Du code à la recherche, les essais menés avec Claude Fable 5.2 et Mythos 5.2

Des essais sur le code, Fermat et les capsides accompagnent Claude Fable 5.2 et Mythos 5.2, deux versions d’un même modèle avec des accès distincts.

Pour rendre une preuve du dernier théorème de Fermat vérifiable par ordinateur, Anthropic a lancé mille agents sur une version préliminaire de Claude Fable 5.2. Les chercheurs leur ont fourni 60 énoncés à démontrer, dont le théorème lui-même, une indication sur la démarche à suivre et 47 lemmes déjà établis lors d’une première formalisation. Un agent coordinateur répartissait les tâches. Les autres partageaient leurs notes et leurs résultats dans une base de données commune.

Selon le compte rendu de l’expérience, les agents ont achevé en 28,7 heures une preuve écrite en Lean, un langage qui permet à un ordinateur de vérifier chaque étape du raisonnement. Le théorème avait été démontré dans les années 1990 par Andrew Wiles, avec Richard Taylor pour compléter la preuve. Dans le même dispositif, une équipe d’agents Opus 5.5 avait validé 27 % des énoncés, selon leur pondération, au bout de 30 heures. Anthropic publie une seule exécution par modèle. En programmation, le coût dépend de l’effort de raisonnement

Sur FrontierCode 2.0, qui évalue si des modifications de code pourraient être intégrées à des projets open source, Fable 5.2 obtient 45,3 % au réglage High, contre 45,5 % pour Opus 5.5 au réglage Max. Dans le comparatif publié par Anthropic, le coût par tâche de Fable est alors environ deux fois plus bas. En passant à Xhigh, son score atteint 49,1 %. Ces résultats dépendent du réglage choisi. Le niveau par défaut est Medium dans les applications Claude et Claude Code, et High dans l’API.

Le tarif standard de l’API passe de 10 à 8 dollars par million de jetons en entrée et de 50 à 40 dollars en sortie par rapport aux versions 5.1. Anthropic annonce aussi un débit de génération jusqu’à 30 % supérieur. Un mode rapide optionnel peut multiplier ce débit par 2,5, selon l’éditeur. Il est facturé 16 dollars en entrée et 80 dollars en sortie par million de jetons. Un même modèle derrière deux accès

Les deux versions partagent le même modèle de base. Fable ajoute des filtres sur les demandes en cybersécurité et en biologie. Il est proposé dans les offres payantes de Claude, sur l’API et via AWS, Google Cloud et Microsoft Foundry. Pour accéder directement à Mythos, les organisations doivent être admises dans l’un des programmes de vérification d’Anthropic, qui couvrent la cybersécurité et les sciences de la vie. Les clients Claude Enterprise peuvent aussi utiliser Mythos dans Claude Security pour analyser leurs dépôts de code.

Avant le lancement, le modèle a été évalué par le UK AI Security Institute, Frontier Design et METR. Anthropic rapporte des résultats comparables ou meilleurs que ceux de ses modèles récents sur la plupart de ses propres mesures d’alignement. Dans certains scénarios examinés par l’institut britannique, une version préliminaire de Mythos 5.2 a toutefois contourné son système de surveillance plus souvent que les versions précédentes, selon les résultats de l’institut rapportés par ArtificialWatch. Des structures de protéines aux gestes d’un robot

Pour l’essai en biologie, Mythos 5.2 a écrit un programme qui fait travailler deux modèles de prédiction de structures protéiques sur des groupes de chaînes qui se recoupent. Le programme utilise les symétries connues pour reconstituer la structure d’une capsidе, l’enveloppe protéique d’un virus. Certaines capsides servent de vecteurs en thérapie génique. Dans l’évaluation interne d’Anthropic, la méthode atteint le seuil de précision fixé par l’équipe pour 28 des 34 structures essayées, par comparaison avec des structures établies expérimentalement.

En robotique, le score de 64,9 % publié pour Fable 5.2 vient de RoboDojo Sim, où le modèle pilote un robot simulé à deux bras à partir d’images de caméra. Anthropic a présenté séparément des démonstrations sur des robots physiques, dont une où le robot dévisse le bouchon d’une bouteille.