Tổng quan về phát hành Claude Fable 5.1 và Claude Mythos 5.1

Claude Fable 5.1 và Claude Mythos 5.1 được phát hành như là bản cập nhật cho dòng mô hình Mythos của Anthropic, với Claude Fable 5.1 đánh dấu bản cập nhật Mythos đầu tiên kể từ khi Fable 5 ra mắt vào ngày 9 tháng 6. Anthropic mô tả các mô hình mới là “mô hình tiên tiến nhất thế giới cho công việc lập trình và kiến thức.” Cả hai bản cập nhật đều mang số phiên bản 5.1 cho Fable và Mythos, làm cho 5.1 là mã định danh phát hành hiện tại cho các dòng mô hình này.

Hiệu suất đánh giá của Claude Fable 5.1

Trong bài kiểm tra Terminal-Bench-Science 0.1, Claude Fable 5.1 đạt 52.6%, so với Fable 5 đạt 24.7% và Opus 5 đạt 29.0%. Trong Terminal-Bench 4.0, Claude Fable 5.1 đạt 55.8%, so với Fable 5 đạt 42.0% và Opus 5 đạt 52.3%. Claude Fable 5.1 vượt gấp đôi điểm số Terminal-Bench-Science 0.1 của Fable 5 và vượt qua các điểm số đã công bố của Opus 5 trên những tiêu chuẩn này. Anthropic công bố rằng Fable 5.1 hiện đánh bại Opus 5 trong mọi tiêu chuẩn mà họ đã phát hành.

Mythos 5.1 đạt 60.9% trong Terminal-Bench-Science 0.1, với Anthropic lưu ý rằng Mythos 5.1 có ít biện pháp bảo vệ hơn và rằng khoảng cách điểm số phản ánh các nhiệm vụ mà các biện pháp bảo vệ đã chặn và chuyển hướng đến Opus 4.8. Trong Kỳ thi Cuối cùng của Nhân loại, Claude Fable 5.1 đạt 60.9% mà không cần công cụ bên ngoài và 65.0% khi có công cụ. Anthropic báo cáo rằng cả kết quả không dùng công cụ và tăng cường bằng công cụ của Fable 5.1 trong bài kiểm tra đó đều vượt qua Opus 5.

Hiệu suất đánh giá của Claude Fable 5.1

Trong bài kiểm tra Terminal-Bench-Science 0.1, Claude Fable 5.1 đạt 52.6%, so với Fable 5 là 24.7% và Opus 5 là 29.0%. Tại Terminal-Bench 4.0, Claude Fable 5.1 đạt 55.8%, trong khi Fable 5 chỉ đạt 42.0% và Opus 5 là 52.3%. Claude Fable 5.1 đã gấp đôi điểm số Terminal-Bench-Science 0.1 của Fable 5 và vượt qua Opus 5 trong những bài kiểm tra đã công bố. Anthropic đã công bố rằng Fable 5.1 hiện tại vượt qua Opus 5 trong mọi bài kiểm tra mà họ đã phát hành.

Mythos 5.1 đạt được 60.9% trên Terminal-Bench-Science 0.1, với bản ghi chú từ Anthropic cho biết Mythos 5.1 có ít biện pháp bảo vệ hơn và rằng khoảng cách điểm số phản ánh các tác vụ mà biện pháp bảo vệ đã chặn và chuyển hướng đến Opus 4.8. Trong bài thi Humanity’s Last Exam, Claude Fable 5.1 đạt 60.9% mà không cần công cụ bên ngoài và 65.0% với công cụ. Anthropic đã báo cáo rằng cả kết quả của Fable 5.1 không sử dụng công cụ và có bổ sung công cụ trong bài thi đó đều dẫn trước Opus 5.

Claude Fable 5.1 được phát hành như một bản cập nhật cho dòng mô hình Mythos của Anthropic và đại diện cho bản cập nhật Mythos đầu tiên kể từ khi Fable 5 được ra mắt vào ngày 9 tháng 6. Anthropic đã báo cáo kết quả kiểm tra cho thấy Claude Fable 5.1 đã cải thiện đáng kể so với các mô hình trước đó – gấp hơn hai lần Fable 5 trên Terminal-Bench-Science 0.1 và vượt qua Opus 5 trên các bài kiểm tra được công bố – trong khi Anthropic cũng trình bày các kết quả liên quan đến Mythos 5.1 và bài thi Humanity’s Last Exam.