Bitduke

Tips bagus untuk memaksimalkan Fable 5.2

Carbon telah hadir

Saatnya menguji Fable 5.2 di TreeBench.

bisakah robot (menciptakan kembali) sebuah mahakarya

Beginilah tampilan 700,000 sapuan kuas yang disimulasikan oleh Fable 5.2.

Fable 5.2 juga mencatat lonjakan besar pada Remote Labor Index, dari 21.3% dengan Opus 5.5 menjadi 41.3%! Benchmark ini menguji AI dengan 240 proyek lepas nyata, seperti membangun situs web atau membuat presentasi, dengan juri manusia yang membandingkan hasil kerjanya dengan hasil kerja para profesional. Pada dasarnya, Fable

Claude Fable 5.2 baru saja mendominasi papan peringkat lain: skornya 16.4% di GDPx milik SemiAnalysis, yang menguji agen AI dalam tugas profesional dunia nyata yang sulit, hampir dua kali lipat (!) skor Fable 5.1 sebesar 8.5% dan mengungguli Opus 5.5 yang mendapat 12%, meskipun kemampuannya di bidang hukum dan keuangan hanya sedikit meningkat.

Publik mendapatkan AI yang lebih cerdas, tetapi seberapa besar AI itu bisa membantu membangun AI yang lebih cerdas lagi tetap bergantung pada Anthropic. Dengan Fable 5.2 dan Mythos 5.2, mereka sengaja membatasi peningkatan dalam optimisasi kernel dan riset arsitektur LLM selama pelatihan. Sepertinya mereka berusaha memperlambat siklus AI.

GPT-6.2 Astra yang akan datang harus membuat lompatan besar untuk bisa mencapai posisi Fable 5.2 saat ini.

hasil menarik untuk Fable 5.2 pada tolok ukur penalaran tanpa rantai pemikiran, salah satu dari sedikit tolok ukur yang tidak menempatkan Fable di posisi teratas ternyata jika rantai pemikiran dihilangkan, skor Fable sekitar 145, masih di bawah GPT-6.1 Sol (~149) dan GPT-6 Astra (~159)

Coba bayangkan ada yang bilang setahun lalu bahwa sebuah model bisa melakukan sesuatu seperti itu hanya dalam sekali coba, kamu pasti mengira dia sudah gila. Tapi sekarang, ini benar-benar kenyataan kita.

praktik yang cukup bagus untuk menguji apa saja yang bisa dideteksi oleh setiap model baru, yang luput dari model-model sebelumnya.

Fable 5.2 tampaknya mencatat peningkatan besar di berbagai benchmark.

Peringkat #1 di papan peringkat Epoch AI dengan peluncuran Fable 5.2! Claude Fable 5.2 meraih skor 174 pada ECI Epoch AI, dibandingkan dengan 169 untuk GPT-6 Astra dan Opus 5.5. Selisih itu benar-benar terlihat jelas pada grafik, terutama setelah melihat model-model terdepan berkelompok begitu rapat satu sama lain. saya

Skandal Nvidia? Pasar sedang anjlok? Anthropic tampaknya sama sekali tidak takut pada pasar. Tidak ada rencana untuk membatalkan IPO-nya dan masih menargetkan minggu depan, 19 atau 20 November, menurut WSJ. Langkah yang cukup cerdas untuk merilis dua model AI yang jelas-jelas lebih unggul (benar-benar bagus, lihat saja benchmark-nya), cuma sebuah...

Apakah terapi gen dengan AI kini menjadi kemungkinan? Mythos 5.2, salah satu model canggih Anthropic yang menggunakan model dasar yang sama dengan Fable, memanfaatkan perangkat pelipat protein yang sudah ada untuk memprediksi secara akurat struktur 28 dari 34 cangkang virus yang diuji, yang dapat membawa terapi gen ke dalam

Oh, jadi begini cara kerjanya! Hanya mereka yang sudah berlangganan Claude selama lebih dari setahun yang mendapat 3 kali reset, sementara yang lainnya mendapat lebih sedikit.

Sayangnya, Fable 5.2 tidak jauh lebih baik daripada Opus 5.5 dalam optimasi kernel dan riset arsitektur LLM. Sepertinya Anthropic memang tidak ingin menyerahkan alat sekuat itu ke tangan para pesaing.

ARC-AGI-3 belum terpecahkan, tetapi ARC-AGI-4 mungkin sudah layak untuk dipikirkan

Fable 5.2 baru saja mencetak rekor tertinggi baru sebesar 81.2% di ARC-AGI-3 dengan harness standar (dan 97.7% dengan adapter penyedia, yang menurut saya kurang menarik)

model berikutnya mungkin akhirnya bisa menaklukkan versi ketiga tanpa apa pun

Lompatan besar bagi Fable di benchmark AAI!