурсы и подключение во время оценкиДАННЫЕ РАЗРАБОТЧИКА
Во время оценки у каждого агента было до 3 000 часов вычислений на высокопроизводительных чипах и отсутствовал доступ в интернет.
БЕНЧМАРКИ · Предварительные знания о SDPOДАННЫЕ РАЗРАБОТЧИКА
Epoch сообщил, что у Claude Fable 5 не было предварительных знаний о методе SDPO в рамках эксперимента.
ВОЗМОЖНОСТИ · Повторные попытки неудачных задач с предыдущими ответамиДАННЫЕ РАЗРАБОТЧИКА
Claude Fable 5 использовал приём повторных попыток неудачных задач с подачей предыдущих неудачных вариантов.
ОГРАНИЧЕНИЯ · Отсутствие измеримого улучшения от стратегии повторовДАННЫЕ РАЗРАБОТЧИКА
Приём с повторными попытами и подачей предыдущих неудачных ответов не дал измеримого улучшения в эксперименте.
ОГРАНИЧЕНИЯ · Результат по сравнению с человеческой опоройДАННЫЕ РАЗРАБОТЧИКА
Epoch сообщил, что Claude Fable 5 не приблизился к уровню человеческой опоры (human reference) в заданиях InnovationEval.
ОГРАНИЧЕНИЯ · Научная оценка и творческое мышлениеДАННЫЕ РАЗРАБОТЧИКА
Epoch (и Anthropic) обнаружили, что модели, включая Claude Fable 5, при проведении экспериментов испытывают нехватку научной самокритики и подлинного творческого мышления.
БЕНЧМАРКИ · Результат MathVis (pass@1)НЕЗАВИСИМО ПОДТВЕРЖДЕНО
Достигла результата pass@1 = 26.56% на MathVis — бенчмарке из 512 задач для генерации математических диаграмм.
РЕЛИЗ · Релиз отложен для дополнительных мер безопасностиДАННЫЕ РАЗРАБОТЧИКА
Anthropic отложила выпуск Claude Fable 5, чтобы добавить дополнительные меры безопасности.
ОГРАНИЧЕНИЯ · Задержка привела к потере дохода и доли рынкаДАННЫЕ РАЗРАБОТЧИКА
Anthropic сообщила, что дополнительные меры безопасности, задержавшие выпуск Claude Fable 5, стоили компании дохода и доли рынка.
БЕНЧМАРКИ · Включён в бенчмарк «Into the Unknown»ДАННЫЕ РАЗРАБОТЧИКА
Указан как один из девяти ИИ‑агентов, оценённых в бенчмарке Carnegie Mellon «Into the Unknown» (среди протестированных агентов названы Claude Opus 4.8, Claude Opus 5, Claude Fable 5, Claude Opus 5.5, GPT-5.6 Sol, GPT-6 Astra, Deepseek V4 Pro, Kimi K3 и GLM-5.3).
БЕНЧМАРКИ · Результат бенчмарка и условия оценки (по сообщению)ДАННЫЕ РАЗРАБОТЧИКА
В отчёте бенчмарка говорится, что ни одна из 135 работ от девяти агентов не удовлетворила всем требованиям; в ходе оценки агенты (включая Claude Fable 5) имели подключение к интернету, доступ к мощным машинам, неограниченное по времени выполнение и до пяти перезапусков; суммарно испытания заняли почти 2000 часов.
ВОЗМОЖНОСТИ · Хранение памяти между сессиями через файлы заметок и селективную записьДАННЫЕ РАЗРАБОТЧИКА
Fable 5 сохраняет информацию между сессиями, записывая заметки в файлы, которые затем может прочитать. Модель ограничила память несколькими файлами и не записывала информацию, уже видимую на экране; вместо этого она записывала планы, стратегии и проверенные правила.
ВОЗМОЖНОСТИ · Пост-сессионный процесс «Dreaming»ДАННЫЕ РАЗРАБОТЧИКА
Anthropic описывает пост-сессионный процесс «Dreaming», при котором система в периоды простоя анализирует предыдущие транскрипты сессий, самостоятельно исправляет ошибочные заметки и формирует структурированные коллекции знаний.
БЕНЧМАРКИ · Результаты бенчмарка агента памяти в Pokémon RedДАННЫЕ РАЗРАБОТЧИКА
В тесте Anthropic на Pokémon Red Claude Fable 5 заработал четыре значка, применяя ограниченную и селективную память, тогда как более старая Claude Sonnet 3.7 создала множество файлов и завершила игру с одним значком.
ОГРАНИЧЕНИЯ · Риск слепого доверия ошибочным или устаревшим заметкамДАННЫЕ РАЗРАБОТЧИКА
Anthropic указывает, что ключевая проблема — селекция: агент может слепо доверять ошибочным или устаревшим заметкам, а жесткие инструкции о том, что записывать, способны нивелировать преимущества более сильных моделей.
ЧТО ИЗМЕНИЛОСЬ
Сохранённые версии паспорта, без догадок задним числом.
ВОЗМОЖНОСТИ · Пост-сессионный процесс «Dreaming»+ Anthropic описывает пост-сессионный процесс «Dreaming», при котором система в периоды простоя анализирует предыдущие транскрипты сессий, самостоятельно исправляет ошибочные заметки и формирует структурированные коллекции знаний.
БЕНЧМАРКИ · Результаты бенчмарка агента памяти в Pokémon Red+ В тесте Anthropic на Pokémon Red Claude Fable 5 заработал четыре значка, применяя ограниченную и селективную память, тогда как более старая Claude Sonnet 3.7 создала множество файлов и завершила игру с одним значком.
ОГРАНИЧЕНИЯ · Риск слепого доверия ошибочным или устаревшим заметкам+ Anthropic указывает, что ключевая проблема — селекция: агент может слепо доверять ошибочным или устаревшим заметкам, а жесткие инструкции о том, что записывать, способны нивелировать преимущества более сильных моделей.
ВОЗМОЖНОСТИ · Хранение памяти между сессиями через файлы заметок и селективную запись+ Fable 5 сохраняет информацию между сессиями, записывая заметки в файлы, которые затем может прочитать. Модель ограничила память несколькими файлами и не записывала информацию, уже видимую на экране; вместо этого она записывала планы, стратегии и проверенные правила.
БЕНЧМАРКИ · Результат бенчмарка и условия оценки (по сообщению)+ В отчёте бенчмарка говорится, что ни одна из 135 работ от девяти агентов не удовлетворила всем требованиям; в ходе оценки агенты (включая Claude Fable 5) имели подключение к интернету, доступ к мощным машинам, неограниченное по времени выполнение и до пяти перезапусков; суммарно испытания заняли почти 2000 часов.
БЕНЧМАРКИ · Включён в бенчмарк «Into the Unknown»+ Указан как один из девяти ИИ‑агентов, оценённых в бенчмарке Carnegie Mellon «Into the Unknown» (среди протестированных агентов названы Claude Opus 4.8, Claude Opus 5, Claude Fable 5, Claude Opus 5.5, GPT-5.6 Sol, GPT-6 Astra, Deepseek V4 Pro, Kimi K3 и GLM-5.3).
БЕЗОПАСНОСТЬ · Обновление биозащит — уменьшение ложных срабатываний и переходов на менее способную модель− Anthropic обновила биозащиты Claude Fable 5, что существенно снижает число ложных срабатываний; у пользователей Fable 5 будет значительно меньше «fallback» — случаев, когда система переключается на менее способную модель после биологических запросов.
ОГРАНИЧЕНИЯ · Задержка привела к потере дохода и доли рынка+ Anthropic сообщила, что дополнительные меры безопасности, задержавшие выпуск Claude Fable 5, стоили компании дохода и доли рынка.
БЕЗОПАСНОСТЬ · Дополнительные меры безопасности были вызваны рискованными кибервозможностями предшественника+ Anthropic указала, что у Claude Mythos Preview были продвинутые кибервозможности, представлявшие высокий риск, что послужило причиной добавления мер безопасности и задержки выпуска Claude Fable 5.
РЕЛИЗ · Релиз отложен для дополнительных мер безопасности+ Anthropic отложила выпуск Claude Fable 5, чтобы добавить дополнительные меры безопасности.
БЕЗОПАСНОСТЬ · Обновление биозащит — уменьшение ложных срабатываний и переходов на менее способную модель+ Anthropic обновила биозащиты Claude Fable 5, что существенно снижает число ложных срабатываний; у пользователей Fable 5 будет значительно меньше «fallback» — случаев, когда система переключается на менее способную модель после биологических запросов.
БЕЗОПАСНОСТЬ · Подчинена более строгим механизмам защиты, которые блокируют некоторые задачи в бионауках− Anthropic называет свои «общедоступные модели Fable» такими, которые блокируют ряд задач в бионауках (в качестве примеров указаны разработка лекарств, исследовательская биология, клиническая разработка и производство) и противопоставляет эти механизмы безопасности Программе верификации для наук о жизни, которая даёт более широкий доступ к другим моделям.
ДОСТУПНОСТЬ · Упомянута как рабочая в Replit Agent+ Сентябрьский пост в блоге Replit цитирует Claude Fable 5 (и Claude Fable 5.1) как модели, работающие в производственной среде Replit Agent.
ДОСТУПНОСТЬ · Сообщённое использование в продукционном окружении Replit Agent− В сентябрьском блог‑посте, на который ссылается статья, сообщается, что Claude Fable 5 (и Claude Fable 5.1) работали в продукционном окружении Replit Agent.
ДОСТУПНОСТЬ · Сообщённое использование в продукционном окружении Replit Agent+ В сентябрьском блог‑посте, на который ссылается статья, сообщается, что Claude Fable 5 (и Claude Fable 5.1) работали в продукционном окружении Replit Agent.
ДОСТУПНОСТЬ · Использовалась в тестах coding‑агентов− Блог AWS, описывающий развёртывание через агентную логику в SageMaker, указывает на тесты с использованием «Auto or Claude Fable 5» вместе с coding‑агентом, что свидетельствует об использовании Fable 5 в экспериментах по развёртыванию агентных инструментов.
БЕНЧМАРКИ · Результат MathVis (pass@1)+ Достигла результата pass@1 = 26.56% на MathVis — бенчмарке из 512 задач для генерации математических диаграмм.
БЕНЧМАРКИ · Вычислительные ресурсы и подключение во время оценки+ Во время оценки у каждого агента было до 3 000 часов вычислений на высокопроизводительных чипах и отсутствовал доступ в интернет.
БЕНЧМАРКИ · Тестовые задания+ Тестировался на коротких заданиях с ответами (например, вопросы по науке) и на задачах по программированию в рамках оценки InnovationEval.
БЕНЧМАРКИ · Оценка (InnovationEval)+ Оценен Epoch AI с помощью бенчмарка «InnovationEval», который проверяет, могут ли ИИ-агенты самостоятельно изобретать, реализовывать, тестировать и дорабатывать научные методы.
ОГРАНИЧЕНИЯ · Отсутствие измеримого улучшения от стратегии повторов+ Приём с повторными попытами и подачей предыдущих неудачных ответов не дал измеримого улучшения в эксперименте.
ОГРАНИЧЕНИЯ · Результат по сравнению с человеческой опорой+ Epoch сообщил, что Claude Fable 5 не приблизился к уровню человеческой опоры (human reference) в заданиях InnovationEval.
ВОЗМОЖНОСТИ · Повторные попытки неудачных задач с предыдущими ответами+ Claude Fable 5 использовал приём повторных попыток неудачных задач с подачей предыдущих неудачных вариантов.
ОГРАНИЧЕНИЯ · Научная оценка и творческое мышление+ Epoch (и Anthropic) обнаружили, что модели, включая Claude Fable 5, при проведении экспериментов испытывают нехватку научной самокритики и подлинного творческого мышления.
БЕНЧМАРКИ · Предварительные знания о SDPO+ Epoch сообщил, что у Claude Fable 5 не было предварительных знаний о методе SDPO в рамках эксперимента.