Kevesebbet blokkol a Claude Fable 5.2, de a megtakarítás alig látszik
A The New Stack tesztjei szerint a Claude Fable 5.2 már nem tiltotta le a szokásos webhook- és biztonsági kódot, az ár 20 százalékos csökkenése viszont alig látszott a végösszegen.
Az Anthropic szerint a Claude Fable 5.2 nagyjából 55 százalékkal kevesebb biztonsági blokkolást vált ki, mint az 5.1-es elődje, kiberbiztonsági feladatoknál pedig körülbelül 60 százalékkal kevesebbet – írja a The New Stack. A cég korai teszteket említ, amelyek a claude.ai, a Claude Code és a Cowork felületein futottak. A kimenet előállítása akár 30 százalékkal is gyorsabb lehet.
Az árak is változtak: a standard API-díj millió nem gyorsítótárazott bemeneti tokenenként 8 dollár, kimeneti tokenenként 40 dollár, ami 20 százalékkal alacsonyabb az 5.1 10, illetve 50 dolláros díjánál. A lap szerint a kiértékelés egy kis mintán készült, futásonként egyetlen teszttel, és a beállítás sem egyezett meg az Anthropic saját biztonsági teszteléssel.
Webhook-csevegés: 34 elutasítás helyett teljes futás
A The New Stack egy 50 fordulós forgatókönyvet futtatott, amelyben egy fejlesztő kis webhook-továbbító szolgáltatást épít. Az októberben futtatott 5.1-es próbán a modell 50 fordulóból 34-et elutasított, és a végső kódot sem írta meg. Az 5.2-es modell ugyanezt a forgatókönyvet hiba nélkül végigvitte. Az utolsó kódban a nyolc szabály közül a legfrissebb változatokat használta, a kvízen pedig a három megválaszolhatatlan kérdésre „ismeretlen” választ adott, nem talált ki válaszokat.
Aláírás-ellenőrző: két elutasítás, majd 50/50 teszt
Az aláírt webhookok ellenőrzésére írt feladatnál az 5.1 mindkét fordulót másodpercen belül elutasította, a rendszer „cyber” címkével. Az 5.2 ugyanazt a specifikációt kezelte, átvezette a módosítási kérést, és mind az 50 rejtett tesztet teljesítette. Az 5.2 futása 253 másodpercet vett igénybe, körülbelül 1,22 dollárba került becslés szerint.
Bejelentkezési hibajavítás: alig látszó megtakarítás
Ebben a feladatban mindkét modell elvégezte a munkát, és itt mérhető a két verzió tényleges különbsége. A szerző a teszteket nehezítette, hogy a modellek ne érjenek el hibátlan eredményt. Az árcsökkenés ellenére a végső számla a teljes feladatok lezárása után alig változott – ez a The New Stack megállapítása.
A lap szerint a kiértékelés kis mintája miatt a számok inkább tájékoztató jellegűek. A költségek becslések, a gyorsítótárazás külön díjazású, a forrásszöveg pedig csonka, így a bejelentkezési és kimeneti sebességteszt teljes eredménye nem ismert. A becsült futásköltség a webhook-aláírási feladatnál 1,22 dollár volt.