معرفی Claude Fable 5 و Mythos 5 به زبان ساده

شرکت Anthropic دو مدل هوش مصنوعی جدید معرفی کرده به نام‌های Claude Fable 5 و Claude Mythos 5. هر دو از قوی‌ترین مدل‌هایی هستند که این شرکت تا حالا ساخته و برای کارهایی مثل برنامه‌نویسی، تحلیل متن، کار با تصویر و تحقیق علمی استفاده می‌شوند. این مقاله با زبان ساده توضیح می‌دهد این دو مدل چه هستند، چه فرقی با هم دارند، چه محدودیت‌هایی برای استفاده گذاشته شده و این برای شما به‌عنوان کاربر چه معنی‌ای دارد.

Claude Fable 5 چیست و چه کار می‌کند؟

Fable 5 یک مدل خیلی قدرتمند است که Anthropic آن را برای استفاده عمومی (یعنی برای بیشتر کاربران) آماده کرده است. این مدل:

• تقریباً در همه آزمون‌هایی که برای سنجش توانایی هوش مصنوعی استفاده می‌شود، نتیجه خیلی خوبی گرفته است.
• در کارهایی مثل نرم‌افزار (برنامه‌نویسی و کار با کد)، کارهای دفتری و تحلیلی، دیدن و تحلیل تصویر، تحقیق علمی و کارهای طولانی و پیچیده عملکرد خیلی خوبی دارد.
• هرچه کار طولانی‌تر و پیچیده‌تر باشد، نسبت به مدل‌های قبلی Anthropic فاصله‌اش بیشتر می‌شود.

به زبان ساده: Fable 5 یک «دستیار همه‌فن‌حریف» است که می‌تواند در پروژه‌های بزرگ و طولانی کمک کند، مخصوصاً جاهایی که باید کد زیاد یا متن زیاد بررسی شود.

Claude Mythos 5 چیست و چه تفاوتی با Fable 5 دارد؟

Mythos 5 از نظر «مغز» همان مدل Fable 5 است، یعنی توانایی اصلی هر دو یکی است؛ اما:

• در Mythos 5 بعضی محدودیت‌های امنیتی برداشته شده، مخصوصاً در حوزه امنیت سایبری (امنیت کامپیوتر و شبکه).
• به همین خاطر این مدل برای همه باز نیست و فقط یک گروه کوچک و مورد اعتماد (مثل تیم‌های امنیتی و زیرساخت‌های مهم نرم‌افزاری) به آن دسترسی دارند.
• در ابتدا Mythos 5 از طریق برنامه‌ای به نام Project Glasswing و با همکاری دولت آمریکا استفاده می‌شود.

خلاصه: Fable 5 نسخه «ایمن برای عموم» است، Mythos 5 نسخه «با محدودیت کمتر برای متخصصان امنیت و پژوهشگران خاص».

قدرت Fable 5 در برنامه‌نویسی و نرم‌افزار

Anthropic در توضیحش چند مثال واقعی آورده تا نشان بدهد Fable 5 در برنامه‌نویسی چه‌قدر قوی است:

• در یک شرکت (Stripe)، Fable 5 توانسته کاری را که معمولاً چند ماه زمان می‌برد، در چند روز انجام دهد.
• روی یک کد بسیار بزرگ (حدود ۵۰ میلیون خط کد Ruby)، یک تغییر بزرگ در کل پروژه را در یک روز انجام داده؛ کاری که معمولاً یک تیم کامل باید دو ماه روی آن وقت بگذارد.
• در یک ارزیابی به نام FrontierCode، که کیفیت کد تولیدی را می‌سنجد، Fable 5 از بقیه مدل‌های پیشرفته نمره بهتری گرفته است.

یعنی اگر شما توسعه‌دهنده یا صاحب یک پروژه نرم‌افزاری باشید، Fable 5 می‌تواند در کارهای سنگین و وقت‌گیر کمک زیادی بکند (طبق همین گزارش شرکت).

Fable 5 برای کارهای تحلیلی و اداری

در کارهایی که نیاز به فکر کردن و تحلیل دارد، مثل:

• تحلیل مالی (مثلاً خواندن گزارش‌های مالی، جدول‌ها و نمودارها)
• تحلیل معاملات و تصمیم‌گیری در حوزه مالی

Fable 5 در آزمون‌های شرکت‌هایی مثل Hebbia و IMC نمره خیلی خوبی گرفته است. این یعنی برای کاربرانی که با متن‌های طولانی، گزارش، نمودار و عدد سروکار دارند، این مدل می‌تواند کمک کند سریع‌تر به جمع‌بندی برسند.

توانایی‌های تصویری (Vision) در Fable 5

Fable 5 فقط متن نمی‌خواند، بلکه می‌تواند با تصویر هم کار کند:

• می‌تواند عددهای دقیق را از شکل‌ها و نمودارهای علمی بیرون بکشد.
• می‌تواند از روی اسکرین‌شات (تصویر صفحه) یک وب‌اپلیکیشن، کد آن را دوباره بسازد.
• در یک تست جالب، با دیدن فقط تصاویر بازی Pokémon FireRed (بدون نقشه و اطلاعات اضافی)، توانسته بازی را تا آخر برود؛ کاری که مدل‌های قبلی Claude با سختی و با ابزارهای کمکی انجام می‌دادند.

این یعنی Fable 5 در فهمیدن تصویر و ارتباط آن با متن و دستورها، نسبت به نسل‌های قبل خیلی جلو رفته است.

حافظه و کار با متن‌های خیلی طولانی

Fable 5 می‌تواند در کارهای طولانی که متن یا اطلاعات زیاد دارند، تمرکز خود را حفظ کند:

• می‌تواند روی «میلیون‌ها توکن» (توکن یعنی واحدهای کوچک متن) کار کند و موضوع را گم نکند.
• می‌تواند خودش برای خودش «یادداشت» بنویسد و بعد از آن‌ها برای بهتر کردن پاسخ‌ها استفاده کند.
• در یک تست روی بازی Slay the Spire، وقتی به مدل امکان ذخیره اطلاعات در فایل (نوعی حافظه دائمی) داده شد، عملکردش نسبت به مدل Opus 4.8 حدود سه برابر بهتر شد و بیشتر به مراحل پایانی بازی رسید.

به زبان ساده: اگر پروژه شما شامل متن خیلی طولانی، گزارش‌ها، یا چندین فایل است، Fable 5 می‌تواند آن را در طول زمان بهتر دنبال کند.

کاربرد Mythos 5 در علوم زیستی و پزشکی

Mythos 5، با دسترسی کمتر محدود شده، در حوزه طراحی دارو و تحقیقات زیستی هم تست شده است:

• به گفته تیم داخلی شرکت، در طراحی پروتئین‌ها و بخش‌هایی از فرایند طراحی دارو، سرعت کار را حدود ۱۰ برابر بالا برده است.
• در یک مثال، Mythos 5 با استفاده از ابزارهای طراحی پروتئین و زیست‌اطلاعات (bioinformatics) و بدون کمک انسان، توانسته به اندازه یک متخصص ماهر یا بهتر عمل کند.
• ۹ مورد از ۱۴ هدف پروتئینی که بررسی شده‌اند، به نتایجی رسیده‌اند که برای طراحی دارو امیدبخش هستند (این موارد هنوز در حال بررسی‌اند).

همچنین:

• Mythos 5 توانسته فرضیه‌های علمی جدید در زیست‌مولکولی پیشنهاد کند که در مقایسه با مدل‌های قبلی، حدود ۸۰٪ مواقع توسط دانشمندان ترجیح داده شده‌اند.
• در یک مورد، یک فرضیه درباره یک پروتئین در باکتری E. coli بعداً توسط یک آزمایش مستقل تأیید شده است.
• در حوزه ژنومیک (مطالعه ژن‌ها)، Mythos 5 طی حدود یک هفته کار تقریباً خودکار، داده‌های میلیون‌ها سلول از ۱۳۸ گونه جانوری را جمع‌آوری و یک مدل یادگیری ماشینی طراحی و آموزش داده است که عملکردش از یک مدل منتشرشده در مجله Science بهتر بوده، در حالی که ۱۰۰ برابر کوچک‌تر بوده است.

این مثال‌ها نشان می‌دهد Mythos 5 برای پژوهش‌های تخصصی و پیشرفته علمی طراحی شده و به همین دلیل دسترسی به آن محدود است.

قیمت و نحوه دسترسی به Fable 5 و Mythos 5

Anthropic برای هر دو مدل Fable 5 و Mythos 5 قیمت زیر را اعلام کرده است:

• ۱۰ دلار برای هر یک میلیون توکن ورودی (متنی که شما به مدل می‌دهید).
• ۵۰ دلار برای هر یک میلیون توکن خروجی (متنی که مدل تولید می‌کند).

این قیمت کمتر از نصف قیمت مدل Claude Mythos Preview است که قبلاً معرفی شده بود. توسعه‌دهندگان (برنامه‌نویس‌ها) می‌توانند از مدل Fable 5 از طریق Claude API با نام claude-fable-5 استفاده کنند.

درباره دسترسی کاربران عادی و شرکتی:

• Fable 5 از روز معرفی روی API و طرح‌های سازمانی مصرفی (بر اساس میزان استفاده) در دسترس است.
• برای اشتراک‌های Pro، Max، Team و Enterprise مبتنی بر تعداد کاربر، Fable 5 از روز معرفی تا ۲۲ ژوئن بدون هزینه اضافه در دسترس بوده است.
• از ۲۳ ژوئن به بعد، استفاده از Fable 5 روی این اشتراک‌ها نیاز به اعتبار مصرف (usage credits) دارد.
• Anthropic گفته اگر ظرفیت اجازه بدهد، می‌خواهد دوباره Fable 5 را به‌عنوان بخش ثابت این اشتراک‌ها برگرداند.

Mythos 5 فعلاً فقط برای شرکای Project Glasswing و بعداً تعداد محدودی پژوهشگر زیستی و سازمان‌های امنیتی در دسترس است.

چرا Anthropic برای Fable 5 محدودیت و محافظ (safeguard) گذاشته است؟

با قوی‌تر شدن مدل‌ها، خطر سوءاستفاده هم بیشتر می‌شود. Anthropic می‌گوید Mythos-class (رده‌ای که Fable 5 و Mythos 5 در آن هستند) به سطحی رسیده که:

• می‌تواند در امنیت سایبری کمک زیادی کند، اما همین توانایی می‌تواند برای حمله هم استفاده شود.
• در بیولوژی و شیمی می‌تواند در طراحی دارو کمک کند، اما اگر بد استفاده شود، می‌تواند خطرناک باشد.

به همین دلیل تصمیم گرفته‌اند مدل را با محافظ‌ها و تشخیص‌دهنده‌های اضافی منتشر کنند تا جلوی سوءاستفاده گرفته شود.

سِیف‌گاردها و کلاس‌فایرهای جدید در Fable 5

Fable 5 همراه با یک سری classifiers جدید عرضه شده است. classifier یعنی یک سیستم جداگانه که ورودی شما را بررسی می‌کند تا ببیند آیا خطرناک است یا نه. اگر تشخیص دهد خطرناک است، به جای Fable 5، مدل دیگری (Opus 4.8) پاسخ می‌دهد یا پاسخ مسدود می‌شود.

طبق توضیح Anthropic:

• این محدودکننده‌ها تقریباً در کمتر از ۵٪ جلسات فعال می‌شوند (یعنی بیشتر کاربران این محدودیت را نمی‌بینند).
• اگر classifier تشخیص دهد سوال شما درباره یکی از موضوع‌های حساس است، به‌طور خودکار پاسخ از Opus 4.8 داده می‌شود و به شما اطلاع داده می‌شود.
• Anthropic می‌گوید Opus 4.8 خودش هم مدل قدرتمندی است، پس این fallback (برگشت به مدل دیگر) بهتر از این است که مدل اصلاً جواب ندهد.

۱. محدودکننده‌های امنیت سایبری

در حوزه امنیت سایبری، مدل‌های Mythos-class می‌توانند:

• آسیب‌پذیری‌های نرم‌افزار را پیدا و از آن‌ها سوءاستفاده کنند.
• چند مرحله مختلف یک حمله (مثل شناسایی، نفوذ، حرکت در شبکه و…) را انجام دهند.

برای جلوگیری از این نوع سوءاستفاده، Anthropic:

• classifierهایی طراحی کرده که هم روی «کشف آسیب‌پذیری» و هم روی «کارهای تهاجمی دیگر» حساس هستند.
• در تست‌های داخلی، وقتی Fable 5 در حالت «مسدود کردن پاسخ» اجرا شده، روی کارهای تهاجمی سایبری پیشرفتی نداشته (در نمودارها نشان داده‌اند).
• این سیستم‌ها را با تیم‌های داخلی و خارجی (bug bounty و red-teaming) تست کرده‌اند؛ در بیش از ۱۰۰۰ ساعت تست، «جیل‌بریک عمومی» (یعنی راهی که کامل همه محافظ‌ها را دور بزند) پیدا نشده است، هرچند UK AISI در یک بازه کوتاه پیشرفت‌هایی داشته است.

Anthropic می‌گوید هدف این نیست که صد درصد جلوی همه Jailbreakها را بگیرند (چون احتمالاً غیرممکن است)، بلکه می‌خواهند آنقدر سخت و پرهزینه شوند که قبل از استفاده گسترده بتوانند جلویشان را بگیرند.

۲. محدودکننده‌های زیست‌شناسی و شیمی

قبلاً Anthropic فقط روی سوال‌های خیلی خاص درباره سلاح‌های زیستی محدودیت داشت. اما الان:

• به خاطر توانایی بیشتر مدل‌ها در انجام کارهای واقعی علمی، احساس کرده‌اند این محدودیت‌ها کافی نیست.
• مثالی که آورده‌اند: پیش‌بینی رفتار ویروس AAV (ویروسی که برای درمان‌های ژنی استفاده می‌شود). Mythos 5 بدون آموزش ویژه برای این کار، از مدل‌های تخصصی پروتئین بهتر عمل کرده است.
• این نشان می‌دهد مدل می‌تواند در حوزه درمان کمک کند، اما همین توانایی می‌تواند برای ساخت ویروس‌های خطرناک هم استفاده شود.

به همین دلیل، برای Fable 5 فعلاً تصمیم گرفته‌اند:

• در بیشتر سوال‌های مربوط به زیست‌شناسی و شیمی، پاسخ را به Opus 4.8 بسپارند.
• در آینده تلاش کنند این محدودیت‌ها را دقیق‌تر و کمتر مزاحم کنند تا استفاده علمی مفید هم بهتر انجام شود.

۳. محافظت در برابر استخراج (distillation) غیرمجاز

Anthropic گفته قبلاً تلاش‌های بزرگی را دیده که می‌خواستند با استفاده از پاسخ‌های Claude، مدل‌های رقیب در کشورهای اقتدارگرا را آموزش دهند.

برای Fable 5:

• اگر classifier تشخیص دهد سوال‌ها شبیه تلاش برای استخراج سیستماتیک توانایی‌های مدل است (distillation)، پاسخ را Opus 4.8 می‌دهد.
• هدف این است که جلوی پخش شدن توانایی‌های نزدیک به مدل‌های پیشرفته (frontier) بدون محافظ گرفته شود.

سیاست جدید نگهداری داده برای مدل‌های Mythos-class

Anthropic یک تغییر مهم دیگر هم اعلام کرده است:

• برای استفاده از Fable 5، Mythos 5 و مدل‌های مشابه یا قوی‌تر در آینده، داده‌های کاربران به مدت ۳۰ روز نگه‌داری می‌شود.
• این قانون برای همه سطوح (چه خدمات مستقیم خود Anthropic و چه از طریق شرکت‌های دیگر که از این مدل‌ها استفاده می‌کنند) صدق می‌کند.
• شرکت می‌گوید این داده‌ها فقط برای اهداف امنیتی، مثل پیدا کردن حملات جدید یا jailbreakها استفاده می‌شود و برای آموزش مدل‌های جدید استفاده نخواهد شد.
• همچنین گفته‌اند دسترسی انسان‌ها به این داده‌ها ثبت می‌شود و بعد از ۳۰ روز تقریباً در همه موارد حذف می‌شوند.

هدف این است که بتوانند حملات پیچیده و چندمرحله‌ای را شناسایی و مقابله کنند، و در عین حال حریم خصوصی را تا حد ممکن حفظ کنند؛ البته برای کاربر به این معنی است که باید بداند تعاملاتش با این مدل‌ها تا ۳۰ روز نگه داشته می‌شود.

برنامه دسترسی مطمئن (trusted access) برای Mythos 5

برای Mythos 5، Anthropic برنامه‌ای به نام trusted access program (برنامه دسترسی مورد اعتماد) را دنبال می‌کند:

• از امروز هر کسی که قبلاً به Claude Mythos Preview دسترسی داشته (مثل شرکای پروژه Glasswing)، می‌تواند به Mythos 5 ارتقا دهد.
• Mythos 5 در بیشتر موارد کمی قوی‌تر یا مشابه Mythos Preview است اما با هزینه کمتر.
• شرکت با مشورت دولت آمریکا، به‌تدریج تعداد بیشتری شریک امنیتی را اضافه می‌کند.
• برنامه‌ای هم برای حوزه زیست‌شناسی وجود دارد تا پژوهشگران زیستی منتخب بتوانند به نسخه‌ای از Fable 5 دسترسی داشته باشند که محدودیت‌های زیست‌شناسی و شیمی آن برداشته شده (اما محدودیت سایبری باقی است).

این دسترسی‌ها فعلاً برای تعداد کمی سازمان و پژوهشگر است و قرار است به‌تدریج و با کنترل بیشتر گسترش پیدا کند.

سؤالات متداول

آیا Fable 5 برای همه کاربران قابل استفاده است؟

طبق متن، Fable 5 «همه‌جا» در دسترس قرار گرفته است، یعنی برای کاربران API و طرح‌های سازمانی و تا مدتی برای برخی اشتراک‌ها بدون هزینه اضافه بوده. اما بعد از یک بازه زمانی (تا ۲۲ ژوئن)، استفاده از آن روی اشتراک‌ها به اعتبار مصرف وابسته شده است. جزئیات دقیق در متن درباره دسترس‌بودن در کشورهای مختلف نیامده است.

تفاوت عملی Fable 5 و Mythos 5 برای کاربر چیست؟

از نظر توانایی اصلی، هر دو یکی هستند. تفاوت این است که:

• Fable 5 برای عموم منتشر شده اما روی موضوع‌های حساس (مثل امنیت سایبری، زیست‌شناسی، شیمی و distillation) محافظ دارد و در این موارد به Opus 4.8 برمی‌گردد.
• Mythos 5 برای گروه‌های محدود است و در بعضی حوزه‌ها مثل امنیت سایبری این محافظ‌ها برداشته شده‌اند. برای زیست‌شناسی هم قرار است نسخه‌ای با محافظ کمتر برای پژوهشگران منتخب فراهم شود.

اگر سوال من به حوزه امنیت یا زیست‌شناسی مربوط باشد چه می‌شود؟

اگر classifier تشخیص دهد سوال شما به امنیت سایبری، زیست‌شناسی، شیمی یا distillation مربوط است، Fable 5 مستقیماً جواب نمی‌دهد؛ به جای آن مدل Opus 4.8 پاسخ می‌دهد و به شما گفته می‌شود که پاسخ از Opus است. در برخی حالت‌ها ممکن است پاسخ کاملاً مسدود شود، اما متن جزئیات همه حالت‌ها را توضیح نداده است.

آیا این محافظ‌ها ممکن است روی سوال‌های عادی هم اثر بگذارند؟

Anthropic خودش گفته که محافظ‌ها را «محافظه‌کارانه» تنظیم کرده، یعنی ممکن است بعضی سوال‌های بی‌خطر را هم اشتباهی حساس تشخیص دهند. طبق گفته آن‌ها، این حالت متوسط در کمتر از ۵٪ جلسات رخ می‌دهد و هدفشان این است که بعد از انتشار، این خطاها را کاهش دهند.

آیا داده‌های من برای آموزش مدل‌های آینده استفاده می‌شود؟

در متن آمده که داده‌های Fable 5 و Mythos 5 برای ۳۰ روز نگه‌داری می‌شود، اما فقط برای مسائل امنیتی (مثلاً شناسایی حملات و jailbreakها) استفاده می‌شود و برای آموزش مدل‌های جدید Claude یا هدف‌های دیگر استفاده نخواهد شد. اطلاعات بیشتری درباره نوع داده یا جزئیات فنی در همین متن داده نشده است.

آیا استفاده از Fable 5 خطر امنیتی برای من دارد؟

از دید امنیتی، Anthropic روی این مدل تست‌های زیادی انجام داده تا جلوی سوءاستفاده در حوزه امنیت سایبری و زیست‌شناسی را بگیرد. با این حال، هر ابزار قدرتمندی اگر در دست فرد اشتباه یا بدون دقت استفاده شود، می‌تواند خطر ایجاد کند. متن بیشتر روی جلوگیری از سوءاستفاده توسط حمله‌کنندگان تمرکز دارد و نکته‌ای جداگانه درباره خطر برای کاربران عادی مطرح نکرده است.

جمع‌بندی و تحلیل ساده

در یک نگاه، Anthropic با Fable 5 و Mythos 5 وارد مرحله‌ای شده که مدل‌هایش نه‌تنها متن می‌خوانند و می‌نویسند، بلکه می‌توانند پروژه‌های بزرگ نرم‌افزاری را جلو ببرند، تصویرها را دقیق تحلیل کنند و در تحقیقات علمی پیشرفته نقش واقعی داشته باشند. Fable 5 برای عموم است، اما با محافظ‌های جدی، و Mythos 5 برای گروه‌های منتخب با محدودیت کمتر.

نکته مهم این است که هرچه مدل‌ها قوی‌تر می‌شوند، شرکت‌ها ناچارند بین «قدرت» و «امنیت» تعادل برقرار کنند. Anthropic در اینجا واضح گفته حاضر است کمی تجربه کاربری را قربانی کند (با محافظ‌های سخت‌گیرانه و fallback به Opus 4.8) تا مطمئن شود مدل‌هایش برای ساخت حملات سایبری یا کارهای خطرناک زیستی استفاده نمی‌شوند. در عوض، برای تیم‌های مورد اعتماد راهی باز کرده تا از توان کامل مدل استفاده کنند.

برای شما به‌عنوان کاربر معمولی، معنی این خبر این است که یک مدل خیلی قوی‌تر از قبل در دسترس قرار گرفته، اما اگر وارد موضوع‌های حساس شوید، یا پاسخ محدود می‌شود یا از مدل دیگری (Opus 4.8) جواب می‌گیرید. این رویکرد نشان می‌دهد دنیای هوش مصنوعی دارد به سمت مدل‌هایی می‌رود که هم‌زمان هم بسیار توانمندند و هم با لایه‌های متعدد کنترل و نظارت عرضه می‌شوند.