‏Fable 5.1 آنتروپیک؛ همون معماری، مصرف کمتر

Fable 5.1 جدیدترین مدل frontier آنتروپیکه که همراه یه نسخهٔ آزادتر به اسم Mythos 5.1 معرفی شد، و اون یکی فعلاً فقط دست شرکای مورد اعتماده. این نسخه بازآموزی کامل نیست، بیشتر یه پاس اصلاحیه: تقریباً همون معماری و همون قیمت هر توکن Fable 5 رو نگه داشته ولی خروجی بیشتری به ازای هر دلار می‌ده، چون هم توکن کمتری برای همون کار مصرف می‌کنه و هم خوندن کش حدود ۷۵٪ ارزون‌تر شده.

ارتقای اصلی سر کارهای agentic و طولانیه. آنتروپیک و بازبین‌های مستقل به Terminal Bench که بنچمارک کدنویسی و کارهای سیستمیه و Terminal Bench Science که کار علمی واقعی مثل تحلیل داده و اثبات قضیه رو می‌سنجه اشاره می‌کنن؛ Fable 5.1 اونجا با هزینهٔ کمتر امتیاز بالاتری گرفته. تو Cursor Bench هم با حداکثر تلاش، هم امتیازش از Fable 5 بالاتر بوده و هم هزینهٔ هر تسک پایین‌تر.

جالب‌ترین بخش، سطوح پایین تلاشه. چند تستر گزارش دادن Fable 5.1 روی تنظیم medium یا low نتیجه‌ای در حد Fable 5 روی high یا extra-high می‌ده، اونم با حدود یک‌سوم قیمت. آنتروپیک برای همین الگو یه حالت cost-optimized هم به Claude Code اضافه کرده. سریع‌تر بودنش هم بیشتر از اینه که توکن کمتر و تلاش دوبارهٔ کمتری لازم داره، نه اینکه سرعت خام inference عوض شده باشه.

طبق گزارش‌های انتشار، Mythos 5.1 و Fable 5.1 عملاً یه مدل پایه‌ان و فرقشون فقط لایهٔ ایمنیه. Mythos تو بنچمارک‌های یکسان و با همون سطح تلاش مرتب امتیاز بالاتری می‌گیره، جاهایی چند درصد، که تصویر واضحی از هزینهٔ گاردریل‌ها می‌ده. خود Fable 5.1 هم کمتر درخواست رد می‌کنه: به گفتهٔ آنتروپیک ردکردن‌های مربوط به امنیت سایبری حدود ۶۰٪ و ردکردن‌های زیست‌شناسی و پزشکی حدود ۸۵٪ کم شدن، هرچند کامل از بین نرفتن.

تسترها با این مدل چیزهای بلندپروازانه‌ای ساختن؛ از یه بازی ایزومتریک با صداگذاری کامل و سیستم loot و هوش دشمن گرفته تا شبیه‌سازی الهام‌گرفته از آزمایش generative agents استنفورد که چند شخصیت با حافظهٔ جدا با هم حرف می‌زنن. یکی از تسترها گفته یه بازی نسبتاً بزرگ با همهٔ صداها و افکت‌ها رو تو ۱۰ تا ۱۵ دقیقه ساخته. در مقابل، Artificial Analysis می‌گه این مدل حدود ۱.۷ برابر توکن خروجی بیشتری مصرف می‌کنه، پس روی تنظیمات حداکثری هزینهٔ هر تسک می‌تونه حتی بالاتر از Fable 5 دربیاد.

نکات کلیدی:

• قیمت هر توکن تغییر نکرده و قیمت cache read حدود ۷۵٪ افتاده به نزدیک ۲۵ سنت در هر میلیون توکن
• آنتروپیک صرفه‌جویی ۲۵٪ در بار کاری معمول و تا ۴۵٪ در بار کاری agentic اعلام کرده
• روی Cursor Bench و Terminal Bench، تلاش low یا medium در حد high یا extra-high نسل قبل نتیجه داده
• ردکردن درخواست‌های امنیت سایبری حدود ۶۰٪ و زیست‌شناسی و پزشکی حدود ۸۵٪ کم شده
• Mythos 5.1 با گاردریل سبک‌تر، تو همون بنچمارک‌ها امتیاز بالاتری از Fable 5.1 می‌گیره