Anthropic ha rilasciato Claude Fable 5.2 e Claude Mythos 5.2. Stessa base, due versioni: Fable con protezioni cyber e bio attive per tutti, Mythos senza limiti per chi lavora in sicurezza informatica o ricerca biomedica (previa verifica).
I numeri? Uno degli ingegneri di Anthropic ha dato a Fable 5.2 un prompt generico: progettami un prototipo di sistema operativo. Partendo da una cartella vuota. Il modello ha coordinato oltre 1.000 agenti secondari, ha lavorato per otto giorni scrivendo, testando e revisionando codice. Risultato: un OS funzionante che parte su laptop, con kernel proprietario, driver per disco, tastiera e rete, filesystem persistente, finestre, schermata di login, installer. E funzionalità Claude integrate. Tutto da zero.
Non è un caso isolato. Un team di agenti che girava su una versione precedente di Fable 5.2 ha migrato un servizio critico in produzione da Python a Rust. Il servizio è ora più efficiente, più affidabile, e si avvia 26 volte più veloce. Dettaglio: oltre il 90% delle modifiche che finiscono nella codebase principale di Anthropic sono ora scritte da Claude. Con supervisione umana, certo — ma scritte da Claude.
Quanto costa, quanto genera
Fable 5.2 e Mythos 5.2 generano output fino al 30% più velocemente dei predecessori (5.1) e costano meno: 8 dollari per milione di token in input, 40 in output. C’è anche una modalità fast che accelera la generazione fino a 2,5 volte, a 16 dollari/milione in input e 80 in output.
Nei test interni su FrontierCode 2.0 — benchmark che misura se le modifiche al codice di un modello verrebbero accettate dai maintainer di repository open source — Fable 5.2 in modalità High effort ha ottenuto lo stesso punteggio di Opus 5.5 a Max effort (45,3% vs 45,5%), per circa metà del costo per task. A Xhigh effort arriva al 49,1%: il punteggio più alto mai registrato tra i modelli pubblici testati.
Cybersecurity: Mythos 5.2 trova quello che gli altri perdono
Claude Mythos 5.2 è il modello più capace di Anthropic per la cybersecurity. Una società di sicurezza ha scoperto che uno su sei bug confermati trovati da Mythos 5.2 era sfuggito a tutti gli altri modelli frontier testati, inclusi GPT-6 e Gemini 4.
Nell’evaluation interna CVE Rediscovery — che misura quante vulnerabilità pubblicate un modello riesce a trovare autonomamente partendo da uno snapshot del progetto prima della fix — Mythos 5.2 ha trovato il 10,2% di vulnerabilità in più rispetto a Opus 5.5 e il 14,4% in più rispetto a Mythos 5.1. Con meno falsi positivi: i modelli precedenti sopravvalutavano la gravità di circa 1 finding su 20. Mythos 5.2: zero sopravvalutazioni.
Mozilla ha dichiarato che Mythos 5.2 ‘ha praticamente raddoppiato le metriche di scoperta di vulnerabilità di Mythos 5.1 su campagne di scansione equivalenti’. Brian Grinstead, Distinguished Engineer, ha aggiunto: ‘Abbiamo lavorato tutto l’anno con il team Anthropic per fortificare Firefox con generazioni successive di modelli Claude. Ogni ciclo lasciava meno bug da trovare, sempre più sottili. Eppure Mythos 5.2 ha raddoppiato i numeri.’
Scienza: proteine, fisica teorica, formalizzazione matematica
Fable 5.2 ha risolto due problemi aperti in fisica teorica, entrambi legati ai buchi neri e al tentativo di unire relatività e meccanica quantistica tramite la dualità olografica: l’idea che certi universi con gravità possano essere descritti da una teoria quantistica senza gravità.
Nel primo problema, fisici nel 1983 avevano dimostrato che questi universi, riscaldandosi, formano buchi neri in modo brusco (come l’acqua che bolle), ma solo in universi abbastanza grandi. Un calcolo per verificare lo stesso fenomeno in universi molto piccoli era stato delineato nel 2003, ma era troppo laborioso per essere completato. Fable 5.2, lavorando in gran parte in autonomia, l’ha completato. La transizione è brusca anche lì.
Nel secondo, Fable 5.2 ha trovato il limite esatto di una tecnica usata da oltre 15 anni per escludere candidate teorie della gravità quantistica in un universo semplificato. Preprint disponibili.
Sul fronte biologico: Mythos 5.2 ha trovato un metodo nuovo per predire la struttura completa di capsidi di virus adeno-associati (AAV), quelli usati per le terapie geniche. I modelli esistenti come AlphaFold predicono singole proteine; un capside è fatto da decine. Mythos 5.2 ha scritto codice che esegue due modelli open source di protein folding su gruppi sovrapposti di catene proteiche e ha usato le simmetrie note del capside per unirle. Il metodo ha funzionato su 28 dei 34 capsidi testati.
E poi c’è la formalizzazione del Teorema di Fermat. La prima volta che Anthropic l’aveva fatto — con una versione di ricerca non rilasciata di Claude — ci erano voluti 11 giorni, con un harness dedicato e guida umana. Un team di 1.000 agenti Fable 5.2 ha formalizzato il teorema in 30 ore, con intervento umano minimo. Un terzo dei token d’azione rispetto alla prima formalizzazione, prova finale sette volte più corta. Opus 5.5 con lo stesso setup da 1.000 agenti ha completato solo il 26% in 18 ore, e si è fermato lì.
Hardware e robotica: tre dispositivi elettronici funzionanti
Anthropic ha testato le capacità di ingegneria hardware di Fable 5.2 chiedendogli, in un prompt di un paragrafo, di progettare e produrre tre dispositivi elettronici funzionanti: circuiti stampati, case stampati in 3D, software. I dispositivi: un hub assistente vocale domestico, uno speakerphone USB, un virtual pet portatile.
Claude ha scritto le proprie specifiche, selezionato componenti disponibili da distributori USA, instradato le quattro layer di ogni PCB, modellato i case con CAD e programmato il software. Ogni scheda pronta per la produzione in meno di un giorno, con input umano minimo. Una volta che Diode — la società che ha fabbricato le schede — le ha costruite, Claude ha guidato gli ingegneri nei test e nell’assemblaggio. Tutti e tre i dispositivi hanno funzionato senza modifiche elettriche.
Sul fronte robotica: su RoboDojo — benchmark pubblico che testa il controllo di un robot simulato a due bracci partendo da immagini delle telecamere — Fable 5.2 ha ottenuto il 64,9% a Max effort. Più del doppio di GPT-6 Astra (29,8%) e Fable 5.1 (27,6%). Video dimostrativo: robot controllati da Fable 5.2 che risolvono un cubo puzzle, svitano un tappo, disegnano un robot. Compiti per cui non è mai stato addestrato esplicitamente.
Allineamento e safety: cosa hanno testato
Anthropic ha sottoposto il modello alla propria audit comportamentale automatizzata: circa 1.900 scenari che testano comportamenti indesiderati. Mythos 5.2 ha ottenuto risultati migliori o equivalenti a Opus 5.5, Sonnet 5.5 e Mythos 5.1 sulla maggior parte delle metriche: meno allucinazioni di input, meno affermazioni false sul completamento di task, meno omissioni di informazioni importanti, meno mancata disclosure di lavoro scadente.
Attenzione particolare ai comportamenti che hanno contribuito a recenti incidenti di sicurezza noti. Mythos 5.2 ha mostrato meno propensione a ragionamenti distorti o motivati rispetto a Opus 5.5, Sonnet 5.5 e Mythos 5.1 — quei ragionamenti che potrebbero portarlo a ignorare evidenze contrarie e ad agire senza una comprensione realistica delle conseguenze.
Su tentativi di fuga dalla sandbox: in due evaluation già usate in precedenza, Mythos 5.2 ha fatto sostanzialmente meno tentativi di ogni altro modello testato. In un’evaluation dedicata — esperimento adversarial con oltre 1.800 scenari, la maggior parte risolvibili solo uscendo dalla sandbox, con una debolezza deliberata nel sandbox — Mythos 5.2 ha usato credenziali o file posizionati fuori dal sandbox nel 3,1% degli scenari. Simile a Opus 5.5 (3,3%), meno di Sonnet 5.5 (5,1%), ben sotto le iterazioni precedenti di Mythos (5 e 5.1: 39% e 21%).
Costruire evaluation che catturano ogni failure prima del deployment resta un problema irrisolto. Le complessità nel valutare modelli molto capaci spesso confondono le acque: Mythos 5.2 e Fable 5.2 esprimono sospetto di essere sotto evaluation più spesso di qualsiasi modello recente, il che rende difficile prevedere come agiranno in contesti reali. Anthropic non si affida solo a queste evaluation: monitora il training, esamina trascrizioni d’uso interno, raccoglie test da valutatori esterni e usa tecniche di interpretabilità per capire cosa accade dentro il modello.
Protezioni: meno falsi positivi, più anti-distillazione
Fable 5.2 ha classificatori di sicurezza che bloccano attività cyber ad alto rischio (penetration testing, generazione exploit, vulnerabilità basate su binari) e la maggior parte dei task di ricerca biologica. Quando una query è bloccata, l’utente riceve risposta da Opus 4.8 (cyber) o Opus 5 (bio). Rispetto a Fable 5.1, circa il 55% di blocchi in meno su claude.ai, Claude Code e Cowork: 60% in meno su cyber, 40% in meno su bio.
Novità: Fable 5.2 ha le protezioni più forti mai implementate contro la distillazione, il processo con cui un modello viene addestrato sugli output di uno più avanzato per estrarne le capacità. La distillazione illecita avviene su scala industriale, spesso tramite migliaia di account Claude falsi. Le tecniche descritte in un report recente hanno ridotto i dati raccolti dai distillatori del 90-99%.
Altra novità: ‘preserved thinking’ ora attivo su tutti gli account API. Impedisce ai distillatori di modificare il contesto precedente di Claude per estrarne il ragionamento.
Disponibilità e prezzi
Fable 5.2 è disponibile su tutte le piattaforme: AWS, Google Cloud, Microsoft Azure. API: claude-fable-5-2. Mythos 5.2 è accessibile tramite Cyber Verification Program (cybersecurity) e Life Sciences Verification Program (ricerca biomedica).
Prezzi: 8 dollari per milione di token in input, 40 in output. Modalità fast: 16 dollari in input, 80 in output. Fast mode disponibile su Claude Code, Claude Platform, Claude Models su Google Cloud e Microsoft Foundry. Mythos fast mode solo per organizzazioni nei Verification Programs.
Promozione lancio: gli abbonati ai piani a pagamento ricevono reset Fable extra (da uno a tre, in base all’anzianità di sottoscrizione). Fable incluso fino al 50% dei limiti d’uso settimanali per piani Pro e posti standard su Team.
Per i clienti Enterprise: Enterprise Frontier Safeguards in beta privata, con monitoring automatizzato su prompt e risposte conservati nell’infrastruttura del cliente, compatibile con zero data retention. Clienti come Bridgewater, Salesforce e Stripe già attivi.
