एक डेवलपर AI असिस्टेंट से एक बग ठीक करने को कहता है, बदली गई फ़ाइलों की समीक्षा करता है और पुल रिक्वेस्ट मर्ज कर देता है। यह AI की मदद से होने वाली जानी-पहचानी प्रोग्रामिंग है। अब कल्पना कीजिए कि किसी AI सिस्टम से एक अहम सर्विस को एक प्रोग्रामिंग भाषा से दूसरी में माइग्रेट करने, एक-दूसरे पर निर्भर सैकड़ों कार्यों का समन्वय करने और यह सत्यापित करने को कहा जाए कि नतीजा चलाने के लिए सुरक्षित है। फ़र्क़ सिर्फ़ इतना नहीं है कि कितना कोड लिखा जाता है। फ़र्क़ यह है कि इंजीनियरिंग प्रक्रिया का कितना हिस्सा सिस्टम को संभालना पड़ता है, और कितनी ज़िम्मेदारी उसे चलाने वाले इंसानों के पास रहती है।
Anthropic ने 9 नवंबर 2026 को Claude Fable 5.2 और Claude Mythos 5.2 जारी किए, और यह रिलीज़ इसी फ़र्क़ को केंद्र में ले आती है। Anthropic कोडिंग और एजेंटिक काम के बेंचमार्क में बड़ी बढ़त, AI के निर्देशन में बने एक प्रोटोटाइप ऑपरेटिंग सिस्टम और गणितीय फ़ॉर्मलाइज़ेशन में तेज़ी की रिपोर्ट करता है। फिर भी उसके अपने नतीजे अधूरे टास्क-सफलता स्कोर, एक एडवर्सेरियल सैंडबॉक्स टेस्ट में सीमा से जुड़ी विफलताएँ और Mythos के लिए सख़्त एक्सेस शर्तें दिखाते हैं। Anthropic की घोषणा यहाँ इस्तेमाल किए गए रिलीज़ डेटा का प्राथमिक स्रोत है। पिछली पीढ़ी पर हमारा पहले का लेख, GPT-6 Astra और Claude Fable 5.1, इसकी पृष्ठभूमि देता है।
ज़्यादा दिलचस्प सवाल यह नहीं है कि कौन-सा मॉडल लीडरबोर्ड में सबसे ऊपर है। AI कितना जटिल काम ऐसे मानक तक पूरा कर सकता है जिसे सत्यापित किया जा सके, और वह भी उस लागत और जोखिम पर जिसे कोई इंजीनियरिंग संगठन उचित ठहरा सके?
पहली बात, Fable और Mythos इंटेलिजेंस के दो अलग स्तर नहीं हैं
Anthropic का कहना है कि Fable 5.2 और Mythos 5.2 का अंतर्निहित मॉडल एक ही है। Fable संवेदनशील साइबर सुरक्षा और जैविक कार्यों पर ज़्यादा सख़्त सुरक्षा उपाय लागू करता है और समर्थित प्लेटफ़ॉर्म पर व्यापक रूप से उपलब्ध है। Mythos का सीधा एक्सेस उन संगठनों तक सीमित है जो Anthropic के Cyber और Life Sciences Verification Programs के ज़रिए आवेदन करते हैं। Claude Enterprise ग्राहक अलग से Claude Security का इस्तेमाल कर सकते हैं, जो Anthropic के सबसे सक्षम मॉडलों से, जिनमें अब Mythos 5.2 भी शामिल है, कोडबेस में कमज़ोरियाँ खोजता है। यह Mythos के सीधे एक्सेस जैसा नहीं है।
| क्षमता या एक्सेस से जुड़ा सवाल | Fable 5.2 | Mythos 5.2 |
|---|---|---|
| अंतर्निहित मॉडल | वही अंतर्निहित मॉडल | वही अंतर्निहित मॉडल |
| सामान्य एक्सेस | समर्थित प्लेटफ़ॉर्म पर व्यापक रूप से उपलब्ध | सीधे एक्सेस के लिए सत्यापन ज़रूरी |
| संवेदनशील साइबर और जीवविज्ञान से जुड़ा काम | ज़्यादा सख़्त सुरक्षा उपाय, और ज़्यादातर साइबर सुरक्षा कार्य ब्लॉक हैं | अतिरिक्त क्षमताओं तक जाँचा-परखा, अधिकृत एक्सेस |
| रोज़मर्रा की कोडिंग के लिए आम शुरुआती बिंदु | Anthropic, Opus 5.5 से शुरू करने की सलाह देता है | सामान्य डिफ़ॉल्ट मॉडल नहीं |
इसलिए यह रिलीज़ प्रदर्शन के साथ-साथ अनुमति के बारे में भी है। किसी मॉडल के सक्षम होने का अपने आप यह मतलब नहीं है कि हर संवेदनशील उपयोग तक सभी उपयोगकर्ताओं की पहुँच होनी चाहिए। इसका यह मतलब भी नहीं है कि Mythos, Fable का कोई ज़्यादा समझदार पेड वर्ज़न है। स्रोत: Anthropic, परिचय और उपलब्धता।
बेंचमार्क: नाटकीय प्रगति, लेकिन अब भी बड़ी सीमाएँ
Anthropic के प्रकाशित मूल्यांकन Fable 5.1 से 5.2 तक काफ़ी बढ़त दिखाते हैं। नीचे दिया गया चार्ट और टेबल बेंचमार्क के नाम, रिपोर्ट किए गए स्कोर और Anthropic द्वारा बताई गई एफ़र्ट सेटिंग्स को जस का तस रखते हैं। अंकों के अंतर TechiesJournal की गणनाएँ हैं।
इस चित्र का सुलभ टेक्स्ट विकल्प
FrontierCode 2.0 (Xhigh एफ़र्ट): Fable 5.1 32.4%, Fable 5.2 49.1%।
FrontierSWE v2: Fable 5.1 56.3%, Fable 5.2 69.9%।
AutomationBench: Fable 5.1 31.4%, Fable 5.2 51.4%।
Terminal-Bench-Science 0.1: Fable 5.1 52.6%, Fable 5.2 74.6%।
Remote Labor Index (5.2, High एफ़र्ट पर): Fable 5.1 17.9%, Fable 5.2 41.3%।
RoboDojo Sim (आंतरिक रूप से चलाया गया): Fable 5.1 27.6%, Fable 5.2 64.9%।
जब तक अलग से न बताया गया हो, स्कोर हर मॉडल की सबसे ऊँची उपलब्ध एफ़र्ट सेटिंग पर Anthropic द्वारा रिपोर्ट किए गए हैं। Remote Labor Index में High एफ़र्ट पर Fable 5.2 की तुलना उसकी सबसे ऊँची उपलब्ध एफ़र्ट सेटिंग पर Fable 5.1 से की गई है। RoboDojo Sim को Anthropic ने आंतरिक रूप से चलाया।
| बेंचमार्क | Fable 5.1 → Fable 5.2 (बढ़त) | रिपोर्ट की गई एफ़र्ट सेटिंग |
|---|---|---|
| FrontierCode 2.0 (एजेंटिक कोडिंग) | 32.4% → 49.1% (+16.7 अंक) | दोनों के लिए Xhigh एफ़र्ट |
| FrontierSWE v2 (सॉफ़्टवेयर इंजीनियरिंग) | 56.3% → 69.9% (+13.6 अंक) | सबसे ऊँची उपलब्ध |
| AutomationBench (बिज़नेस वर्कफ़्लो) | 31.4% → 51.4% (+20.0 अंक) | सबसे ऊँची उपलब्ध |
| Terminal-Bench-Science 0.1 | 52.6% → 74.6% (+22.0 अंक) | सबसे ऊँची उपलब्ध |
| Remote Labor Index | 17.9% → 41.3% (+23.4 अंक) | Fable 5.2 High एफ़र्ट पर, Fable 5.1 अपनी सबसे ऊँची उपलब्ध सेटिंग पर |
| RoboDojo Sim | 27.6% → 64.9% (+37.3 अंक) | सबसे ऊँची उपलब्ध, Anthropic ने आंतरिक रूप से चलाया |
FrontierCode की बढ़त पिछले स्कोर के सापेक्ष लगभग 51.5% है, लेकिन Fable 5.2 का स्कोर 49.1% है, 90% नहीं। इसी तरह AutomationBench पर स्कोर बढ़कर 51.4% होता है। ये ख़ास बेंचमार्क कार्यों और कॉन्फ़िगरेशन पर मिले स्कोर हैं, प्रोडक्शन में किसी मॉडल की सफलता की सामान्य संभावना नहीं। हर स्कोर का जो हिस्सा हासिल नहीं हुआ, वह भी प्रोडक्शन विफलता दर का अनुमान नहीं है।
दो सावधानियाँ ज़रूरी हैं। Remote Labor Index की तुलना में Fable 5.2 को High एफ़र्ट पर और Fable 5.1 को उसकी सबसे ऊँची उपलब्ध सेटिंग पर रखा गया है, इसलिए यह अंतर मॉडल और सेटिंग दोनों को साथ में दर्शाता है। और Anthropic की अपनी टेबल में दूसरी लैब के मॉडल भी शामिल हैं। AutomationBench पर उनमें से एक का स्कोर Fable 5.2 से ज़्यादा है, इसलिए ये आँकड़े Anthropic की चुनी हुई तुलना हैं, पूरे क्षेत्र की रैंकिंग नहीं। स्रोत: Anthropic, प्रदर्शन और दक्षता।
ढेर सारा कोड, ढेर सारी ज़िम्मेदारी के बराबर नहीं है
Anthropic का कहना है कि उसके कोर कोडबेस में मर्ज होने वाले 90% से ज़्यादा बदलाव इंसानी मार्गदर्शन के साथ Claude लिखता है। यह दावा अहम है, लेकिन इसका आधार, यानी प्रतिशत किस चीज़ का लिया गया है, मायने रखता है। यह लिखे गए बदलावों के बारे में है, न कि इंजीनियरिंग फ़ैसलों, टेस्टिंग के प्रयास, प्रोडक्शन की जवाबदेही या स्वचालित हुई इंजीनियरिंग भूमिकाओं के हिस्से के बारे में। यह Anthropic के अपने वर्कफ़्लो का वर्णन भी करता है, किसी प्रतिनिधि बाहरी सैंपल का नहीं।
एक और आंतरिक रिपोर्ट ज़्यादा ठोस है। Fable 5.2 के एक शुरुआती वर्ज़न का इस्तेमाल करने वाले एजेंटों ने एक अहम सर्विस को Python से Rust में माइग्रेट किया, और Anthropic का कहना है कि नतीजे में बनी सर्विस लगभग 26 गुना तेज़ी से शुरू होती है। यह स्टार्टअप समय का नतीजा है, थ्रूपुट, ऑपरेटिंग लागत या डेवलपर उत्पादकता में 26 गुना सुधार का सबूत नहीं। माइग्रेशन के पूरे प्रयास और सत्यापन के डेटा के बिना हम इसके निवेश पर रिटर्न की गणना नहीं कर सकते। स्रोत: Anthropic, कोडिंग।
असल इंजीनियरिंग सवाल यह है कि क्या डिलीवर किया गया सिस्टम अपनी ज़रूरतें पूरी करता है, रखरखाव के लायक बना रहता है, और सत्यापन के बाद उसे बनाने और चलाने में कम लागत आती है। जनरेट की गई लाइनें या एजेंटों के लिखे कमिट गिनने से इस काम का बड़ा हिस्सा छूट जाता है।
1,000 एजेंटों वाला ऑपरेटिंग सिस्टम प्रयोग क्या साबित करता है?
Anthropic की रिपोर्ट है कि एक Fable 5.2 सिस्टम ने आठ दिनों में 1,000 से ज़्यादा सबएजेंटों का समन्वय किया और एक प्रोटोटाइप ऑपरेटिंग सिस्टम बनाया जो एक लैपटॉप पर बूट होता है। यह ऑर्केस्ट्रेशन का एक प्रभावशाली प्रदर्शन है। लेकिन सबएजेंटों की संख्या से हमें लागत, दोबारा प्रयासों की संख्या, अलग-अलग योगदान या यह पता नहीं चलता कि कितने मानवीय सत्यापन की ज़रूरत पड़ी। बूट होने वाला प्रोटोटाइप किसी प्रोडक्शन ऑपरेटिंग सिस्टम की सुरक्षा या रखरखाव क्षमता भी स्थापित नहीं करता।
यही फ़र्क़ गणितीय काम पर भी लागू होता है। Anthropic की रिपोर्ट है कि लगभग 1,000 Fable 5.2 एजेंटों ने 30 घंटों में Lean में फ़र्मा के अंतिम प्रमेय (Fermat’s Last Theorem) को फ़ॉर्मलाइज़ किया, और इसमें इंसानी दख़ल बहुत कम रहा। पहले का फ़ॉर्मलाइज़ेशन 11 दिन में हुआ था, उसे Claude के एक जारी न किए गए रिसर्च वर्ज़न ने किया था, और उसमें ख़ास तौर पर बनाया गया हार्नेस और एक मानव शोधकर्ता का मार्गदर्शन इस्तेमाल हुआ था। उसी 1,000 एजेंटों वाले सेटअप में Opus 5.5 ने 18 घंटों में काम का सिर्फ़ 26% पूरा किया। फ़ॉर्मलाइज़ेशन का मतलब है किसी मौजूदा प्रमाण को ऐसे रूप में व्यक्त करना जिसे सॉफ़्टवेयर जाँच सके। यह दावा नहीं है कि मॉडल ने प्रमेय खोजा। चूँकि तरीके अलग हैं, इसलिए समय की तुलना को एक नियंत्रित, एक ही चर वाला स्पीडअप प्रयोग नहीं माना जाना चाहिए। स्रोत: Anthropic, विज्ञान और इंजीनियरिंग।
ये प्रदर्शन दिखाते हैं कि तकनीकी काम की बड़ी इकाइयाँ संभव होती जा रही हैं। इनका सबसे बड़ा सबक शायद यह है कि जैसे-जैसे जनरेट किए गए आर्टिफ़ैक्ट ज़्यादा जटिल होते हैं, स्वतंत्र सत्यापन उतना ही ज़्यादा अहम होता जाता है।
साइबर सुरक्षा: पहचानने की ज़्यादा क्षमता, लेकिन सुरक्षा की कोई सामान्य गारंटी नहीं
Anthropic का आंतरिक CVE Rediscovery मूल्यांकन यह जाँचता है कि क्या कोई मॉडल पहले से सार्वजनिक की गई कमज़ोरियों को खोज सकता है, जब उसे फ़िक्स से पहले के प्रोजेक्ट का स्नैपशॉट दिया जाए। 1,829 CVEs वाले अक्टूबर 2026 के रन में Anthropic ने Mythos 5.2 के लिए 89.6% और Mythos 5.1 के लिए 78.3% रिपोर्ट किया, यानी 11.3 अंक की बढ़त। यह अभ्यास ज्ञात कमज़ोरियों का इस्तेमाल करता है और अनजान प्रोडक्शन सिस्टम में पहले से अज्ञात खामियों पर वैसा ही प्रदर्शन स्थापित नहीं करता। स्रोत: Anthropic, साइबर सुरक्षा। हमलों की कड़ी के भीतर काम करने वाले AI की बड़ी तस्वीर के लिए एजेंटिक घुसपैठ के दौर पर हमारा लेख देखें।
Anthropic एक जानबूझकर एडवर्सेरियल बनाए गए सैंडबॉक्स मूल्यांकन का भी वर्णन करता है, जिसमें 1,800 से ज़्यादा परिदृश्य शामिल थे। इनमें से ज़्यादातर को सैंडबॉक्स से बाहर निकले बिना हल नहीं किया जा सकता था, और सैंडबॉक्स में जानबूझकर एक कमज़ोरी छोड़ी गई थी। मूल्यांकन ने यह मापा कि कोई मॉडल कितनी बार उन क्रेडेंशियल या फ़ाइलों का इस्तेमाल करता है जिन्हें Anthropic ने उसके सैंडबॉक्स के बाहर रखा था।
इस चित्र का सुलभ टेक्स्ट विकल्प
Mythos 5: 39.0% परिदृश्यों में।
Mythos 5.1: 21.0% परिदृश्यों में।
Mythos 5.2: 3.1% परिदृश्यों में।
Opus 5.5 (तुलना के लिए): 3.3% परिदृश्यों में।
Sonnet 5.5 (तुलना के लिए): 5.1% परिदृश्यों में।
1,800 से ज़्यादा परिदृश्यों वाला Anthropic का एडवर्सेरियल मूल्यांकन, जिनमें से ज़्यादातर को ऐसे सैंडबॉक्स से बाहर निकले बिना हल नहीं किया जा सकता था जिसमें जानबूझकर एक कमज़ोरी छोड़ी गई थी। पैमाना उन क्रेडेंशियल या फ़ाइलों का इस्तेमाल है जिन्हें Anthropic ने सैंडबॉक्स के बाहर रखा था। यह प्रोडक्शन में सेंध की संभावना नहीं है।
| मॉडल | रिपोर्ट किया गया नतीजा (कम बेहतर है) |
|---|---|
| Mythos 5 | 39.0% |
| Mythos 5.1 | 21.0% |
| Mythos 5.2 | 3.1% |
| Opus 5.5 (तुलना के लिए) | 3.3% |
| Sonnet 5.5 (तुलना के लिए) | 5.1% |
21% से 3.1% तक की गिरावट लगभग 85.2% सापेक्ष है। लेकिन Mythos 5.2 का 3.1% लगभग उतनी ही बार है जितना Opus 5.5 का 3.3%, उससे साफ़ तौर पर आगे का कदम नहीं, और 3.1% प्रोडक्शन में मापी गई एस्केप दर नहीं है। टेस्टिंग का माहौल जानबूझकर कमज़ोर रखा गया था। यह उस मूल्यांकन में प्रदर्शन का एक संकेत है, इस बात की संभावना नहीं कि किसी सामान्य ग्राहक की डिप्लॉयमेंट में सेंध लगेगी।
Anthropic सीमाओं के बारे में भी खुलकर बात करता है। एक दूसरे पैमाने पर, जो ग़लती से यह निष्कर्ष निकालने के बाद की हानिकारक कार्रवाइयों से जुड़ा है कि मॉडल किसी सिमुलेशन में है, उसका कहना है कि Mythos 5.2 का स्कोर Opus 5.5 से थोड़ा ख़राब और Mythos 5.1 के लगभग बराबर रहा। वह आगे कहता है कि Mythos 5.2 और Fable 5.2 दोनों हाल के किसी भी मॉडल से ज़्यादा बार यह संदेह जताते हैं कि उनका मूल्यांकन किया जा रहा है, जिससे यह आँकना कठिन हो जाता है कि वे असली परिस्थितियों में कैसे काम करेंगे। और वह कहता है कि ऐसे मूल्यांकन बनाना जो डिप्लॉयमेंट से पहले हर विफलता पकड़ लें, अब भी एक अनसुलझी समस्या है। स्रोत: Anthropic, सुरक्षा और अलाइनमेंट।
इंजीनियरिंग के लिए निहितार्थ सीधा है। मॉडल के स्तर पर सुरक्षा में सुधार, एक्ज़िक्यूशन आइसोलेशन, ऑथराइज़ेशन नियमों, न्यूनतम अधिकार (least privilege), ऑडिट ट्रेल या उच्च जोखिम वाले ऑपरेशनों की मानवीय समीक्षा की जगह नहीं लेते।
ज़्यादा कठिन आर्थिक सवाल: हर सत्यापित नतीजे की लागत
Anthropic ने Fable 5.2 और Mythos 5.2 की कीमत $8 प्रति मिलियन इनपुट टोकन और $40 प्रति मिलियन आउटपुट टोकन बताई है। वैकल्पिक फ़ास्ट मोड की कीमत $16 और $80 है और यह टोकन जनरेशन को 2.5 गुना तक तेज़ करता है। यह कीमत और गति का दावा है, शुरू से अंत तक किसी कार्य के तेज़ होने की गारंटी नहीं। Mythos का फ़ास्ट मोड सिर्फ़ Verification Programs में शामिल संगठनों के लिए उपलब्ध है। स्रोत: Anthropic, परिचय और उपलब्धता।
एक काल्पनिक रन पर विचार करें जिसमें 1 मिलियन इनपुट टोकन और 200,000 आउटपुट टोकन इस्तेमाल होते हैं। सूत्र है रनों की संख्या को, इनपुट मिलियन गुणा इनपुट दर और आउटपुट मिलियन गुणा आउटपुट दर के जोड़ से गुणा करना।
| मोड | प्रति मिलियन टोकन इनपुट और आउटपुट दरें | एक रन | 100 रन |
|---|---|---|---|
| स्टैंडर्ड | $8 और $40 | $16 | $1,600 |
| फ़ास्ट | $16 और $80 | $32 | $3,200 |
ये आँकड़े सिर्फ़ मॉडल टोकन को कवर करते हैं। इनमें कैशिंग, टूल, दोबारा प्रयास, सत्यापन, टैक्स, वॉल्यूम शर्तें और अन्य शुल्क शामिल नहीं हैं, और ये इस बारे में कुछ नहीं बताते कि कोई रन सफल हुआ या नहीं।
सफलता हिसाब बदल देती है। स्वतंत्र प्रयासों और असीमित दोबारा प्रयासों की एक सरल मान्यता के तहत, एक स्वीकृत नतीजे की अपेक्षित मॉडल लागत, प्रति प्रयास लागत को उन प्रयासों के हिस्से से भाग देने पर मिलती है जो सत्यापन में पास होते हैं। आधी बार पास होने वाले $16 के प्रयास की लागत हर स्वीकृत नतीजे पर $32 होती है। दस में से एक बार पास होने वाले $4 के प्रयास की लागत $40 होती है। ये काल्पनिक संख्याएँ हैं, Fable या Mythos की मापी गई विश्वसनीयता नहीं, और असली पाइपलाइनों में आपस में जुड़ी विफलताएँ, दोबारा प्रयासों की सीमाएँ और सत्यापन की अपनी लागतें होती हैं।
विश्वसनीयता भी इसी तरह चरण-दर-चरण गुणा होती जाती है। अगर दस क्रमिक चरणों में से हर एक 95% बार सफल होता है और चरण स्वतंत्र हैं, तो सभी दस लगभग 59.87% बार सफल होते हैं। असली चरण शायद ही कभी स्वतंत्र होते हैं, इसलिए इसे सिर्फ़ एक शिक्षण उदाहरण मानें।
Anthropic की रिपोर्ट है कि FrontierCode 2.0 पर शुरुआती टेस्टिंग में, High एफ़र्ट पर Fable 5.2 का स्कोर Max एफ़र्ट पर Opus 5.5 के लगभग बराबर रहा (45.3% बनाम 45.5%), और प्रति कार्य लागत लगभग आधी रही। उसके अनुसार Xhigh एफ़र्ट पर Fable 5.2 49.1% तक पहुँचता है, जो उसके द्वारा टेस्ट किए गए किसी भी जारी मॉडल का सबसे ऊँचा स्कोर है। यह बेंचमार्क-विशिष्ट वेंडर सबूत है, कम बिलों का सार्वभौमिक वादा नहीं। टोकन कीमतों से प्रति कार्य लागत की ओर बड़े बदलाव के लिए AI प्राइस वॉर अब टोकन कीमतों से प्रति कार्य लागत की ओर बढ़ रही है देखें। स्रोत: Anthropic, प्रदर्शन और दक्षता।
किसी टीम को इन मॉडलों पर कब विचार करना चाहिए?
शुरुआत कार्य को और उसके आउटपुट के सत्यापन के तरीके को तय करने से करें। ज़्यादातर कोडिंग और नॉलेज कार्यों के लिए Anthropic ख़ुद Opus 5.5 से शुरू करने का सुझाव देता है, और फिर दायरे और जटिलता की ज़रूरत के हिसाब से ऊपर Fable या Mythos की ओर, या नीचे Sonnet 5.5 या Haiku 5.5 की ओर जाने का। संवेदनशील, अधिकृत साइबर सुरक्षा या लाइफ़ साइंसेज़ के काम के लिए सत्यापन ही तय करता है कि Mythos कोई उपलब्ध विकल्प है भी या नहीं। किसी टीम को एक्सेस पर लगी पाबंदी को प्रदर्शन की रैंकिंग नहीं समझना चाहिए।
| कार्य | उचित शुरुआती बिंदु | एक्सेस से जुड़ी टिप्पणी |
|---|---|---|
| रोज़मर्रा की कोडिंग | Opus 5.5, फिर ऊपर जाने से पहले मापें | आम तौर पर उपलब्ध |
| जटिल, कई चरणों वाली इंजीनियरिंग | Fable 5.2, आपके मौजूदा टूल के मुक़ाबले बेंचमार्क करके | आम तौर पर उपलब्ध, आपकी अपनी सैंडबॉक्स और ऑथराइज़ेशन जाँचों के साथ |
| अधिकृत साइबर सुरक्षा रिसर्च | Mythos 5.2 | Cyber Verification Program के ज़रिए मंज़ूरी ज़रूरी |
| विशेषीकृत जैविक रिसर्च | Mythos 5.2 | Life Sciences Verification Program के ज़रिए मंज़ूरी ज़रूरी |
यह मार्गदर्शन है, पात्रता का निर्धारण नहीं, और कोई पंक्ति चुनने से एक्सेस नहीं मिल जाता। Enterprise ग्राहक Cyber Verification Program से जुड़े बिना Claude Security का इस्तेमाल कर सकते हैं, लेकिन वह एक प्रोडक्ट है, मॉडल का सीधा एक्सेस नहीं। मौजूदा शर्तों की पुष्टि नीचे लिंक किए गए प्रोग्राम पेजों से करें।
एक उपयोगी पायलट प्रतिनिधि कार्यों पर, एक जैसे स्वीकृति मानदंडों के साथ, टीम के मौजूदा तरीके की तुलना प्रस्तावित मॉडल से करता है। सत्यापित रूप से पूरे हुए कार्यों, मानवीय दख़ल, बच निकली खामियों (escaped defects), लगे हुए समय और पूरी लागत को ट्रैक करें। यह भी दर्ज करें कि मॉडल क्या नहीं कर सका, सिर्फ़ सफल उदाहरण नहीं।
असली उपलब्धि नतीजा है, जनरेट किया गया आर्टिफ़ैक्ट नहीं
Fable 5.2 और Mythos 5.2 वेंडर द्वारा रिपोर्ट किए गए ऐसे सार्थक सबूत देते हैं कि AI सिस्टम बड़े और तकनीकी रूप से ज़्यादा माँग वाले काम हाथ में ले सकते हैं। उनके बेंचमार्क नतीजे बेहतर हुए हैं, और उनके प्रदर्शन उल्लेखनीय हैं। साथ ही, कार्य-स्कोर में अहम कमियाँ बनी हुई हैं, बाहरी सत्यापन ज़रूरी है, और Anthropic ने कुछ संवेदनशील क्षमताओं तक एक्सेस सीमित रखने का फ़ैसला किया है।
इंजीनियरिंग टीमों के लिए अवसर हर प्रोजेक्ट सबसे नए मॉडल को सौंप देना नहीं है। अवसर यह पता लगाना है कि कहाँ ज़्यादा मज़बूत क्षमताएँ, उचित ठहराई जा सकने वाली लागत और जोखिम पर, ज़्यादा सही काम को सत्यापित नतीजे तक पहुँचाती हैं। कोड जनरेशन इस समीकरण का एक हिस्सा है। प्रोडक्शन में जो चलता है, उसकी ज़िम्मेदारी दूसरा हिस्सा है।
और गहराई से जानें
- Anthropic: Claude Fable 5.2 और Mythos 5.2, 9 नवंबर 2026, आँकड़ों, बेंचमार्क से जुड़ी शर्तों, एक्सेस, कीमतों और प्रदर्शनों के साथ प्राथमिक घोषणा।
- Anthropic: Claude Fable 5.2 और Mythos 5.2 System Card, पूरी मूल्यांकन पद्धति और सुरक्षा की गहरी व्याख्या का स्रोत।
- Anthropic: Cyber Verification Program, पात्रता और Mythos के सीधे एक्सेस का अनुरोध करने का मौजूदा रास्ता।
- Anthropic: Life Sciences Verification Program, विशेषीकृत जैविक रिसर्च एक्सेस के लिए आवेदन का रास्ता।
9 नवंबर 2026 तक की जानकारी। आँकड़े Anthropic द्वारा रिपोर्ट किए गए हैं। गणनाएँ और व्याख्या TechiesJournal की हैं। चित्र Anthropic की प्रोडक्ट इमेज नहीं है और किसी समर्थन का संकेत नहीं देता।