Claude Fable og Mythos 5.2 til teknisk arbejde

Claude Fable 5.2 og Claude Mythos 5.2 er to konfigurationer af samme AI-model til krævende tekniske opgaver. Fable har ekstra sikkerhedsværn, mens direkte Mythos-adgang kræver godkendelse. Opgraderingen forbedrer flere testresultater, men modellens færdigheder, agentens arbejdsrammer og tjenestens sikkerhed er forskellige forhold.

Hvad er forskellen på Fable og Mythos?

Anthropic lancerede modellerne den 9. november 2026. Fable er konfigurationen til almindelig adgang. Mythos har mere tilladende sikkerhedsværn inden for cybersikkerhed og biologi og er forbeholdt godkendte personer og organisationer gennem leverandørens adgangsprogrammer.

Forskellen handler derfor ikke om to uafhængige grundmodeller. Den handler blandt andet om, hvilke opgaver tjenesten tillader den underliggende model at udføre. Claude Security er en særskilt adgangsvej: Enterprise-kunder kan bruge sikkerhedstjenesten med Mythos uden dermed at få direkte adgang til modellen.

Hvilke opgaver og data er modellerne lavet til?

Fable 5.2 er rettet mod længere forløb med programmering, analyse og teknisk problemløsning. Den officielle modelbeskrivelse angiver tekst og billeder som input og tekst som output. Kontekstvinduet er én million tokens, og modellen kan levere op til 128.000 outputtokens. Tokens er de tekstdele, som modellen behandler og afregnes efter.

Et stort kontekstvindue giver plads til eksempelvis kode, dokumentation og tidligere resultater. Det er ikke en garanti for, at modellen bruger alle oplysninger korrekt. En opgave med en hel kodebase kræver fortsat, at arbejdsrammen henter relevante filer, kører programmer og kontrollerer ændringerne.

Hvad viser FrontierCode om kodning?

Systemkortet beskriver FrontierCode 2.0 som en test med 132 opgaver fra virkelige ændringer i åbne softwareprojekter. Agenten får et kodearkiv, en opgavebeskrivelse og projektets retningslinjer. Den afleverer en rettelse, som bedømmes på funktionelle krav og kvalitetskriterier.

Fable 5.2 opnåede 49,1 procent ved indsatsen Xhigh. Tallet er en sammensat score, beregnet som gennemsnit over fem forsøg pr. opgave. Det betyder ikke, at modellen løser præcis den andel af enhver organisations programmeringsopgaver. Som ved måling af AI-kodning med SWE-bench afhænger fortolkningen af opgaveudvalg, bedømmelse og agentopsætning.

Giver mere ræsonnement altid bedre resultater?

Nej. Ræsonneringsindsatsen styrer, hvor meget modellen kan arbejde med et problem, men mere arbejde kan både koste mere og give et dårligere resultat. FrontierCode-forsøget viste denne forskel:

Max-resultatet medregner bedømte rettelser fra 22 forsøg, der overskred tidsgrænsen. Hvis de var talt som nul, ville scoren være 44,4 procent. Resultaterne har ikke angivne usikkerhedsintervaller. En lille scoreforskel bør derfor ikke bruges som bevis for en stabil rangorden, og en lav tokenpris er ikke det samme som en lav pris for en færdig opgave.

Hvad viste forsøget med Fermats sidste sætning?

Et hold på 1.000 agenter med en tidligere udgave af Fable 5.2 producerede på 30 timer en Lean-formalisering, som forsøgets bedømmer accepterede. Lean er et formelt bevissystem, der kontrollerer logiske trin i præcist formulerede matematiske udsagn.

Holdet startede med definitioner og hjælpesætninger fra en tidligere formalisering. Resultatet kom fra ét forsøg med denne holdstørrelse. Det dokumenterer en konkret evne til at koordinere formelt arbejde under forsøgets betingelser; det er ikke en ny opdagelse af Fermats sætning eller en måling af en enkelt agents præstation.

Ved AI-genererede matematiske beviser er maskinens godkendelse af det formelle bevis ét kontrolniveau. Om det formelle udsagn svarer til det tilsigtede problem, og om arbejdet tilfører ny matematisk viden, er andre spørgsmål.

Hvordan adskiller modellen sig fra et agentsystem?

Modellen foreslår næste skridt. Agentsystemet giver den værktøjer, adgang til filer, mulighed for at starte andre agenter og regler for, hvornår arbejdet skal stoppe. En modelopgradering ændrer derfor ikke automatisk hele systemets rettigheder eller arbejdsgang.

I Anthropics Managed Agents kan underagenter arbejde med hver sin samtalehistorik, mens de deler sandbox, filsystem og adgangsoplysninger. Adskilte samtaler er dermed ikke i sig selv en sikkerhedsgrænse. En agent, der ikke har set en anden agents beskeder, kan stadig påvirke de samme filer.

Et fast forløb kan også styre, hvilke trin der udføres i hvilken rækkefølge. Forskellen mellem AI-agenter og AI-workflows handler netop om, hvor meget af forløbet modellen selv vælger, og hvor meget systemet bestemmer på forhånd.

Hvad sker der, når en sikkerhedskontrol skifter model?

Fables sikkerhedskontroller kan sende en blokeret forespørgsel videre til en anden model. Ifølge systemkortet er alternativet Opus 4.8 ved bestemte cyberopgaver og Opus 5 ved biologiske opgaver. Det gælder leverandørens egne produkter og API-udviklere, der har valgt automatiske modelskift; andre platforme kan fungere anderledes.

Et sådant skift kaldes en fallback. I systemkortets eksterne Gray Swan-test gav Fable 5.2-systemet flere vellykkede angreb end Fable 5.1. Anthropic tilskriver hovedparten af forskellen hyppigere skift til Opus 4.8. En stærkere hovedmodel kan altså indgå i et system, hvor en alternativ model bliver det svagere led.

Hvad kan sikkerhedstestene ikke garantere?

Prompt injection er forsøg på at få en agent til at følge uvedkommende instruktioner fra eksempelvis et dokument eller et værktøjsresultat. En test undersøger angreb under bestemte betingelser; den giver ikke en universel sikkerhedsgaranti.

Gray Swan-sammenligningen blev kørt med de almindelige blokeringskontroller og modelskift, men uden de ekstra prompt injection-kontroller, som Anthropic anvender i sine produkter. Systemkortet beskriver også særskilte adaptive angreb, hvor angriberen tilpasser sine forsøg. Testresultaterne må derfor hverken gengives som en almindelig kundes fejlrate eller som dokumentation for, at den leverede tjeneste er immun.

Hvem har adgang, og hvad koster brugen?

Fable 5.2 er lanceret på Claude Platform og hos cloudpartnere, herunder Amazon Web Services, Google Cloud og Microsoft Azure. Modellens API-navn hos Anthropic er claude-fable-5-2. Direkte Mythos-adgang kræver særskilt godkendelse til den relevante anvendelse.

Den oplyste standardpris er 8 USD pr. million inputtokens og 40 USD pr. million outputtokens. Fast mode koster 16 og 80 USD og kan ifølge lanceringen øge tokenhastigheden op til 2,5 gange. Adgang til denne tilstand afhænger af platformen. Hastighedsangivelsen er ikke et løfte om, at en hel opgave afsluttes tilsvarende hurtigere.

Hvordan hænger datalagring og sikkerhedsovervågning sammen?

Anthropic bruger mønstre på tværs af forespørgsler til at opdage misbrug. Lanceringen beskriver som udgangspunkt 30 dages opbevaring til sikkerhedsovervågning, med særlige muligheder for berettigede kunder med zero data retention, ZDR.

Enterprise Frontier Safeguards, EFS, er ved lanceringen i privat beta. Løsningen gør det muligt at opbevare overvågningsdata i kundens cloudmiljø og sende alarmer til kundens egne medarbejdere. ZDR hos modelleverandøren betyder derfor ikke nødvendigvis, at der slet ikke findes samtalelogge.

Datavilkårene følger også den konkrete tjeneste. Managed Agents-dokumentationen markerer eksempelvis fleragentorkestrering som en betafunktion, der ikke er ZDR-egnet. En aftale om modellens dataopbevaring dokumenterer dermed ikke automatisk samme vilkår for agentplatformen, dens filer og tilsluttede værktøjer.

Hvad betyder det for udviklings- og forskningsteams?

For teams i Danmark gør opgraderingen det relevant at måle flere dele af samme arbejdsgang: om opgaven løses korrekt, hvor mange ressourcer den bruger, og hvilke handlinger systemet får lov til at udføre. Lanceringen dokumenterer ikke kvaliteten på teamets egne opgaver eller særlige resultater på dansk.

En afgrænset sammenligning kan eksempelvis bruge en afsluttet kodeændring, hvor det forventede resultat allerede er kendt:

• Giv modellerne samme opgave, testmiljø og adgang til dokumentation.
• Sammenhold den afleverede rettelse med funktionelle krav, fejl og unødvendige ændringer.
• Registrér ræsonneringsindsats, eventuelle modelskift, samlet forbrug og menneskelig efterkontrol.

Hvis forløbet behandler personoplysninger, er databeskyttelse et selvstændigt spørgsmål. Datatilsynet kræver overblik over hele leverandørkæden og de behandlinger, der foregår. Forhold som underdatabehandlere, sikkerhed og eventuelle tredjelandsoverførsler skal derfor vurderes ud fra det faktiske dataflow. Et modelnavn, en adgangsgodkendelse eller kundestyret lagring afgør ikke alene, om behandlingen opfylder reglerne.

Hvilke kilder ligger til grund?

Grundlaget er Anthropics lancering af Fable og Mythos og systemkort med testmetoder og begrænsninger. Datagrænserne bygger på dokumentationen om fleragentorkestrering, beskrivelsen af Enterprise Frontier Safeguards og Datatilsynets vejledning om cloud.