Chỉ 2 tháng sau khi tuyên bố đã xây dựng mô hình AI quá mạnh để triển khai rộng rãi, ngày 9/6, Anthropic chính thức công bố Claude Fable 5, mô hình AI mới nhất thuộc dòng Mythos cho người dùng đại chúng…

Cùng với đó, công ty cũng giới thiệu Claude Mythos 5, phiên bản kế nhiệm của Mythos Preview được công bố hồi tháng 4. Tuy nhiên, hiện tại, Anthropic chỉ cung cấp Claude Mythos 5 cho một nhóm đối tác được lựa chọn.

Phần lớn trong số này là các tổ chức đã tham gia Dự án Glasswing của Anthropic, sáng kiến hợp tác giữa doanh nghiệp và các cơ quan nghiên cứu nhằm sử dụng AI để phát hiện, đánh giá và khắc phục các lỗ hổng phần mềm nghiêm trọng trước khi chúng bị khai thác trong thực tế.

Trong khi đó, khác với Mythos Preview, Claude Fable 5 được phát hành công khai. Anthropic cho biết quyết định này được đưa ra sau khi công ty xây dựng một loạt cơ chế bảo vệ nhằm hạn chế mô hình phản hồi đối với những lĩnh vực có độ rủi ro cao như an ninh mạng và sinh học.

Theo đó, khi người dùng đặt câu hỏi liên quan đến các chủ đề nhạy cảm này, yêu cầu sẽ được chuyển sang mô hình Claude Opus 4.8 để xử lý thay vì để Fable 5 trực tiếp phản hồi.

Một điểm đáng chú ý khác là Anthropic cho biết các yêu cầu bị nghi ngờ liên quan đến hoạt động "chưng cất mô hình" (model distillation) cũng sẽ bị chuyển hướng sang Claude Opus 4.8. Đây là kỹ thuật thường được sử dụng để huấn luyện các mô hình AI nhỏ hơn bằng cách khai thác phản hồi từ các mô hình mạnh hơn.

Theo công ty, quá trình chuyển hướng này sẽ diễn ra âm thầm và người dùng sẽ không được thông báo rằng yêu cầu của họ đang được xử lý bởi một mô hình khác.

Để kiểm tra độ an toàn của Fable 5 trước khi phát hành, Anthropic đã thực hiện hơn 1.000 giờ "red teaming", quy trình trong đó các chuyên gia bảo mật chủ động tìm cách phá vỡ các lớp bảo vệ của hệ thống AI bằng tư duy và phương pháp tương tự như các đối tượng tấn công thực tế.

Theo công ty, những người tham gia thử nghiệm đã không tìm ra bất kỳ phương pháp bẻ khóa phổ quát nào có thể vô hiệu hóa toàn bộ cơ chế bảo vệ của mô hình.

Bên cạnh đó, Anthropic còn hợp tác với nhiều tổ chức độc lập để đánh giá khả năng khai thác các điểm yếu của mô hình. 

Anthropic cho hay Claude Fable 5 được thiết kế để xử lý đồng thời nhiều tác vụ phức tạp, từ lập trình, giải toán nâng cao cho đến các bài toán đòi hỏi khả năng suy luận và hiểu biết trực quan.

Dù vậy, Anthropic cũng thừa nhận hiệu quả thực tế của các biện pháp an toàn vẫn cần được kiểm chứng sau khi Fable 5 được triển khai trên quy mô lớn.

Nhiều nghiên cứu trước đây đã chỉ ra rằng các lớp bảo vệ được tích hợp trong các hệ thống AI không phải lúc nào cũng hoạt động hoàn hảo, đặc biệt khi phải đối mặt với những phương thức khai thác mới hoặc các kỹ thuật vượt rào ngày càng tinh vi.

Về năng lực, các kết quả đánh giá độc lập cho thấy Fable 5 đang nằm trong nhóm mô hình AI mạnh nhất hiện nay. Theo Vals AI, công ty chuyên theo dõi và đánh giá hiệu năng của các mô hình AI hàng đầu thế giới, Claude Fable 5 vượt qua tất cả các mô hình AI công khai khác về hiệu suất tổng thể trên nhiều bộ tiêu chuẩn đo lường khác nhau.

Anthropic cũng cho biết Fable 5 đạt kết quả cao hơn khoảng 5% so với Claude Opus 4.8, mô hình từng giữ vị trí mạnh nhất trong danh mục sản phẩm của công ty trước khi Fable 5 xuất hiện.

Tuy nhiên, hiệu năng cao hơn cũng đi kèm mức chi phí đắt đỏ hơn. Theo bảng giá do Anthropic công bố, các nhà phát triển sẽ phải trả 10 USD cho mỗi triệu token đầu vào khi sử dụng Fable 5. Trong khi đó, phiên bản Claude Mythos 5 có mức giá lên tới 50 USD cho mỗi triệu token đầu ra.

Ngoài các bài kiểm tra về lập trình và suy luận, Claude Fable 5 còn ghi nhận kết quả nổi bật trong những lĩnh vực chuyên môn cao như chăm sóc sức khỏe và đánh giá các vấn đề liên quan đến thuế. Đây là những lĩnh vực đòi hỏi khả năng phân tích tài liệu phức tạp, hiểu ngữ cảnh sâu và đưa ra các đánh giá có độ chính xác cao.

Đối với người dùng phổ thông, Claude Fable 5 đã được tích hợp vào các gói thuê bao trả phí của Claude, bao gồm Pro, Max, Team và Enterprise, mà không phát sinh thêm chi phí ngoài gói dịch vụ hiện có.