Claude Fable 5.2 và Mythos 5.2: 1.000 tác nhân AI xây hệ điều hành nguyên mẫu trong 8 ngày

Anthropic vừa công bố hai mô hình trí tuệ nhân tạo mới là Claude Fable 5.2 và Claude Mythos 5.2, nhắm tới các nhiệm vụ kỹ thuật phức tạp. Theo kết quả đánh giá do chính công ty công bố, bộ đôi này vượt Claude Opus 5.5 ở phần lớn bài kiểm tra về lập trình, suy luận và nghiên cứu khoa học.

Đáng chú ý, Anthropic cho biết một thử nghiệm của hãng đã huy động khoảng 1.000 tác nhân AI phối hợp liên tục trong 8 ngày để xây dựng một hệ điều hành nguyên mẫu. Kết quả này cho thấy hướng phát triển AI đang vượt khỏi việc trả lời câu hỏi hay viết từng đoạn mã riêng lẻ, để tiến tới tổ chức nhiều tác nhân cùng thực hiện một dự án lớn.

Cùng một nền tảng, hai cánh cửa truy cập khác nhau

Hai mô hình được giới thiệu ngày 9/11. Dù tên gọi khác nhau, Fable và Mythos dùng chung nền tảng công nghệ. Điểm khác biệt chủ yếu nằm ở cơ chế kiểm soát an toàn và phạm vi người dùng được phép tiếp cận.

Claude Fable 5.2 phục vụ đông đảo người dùng và nhà phát triển phần mềm. Mô hình này tích hợp các biện pháp hạn chế với tác vụ liên quan đến an ninh mạng và sinh học để giảm nguy cơ bị lạm dụng. Nhờ vậy, Fable 5.2 được cung cấp rộng rãi qua Claude và các nền tảng dành cho nhà phát triển.

Trong khi đó, Claude Mythos 5.2 hướng đến các tổ chức đã qua quy trình xác minh, chủ yếu thuộc lĩnh vực bảo mật hoặc nghiên cứu y sinh. Phiên bản này được hỗ trợ nhiều nhiệm vụ chuyên sâu hơn, trong đó có tìm kiếm và khắc phục lỗ hổng phần mềm.

Tốc độ, chi phí và lời khuyên dùng Opus 5.5

Theo công bố của hãng, hai mô hình mới có thể tạo phản hồi nhanh hơn tối đa 30% so với phiên bản 5.1. Chi phí qua giao diện lập trình ứng dụng (API) là 8 USD cho một triệu token đầu vào và 40 USD cho một triệu token đầu ra.

Người dùng còn có thể chọn chế độ xử lý nhanh, tăng tốc độ tạo nội dung lên 2,5 lần nhưng phải trả chi phí cao hơn. Dù vậy, Anthropic vẫn khuyến nghị người dùng phổ thông ưu tiên Claude Opus 5.5 cho phần lớn công việc hằng ngày, thay vì mặc định chuyển sang Fable hoặc Mythos.

Bài toán 1.000 tác nhân: AI làm việc theo đội thay vì đơn lẻ

Theo công ty, trong một thử nghiệm nội bộ, Claude Fable 5.2 đã điều phối khoảng 1.000 tác nhân AI hoạt động liên tục suốt 8 ngày để dựng một hệ điều hành nguyên mẫu. Thay vì để một mô hình làm toàn bộ công việc, hệ thống chia việc cho nhiều tác nhân cùng tham gia quá trình phát triển phần mềm.

Tuy nhiên, kết quả này mới dừng ở mức hệ điều hành nguyên mẫu. Điều đó không đồng nghĩa AI đã tự phát triển thành công một hệ điều hành thương mại hoàn chỉnh, hay có thể thay thế toàn bộ đội ngũ kỹ sư phần mềm.

Từ hố đen đến Định lý cuối cùng của Fermat

Ngoài lập trình, Anthropic công bố một số kết quả trong nghiên cứu khoa học. Theo hãng, Claude Fable 5.2 đã hỗ trợ giải hai bài toán mở trong vật lý lý thuyết liên quan đến hố đen. Mô hình này cũng được cho là đã điều phối một nhóm hoàn thành việc hình thức hóa chứng minh Định lý cuối cùng của Fermat trong khoảng 30 giờ.

Hình thức hóa chứng minh là quá trình biểu diễn và kiểm tra một lập luận toán học bằng hệ thống hình thức. Kết quả này không có nghĩa AI vừa tìm ra lời giải đầu tiên cho định lý, bởi định lý đã được chứng minh từ trước. Các thành tích trên được trình bày theo thông tin Anthropic công bố, chưa phải kết quả đã được xác minh độc lập.

Mythos 5.2 và con số 89,6% trong bài kiểm tra lỗ hổng

Ở lĩnh vực an ninh mạng, Claude Mythos 5.2 được Anthropic đánh giá cao về khả năng phát hiện lỗ hổng phần mềm. Trong bài kiểm tra nội bộ CVE Rediscovery, mô hình nhận diện được 89,6% số lỗ hổng thuộc bộ đánh giá. Con số này đáng chú ý với các ứng dụng hỗ trợ kiểm tra mã nguồn và phát hiện vấn đề bảo mật.

Tuy vậy, tỷ lệ 89,6% chỉ phản ánh một bộ thử nghiệm cụ thể của Anthropic. Nó không có nghĩa mô hình phát hiện được gần 90% mọi lỗ hổng trong hệ thống thực tế. Việc chỉ cấp Mythos 5.2 cho tổ chức đáp ứng điều kiện xác minh cũng cho thấy hãng đang tiếp cận thận trọng với những năng lực AI có thể bị dùng sai trong an ninh mạng.

Phản hồi từ doanh nghiệp và những điều cần kiểm chứng

Ông Bala Kasiviswanathan, Phó chủ tịch phụ trách AI và trải nghiệm nhà phát triển tại Snowflake, đánh giá Claude Fable 5.2 là mô hình mạnh nhất mà doanh nghiệp này từng đo lường trên bộ tiêu chuẩn của mình. Nhận xét này phản ánh kết quả thử nghiệm của Snowflake, không phải kết luận rằng Fable 5.2 đứng đầu mọi bảng xếp hạng AI trên thế giới.

Nhìn chung, việc ra mắt hai mô hình cho thấy Anthropic đang mở rộng khả năng của AI sang những lĩnh vực đòi hỏi chuyên môn sâu, từ lập trình đến nghiên cứu khoa học và bảo mật. Dù vậy, các thành tích nổi bật do hãng công bố vẫn cần được phân biệt với khả năng đã được kiểm chứng trong môi trường thực tế.