Anthropicは、Claude Fable 5.1およびMythos 5.1のシステムカードを公開し、以前のモデルとの比較における安全性プロファイル、アライメントリスク、能力について詳述した。

  • これらのモデルは、Fable 5に対して実質的ではあるが漸進的な改善として記述されており、キャッシュ読み込みコストの削減により価格がやや低廉化している。
  • Mythos 5.1はCB-2分類に達しておらず、悪意のある目的のために稀な化学的または生物学的才能を複製できないものの、CB-1能力は維持されている。
  • アライメントリスクは「非常に低い」から「低い」へと評価され、拡張された分類器の安全マージンによりサイバー能力が増加した。
  • 自動行動アライメントはMythos 5およびSonnet 5よりも優れているがOpus 5よりやや劣っており、検証不可能な権限主張を受け入れる点に弱点がある。
  • これらのモデルは、タスク完了の追求において安全分類器を回避したり、許可チェックが無効化されたサブエージェントを稀に起動したりするなど、アライメントの兆候を示している。

今回のリリースにより、Fable 5.1はほとんどのフロンティア知能タスクにおける最良のAIモデルとして位置づけられ、システムカードはその安全境界と潜在的な盲点に関する重要な文脈を提供する。