Ethan Mollick szerint közel AGI-szintű a Claude Fable 5.2, de egyenetlen
Mollick saját definíciójával mérve a modell a legtöbb számítógépes szellemi feladatban már szakértői szintet közelít, ám teljesítménye még ingadozik, így a „majdnem” minősítés nem általános mérce, hanem egy szűkebb, szerzői értékelés eredménye.
A Wharton-egyetem tanára, Ethan Mollick a saját Substack-blogján, a One Useful Thing-en írja, hogy az Anthropic új modellje, a Claude Fable 5.2 már a korábbi Opus 5.5 által kijelölt úton jár, és eléggé lenyűgöző ahhoz, hogy felmerüljön a kérdés: átlépte-e az AGI határát. A szerző szerint a válasz: „majdnem”. Ezt a tényt a szerző saját definíciója alapján állapítja meg, nem általános mérce szerint.
Mollick definíciója szerint az AGI olyan mesterséges intelligencia, amely a legtöbb számítógépen végezhető szellemi feladatban a legtöbb szakértő emberrel vetekszik. Ez kizárja a fizikai világgal és az emberekkel való interakciót, illetve a legtöbb valódi munkakört, ahol a számítógép-használat csak egy a sok feladat közül. A szerző ezt a helyzetet „Jagged AGI”-nak nevezi: a modell egyes területeken kiemelkedő, máshol viszont gyenge.
Az egyenetlenség már nem egyszerű hibákban vagy hallucinációkban mutatkozik meg, ezért nehezebb leírni. Mollick három tesztet futtatott. Az elsőben egyetlen kérésre kellett a modellnek interaktív bemutatóvideót készítenie kódból; a szerző szerint az eredmény egy emberi szakértő teljesítményéhez hasonlítható, kreatív, játékos és meglepő fordulattal. A másodikban a modell egy dokumentálatlan USB-billentyűzet, a Codex Micro vezérlőszoftverének kódját elemezve hat játszható játékot írt rá, külön segítség nélkül, elsőre.
A harmadik feladatban vállalkozás indítására kapott megbízást: 22 ötletet vizsgált meg, végül a Prebid Brief nevű szolgáltatást választotta, amely önkormányzati napirendekből követi a parkfejlesztési és vízügyi projekteket. Mollick szerint a terv életszerű és jól átgondolt, de nincs garantált sikere; maga a modell 20–40 százalékos esélyt becsült a sikerre.
Mollick következtetése szerint a Fable 5.2 erős a számítógépes szakmai feladatokban, de az AGI definíciójából kimaradó fizikai világ és emberi kapcsolatok továbbra is gyengébb pontjai. A bemutatott eredmények a szerző saját, előzetes tesztjei; a modell még nem publikus, ezért függetlenül nem ellenőrizhetők.