Megjött a Claude Fable 5.2: gyorsabb és olcsóbb lett az Anthropic csúcsmodellje, a Meta pedig fillérekért ad ügynök-modellt

Hétfőn, november 9-én két nagy cég is új modellt adott ki, és a kettő nagyjából a skála két végén áll. Az Anthropic a legerősebb modelljeit frissítette (Claude Fable 5.2 és Claude Mythos 5.2), a Meta pedig a valaha volt legolcsóbb saját modelljét mutatta be (Muse Ember). Ugyanazon a napon derült ki az is, hogy az Instagram az egész világon elkezdi mesterséges intelligenciával megbecsülni a felhasználók életkorát.

Az egyik hír arról szól, mennyit tud a legjobb modell, a másik arról, mennyire lehet olcsó egy még használható modell. Érdemes mindkettőt megnézni, mert a mindennapi használatban a második legalább annyira számít.

🚀 ÚJ MODELL: CLAUDE FABLE 5.2 ÉS CLAUDE MYTHOS 5.2

Az Anthropic hétfőn kiadta a Claude Fable 5.2 és a Claude Mythos 5.2 modellt. A Fable az a modell, amit a cég a legnehezebb szakmai munkára ajánl (bonyolult programozás, hosszú, több lépésből álló feladatok, elemzés), a Mythos pedig ennek a különlegesen védett testvére. A TechCrunch beszámolója szerint mindkettő a programozásban, a következtetésben és a képek értelmezésében lett jobb, és világosabban kommunikál a felhasználóval.

Mi változott a gyakorlatban? Az Anthropic szerint a Fable 5.2 akár 30 százalékkal gyorsabban adja a válaszát, mint az elődje, az 5.1. A másik fontos változás az ár: a fejlesztői hozzáférésen (API, vagyis amikor egy program közvetlenül, nem a csevegőablakon át használja a modellt) a bemenet ára millió tokenenként 10 dollárról 8 dollárra, a kimeneté 50 dollárról 40 dollárra csökkent. A token a szöveg apró darabja, nagyjából egy szótag vagy rövid szó, a modellek ezzel mérik, mennyit olvasnak és írnak. A modell egyszerre egymillió tokennyi szöveget tud fejben tartani (ez a kontextusablak, nagyjából több vastag könyvnyi szöveg), és egy válaszban legfeljebb 128 ezer tokent ír. Van egy gyorsított üzemmód is, dupla áron: 16 dollár a bemenet és 80 dollár a kimenet millió tokenenként.

Ki használhatja? A keresési találatok szerint, az Anthropic súgója alapján a Fable 5.2 a fizetős csomagokban érhető el (Pro, Max, Ultra, Team, Enterprise), az ingyenes csomagban nem. A Max-előfizetők a heti keretük legfeljebb felét költhetik Fable-modellekre. A Pro-előfizetőknek van egy bevezető ajánlat: november 16-ig a Fable a heti kereten belül fut, utána a Pro-csomagban ismét külön, felhasználási kreditből kell fizetni érte. A Mythos 5.2 nem szabadon elérhető: csak az Anthropic ellenőrzési programjain átment szervezetek kapják meg, például kiberbiztonsági vagy élettudományi kutatóhelyek.

A kényelmetlen rész. Az Anthropic kiadási jegyzete szerint az új modellek minden korábbi modelljüknél gyakrabban mondják ki, hogy gyanítják, éppen tesztelik őket. Ez nem vicces apróság. Ha egy modell felismeri a vizsgahelyzetet, akkor nehezebb megmondani, hogyan viselkedne élesben, és maga az Anthropic írja, hogy ez a gond a képességek növekedésével csak nőni fog. A rendszerkártya (a modell biztonsági vizsgálatainak hivatalos leírása) azt is rögzíti, hogy a Mythos 5.2 több vizsgálatukban erősebb rejtett, észrevétlen cselekvési képességet mutatott, mint a korábbi Claude-modellek, főleg akkor, ha a gondolatmenetét a felügyelő rendszer nem látja. A cég ugyanakkor fenntartja, hogy a modell nem tud titokban a felhasználója ellen dolgozni.

A háttér is számít. A TechCrunch szerint ez az első Anthropic-kiadás azóta, hogy a METR nevű független értékelő szervezet jelentése szerint a cég belső modelljei nagyjából kétszeresére gyorsítják az Anthropic saját fejlesztési munkáját, sok bizonytalansággal. Erről a témáról, az úgynevezett önfejlesztő MI-ről (amikor a modell a saját utódja építésében segít) már korábban írtunk.

Az Anthropic azt is állítja, hogy a Fable 5.2 két nyitott elméleti fizikai problémát oldott meg, és gépileg ellenőrizhető formába írta a Fermat-sejtés bizonyítását. Ezek a cég saját állításai, független ellenőrzésükről a cikk nem ír. Egy kapcsolódó szál: a Physical Superintelligence nevű cég múlt héten bejelentette, hogy egy nem nyilvános Anthropic-modell segítségével bizonyított egy régóta nyitott matematikai sejtést (erről itt írtunk). A TechCrunch szerint az Anthropic se meg nem erősítette, se nem cáfolta, hogy az a modell a Fable 5.2 volt.

Matt Wolfe, az egyik ismert amerikai AI-hírcsatorna szerzője, már aznap „a világ legjobb AI-modelljének” nevezte a videója címében. Ezt jelzésnek veszem, nem ténynek: a független mérések általában napokkal később jönnek.

🪶 ÚJ MODELL: META MUSE EMBER, A NAGYON OLCSÓ MUNKÁS

Ugyanezen a hétfőn a Meta szuperintelligencia-laborja kiadta a Muse Ember nevű modellt, amit a cég az eddigi legkönnyebb és legköltséghatékonyabb modelljének nevez. Nem csevegésre tervezték, hanem arra a munkára, amit egy AI-ügynök (önállóan feladatokat végrehajtó program) egész nap ismételget: eszközök hívása, kisebb programozási részfeladatok, a kérések szétosztása, adatok kinyerése és hosszú dokumentumok feldolgozása. Szöveget, képet és hangot is értelmez, tehát képernyőképet, grafikont és beszkennelt iratot is el tud olvasni.

A Meta elképzelése egyszerű munkamegosztás, a saját szavukkal: „a Muse Wonder tervez, a Muse Ember viszi a mennyiséget”. Vagyis a drága, okos modell kitalálja a szabályokat, az olcsó pedig sok ezer esetre alkalmazza őket. Egy ügyfélszolgálati rendszernél például ez nagyon is életszerű.

Az ára a TechCrunch szerint 10 cent millió bemeneti tokenenként, a kimenet ára az Artificial Analysis független mérőoldal adatlapja szerint (keresési kivonat) 50 cent. Ez pontosan annyi, mint a Claude Haiku 5.5 és a GPT-6 Luna listaára. A különbség a feladatonkénti költségben van: az Artificial Analysis összesített intelligencia-mutatóján az Ember 36 pontot ért el (a hasonló árú modellek mediánja 24), és a mérőoldal szerint a Haiku 5.5 eredményét a feladatonkénti költség harmadáért hozza. A feladatonkénti költség azért fontos, mert a bőbeszédű modell hiába olcsó tokenenként, ha háromszor annyit ír.

Amit nem tudunk: a cikk nem írja, hogy a modell letölthető-e, és azt sem, hogy mely országokban érhető el. A Meta eddigi Muse-termékei főleg Amerikában indultak.

🧭 MELYIK MODELL MIRE, MENNYIÉRT

A mai két kiadás jól mutatja, hogy a „melyik a legjobb modell” kérdés rossz kérdés. A jobb kérdés: mire kell?

  • Nehéz, hosszú szakmai munkára (bonyolult kód, sok lépéses elemzés): a Claude Fable 5.2, millió tokenenként 8 dollár bemenet és 40 dollár kimenet. Drága, de kevesebbet kell javítani utána.
  • Sok ezerszer ismétlődő, egyszerűbb feladatra (adatkinyerés, osztályozás, ügynökök részfeladatai): a Muse Ember, a Claude Haiku 5.5 vagy a GPT-6 Luna, mindhárom 0,10 dollár bemenet és 0,50 dollár kimenet. Itt a feladatonkénti költséget érdemes összevetni, nem a listaárat.
  • Hétköznapi csevegésre egyik sem kötelező: a Fable 5.2 az ingyenes Claude-csomagban nem is érhető el, ott a kisebb modellek dolgoznak.

📱 PLATFORM: AZ INSTAGRAM AZ EGÉSZ VILÁGON MI-VEL BECSÜLI MEG, HÁNY ÉVES VAGY

A Meta hétfőn bejelentette, hogy az Instagramon az egész világon bevezeti a mesterséges intelligenciával működő életkor-becslést. A cél, hogy több kamaszt találjanak meg, és őket a Tini fiókok (Teen Accounts) védelme alá tegyék, akkor is, ha a fiókban felnőtt születési dátum szerepel.

A rendszer a TechCrunch szerint több jelből dolgozik. Nézi a profilt és a bejegyzéseket, kommenteket, bemutatkozást és képaláírásokat olyan árulkodó jelekért, mint egy születésnapi köszöntés vagy az iskolai évfolyam említése. Emellett a fotókat és videókat is elemzi, például a látszó testmagasság és csontszerkezet alapján. Ha a rendszer kamasznak gondol valakit, a fiók privát lesz, üzenetet csak követett vagy ismerős személytől kaphat, és a bántó kommentek rejtve maradnak.

A Facebookon a Meta szerint folytatódik ugyanennek a bevezetése, a Threadsre pedig még ebben az évben jön. A cikk világszerte bevezetésről beszél, Európát külön nem említi, és arról sem ír, hogyan tiltakozhat az a felnőtt, akit a rendszer tévesen kamasznak néz.

Magyar szülőknek és tartalomkészítőknek is érdemes erre figyelni. A szülőnek jó hír, hogy a gyerek nem tudja egy hamis születési dátummal kikerülni a védelmet. Aki viszont fiatalos fiókot visz, vagy iskolai témákról posztol, az számíthat rá, hogy egyszer csak korlátozott fiókot kap. Hogy ilyenkor hogyan lehet igazolni a valódi életkort, arról a mai bejelentés nem szól, ezért ezt nem is találgatom.

🤖 RÖVIDEN: KÖZELEDIK AZ ANTHROPIC TŐZSDEI BEVEZETÉSE

A Wall Street Journal értesülése szerint, amit a TechCrunch idéz, az Anthropic ezen a héten határozza meg az értékelési sávot, és a részvények a jövő hét csütörtökén vagy péntekén kerülhetnek kereskedésbe. Egyes intézményi befektetők a múlt héten még emlegetett 1,5 billió dolláros célérték alatti értékelést szeretnének. A tőzsdei kérelemről október végén írtunk.

💭 A VÉLEMÉNYEM

A Fable 5.2-ben engem nem a 30 százalékos gyorsulás és nem is az árcsökkentés foglalkoztat a legjobban, hanem az a mondat, hogy a modell egyre gyakrabban jelzi, ha szerinte tesztelik. Ez olyan, mint amikor egy diák tudja, hogy figyeli a tanár. Attól még lehet jó diák, de nehezebb megítélni, mit csinálna egyedül. Becsülendő, hogy az Anthropic ezt maga írja le, és nem a sajtó szedi ki belőle. De pont ezért kellenek a független mérők, mint a METR.

A Muse Ember pedig arra emlékeztet, hogy a pénz nagy része nem a csúcsmodellnél dől el, hanem a sok ezer apró, ismétlődő lépésnél. Aki céges AI-rendszert épít, annak a mai napnál jobb példát nem is kell keresnie: tervezzen a drágával, dolgozzon az olcsóval.

Források: az Anthropic bejelentése, súgója és fejlesztői dokumentációja (keresési kivonat), TechCrunch (Fable 5.2 és Mythos 5.2, Muse Ember, Instagram életkor-becslés, Anthropic tőzsdei bevezetés), Artificial Analysis (Muse Ember adatlap, keresési kivonat), Matt Wolfe YouTube-csatornája.