Anthropic merilis Claude Fable 5.2 dan Claude Mythos 5.2 pada 9 November. Menurut pernyataan resmi, keduanya dibangun di atas model dasar yang sama: Fable 5.2 terbuka untuk semua pengguna dan dilengkapi pengklasifikasi keamanan siber dan keamanan hayati, sedangkan Mythos 5.2 melonggarkan sebagian pembatasan dan hanya diberikan kepada lembaga riset keamanan siber dan biomedis yang lolos verifikasi.
Harga standar API Fable 5.2 adalah 8 dolar AS per juta token input dan 40 dolar AS per juta token output, masing-masing turun 20% dari 10 dan 50 dolar AS pada Fable 5.1. Harga mode cepat dua kali lipat, yakni 16 dolar AS untuk input dan 80 dolar AS untuk output, dengan kecepatan generasi yang menurut Anthropic bisa mencapai 2,5 kali lebih cepat. Kecepatan output pada mode standar juga hingga 30% lebih cepat dibanding 5.1. Model ini tersedia di platform Claude sendiri serta AWS, Google Cloud, dan Microsoft Azure, dengan nama API claude-fable-5-2.
Skor yang naik paling banyak
Dalam tabel perbandingan resmi, kenaikan terbesar ada pada evaluasi yang berbasis alur kerja panjang dan mendekati pekerjaan nyata. Remote Labor Index (RLI) naik dari 17,9% menjadi 41,3%, sementara pada tabel yang sama Opus 5.5 mencatat 21,3% dan GPT-6 Astra 20,8%. Simulasi robotika RoboDojo Sim naik dari 27,6% menjadi 64,9%, dan AutomationBench untuk proses bisnis naik dari 31,4% menjadi 51,4%.
Selisih pada dua evaluasi pemrograman lebih kecil. FrontierSWE v2 mencatat 69,9% dibanding 65,5% milik GPT-6 Astra; FrontierCode 2.0 pada tingkat Xhigh meraih 49,1%, sedangkan Opus 5.5 45,5%. Ada pula yang tidak dimenangkan. Di AutomationBench, Gemini 4 Carbon mencatat 53,9%, 2,5 poin persentase lebih tinggi dari Fable 5.2; pada skor Elo AA-Briefcase, Fable 5.2 memperoleh 1785 dan Opus 5.5 1800.
Halaman rilis juga memuat beberapa studi kasus. Tim berisi sekitar 1.000 agen Fable 5.2 menyelesaikan pembuktian formal Teorema Terakhir Fermat dalam 30 jam, dengan token aksi sepertiga dari formalisasi pertama dan panjang bukti menyusut menjadi sepertujuh. Pada tugas yang sama, Opus 5.5 yang dijalankan hingga 18 jam baru menyelesaikan 26%. Kasus lain: model ini bekerja sama dengan perusahaan perangkat keras Diode Computers, mulai dari spesifikasi, skema, pengkabelan, casing, hingga firmware, dan menghasilkan tiga purwarupa yang berfungsi, yaitu speaker konferensi, hub asisten suara, dan hewan peliharaan elektronik genggam. Dalam tulisan penjelasan tentang perangkat keras itu, Anthropic menyatakan bahwa ketiganya belum menjalani validasi kelistrikan, uji termal, maupun sertifikasi, dan juga tidak dirancang untuk produksi massal.
Mythos 5.2 dan pengklasifikasi
Skor Mythos 5.2 pada dua evaluasi keamanan siber adalah 76,3% di CyScenarioBench dan 89,6% di reproduksi CVE, naik dari 61,7% dan 78,3% pada generasi sebelumnya, Mythos 5.1. Jalur pendaftarannya adalah Cyber Verification Program dan Life Sciences Verification Program, dan pelanggan edisi enterprise dapat memakainya lewat Claude Security.
Yang lebih langsung terasa bagi pengguna umum adalah pengklasifikasi. Ketika Fable 5.2 menerima permintaan keamanan siber berisiko tinggi, seperti uji penetrasi atau pembuatan exploit, jawabannya dialihkan ke Opus 4.8; sebagian besar tugas riset biologi dialihkan ke Opus 5. Anthropic menyebut pemblokiran keliru berkurang sekitar 55% dibanding Fable 5.1, yakni sekitar 60% untuk keamanan siber dan sekitar 40% untuk biologi. Dalam uji pelarian sandbox, tingkat keberhasilan Mythos 5.2 adalah 3,1%, sedangkan Mythos 5 saat itu 39%.
Membaca ketiga versi secara berurutan
Dari Fable 5 hingga 5.2, bagian yang diubah Anthropic berbeda di setiap versi. Saat Fable 5 pertama dibuka, harganya dua kali lipat Opus. Versi 5.1 tidak mengubah harga input dan output, hanya menurunkan harga pembacaan cache menjadi 0,025 kali harga input dasar. Baru pada 5.2 harga standar diturunkan secara langsung untuk pertama kalinya. Dari sisi skor, 5.1 menambal kelemahan seperti agen riset ilmiah, dengan Terminal-Bench-Science naik dari 24,7% menjadi 52,6%; sedangkan 5.2 unggul pada tugas panjang seperti RLI dan robotika, yang kini berada di 74,6%.
Sisi langganan pun disesuaikan. Pada kursi standar Pro dan Team, penggunaan Fable dapat memakan hingga 50% kuota mingguan, dan sebagian paket berbayar menyediakan 1 hingga 3 kali reset penggunaan tambahan Fable. Anthropic juga menyarankan agar tugas pemrograman harian dan tugas berbasis pengetahuan memakai Opus 5.5 terlebih dahulu, sementara Fable 5.2 disimpan untuk pekerjaan teknis kompleks yang terbuka.
Semua skor di atas berasal dari halaman rilis Anthropic sendiri, dan banyak evaluasi mencantumkan tingkat penalaran serta metode penilaian yang dipakai, misalnya OSWorld 2.1 yang menggunakan pengaturan offline dengan nilai parsial. Pengujian ulang lengkap oleh pihak ketiga belum dipublikasikan.
Sumber: halaman rilis resmi Anthropic, CocoLoop, catatan riset desain perangkat keras Anthropic; halaman rilis diperiksa untuk harga standar API dan harga mode cepat, skor tiap evaluasi, serta persentase pelarian sandbox.