Mainos:

OpenAI haastaa Anthropicin uusilla Astralla ja Solilla

Tekoälyn tulevaisuus

Julkaistu tänään 01:31 – Kirjoittaja Toimitus
OpenAI:n julkaisugrafiikka, jossa näkyy tulostimessa oleva kortti merkinnällä GPT-6.2 Astra.
OpenAI laskee Astran vakio-API-hintoja 20 prosentilla luvaten samalla parempia tuloksia vaativissa tehtävissä. Varhaiset käyttäjäreaktiot uuteen malliin ovat jyrkästi jakautuneita.

OpenAI julkaisi tiistaina GPT-6.2 Astran ja GPT-6.2 Solin, kaksi uutta tekoälymallia, joiden yhtiö sanoo suoriutuvan vaikeista tehtävistä paremmin ja pienemmillä kustannuksilla tehtävää kohden. Riippumattomat testit sijoittavat Astran kärkeen tieteellisessä työssä, mutta merkittävien käyttäjien varhaiset arviot ovat jyrkästi jakautuneet.

Astra on raskassarjalainen ja kalliimpi malli, joka on tarkoitettu vaikeimpiin projekteihin. Sol on arkipäiväisempi malli, nopeampi ja halvempi, rutiinityöhön.

OpenAI:n mukaan molemmat on suunniteltu tuottamaan parempia tuloksia vaativissa tehtävissä samalla kun ne luovat vähemmän tekstiyksiköitä, joita kutsutaan tokeneiksi. "Erittäin tehokkaita ja rakennettu suoriutumaan siellä missä se merkitsee, eli todellisessa maailmassa", OpenAI kirjoittaa esitellessään kaksi mallia.

Mainos:

Julkaisu seuraa OpenAI:n GPT-6 Astran lanseerausta ja Anthropicin Claude Fable 5.2 -mallia, joka haastaa mallin sekä suorituskyvyssä että hinnassa.

Mallit ovat saatavilla julkaisupäivästä alkaen Plus-, Pro-, Enterprise- ja Edu-asiakkaille ChatGPT Workissa ja Codex-koodaustyökalussa. Kehittäjät voivat käyttää niitä API:n kautta nimillä gpt-6.2-astra ja gpt-6.2-sol.

Enterprise- ja Edu-asiakkaat saavat pääsyn vasta, kun ylläpitäjä ottaa mallit käyttöön.

Vahvimmillaan tutkimustehtävissä

OpenAI korostaa erityisesti Astraa työkaluna tieteelliseen työhön ja esittelee tulokset omissa kaavioissaan. Yhtiön pääargumentti on, että malli tekee enemmän vähemmällä rahalla.

Agents' Last Exam -testissä Astra saa 5,5 pistettä enemmän kuin Claude Fable 5.2 viiden prosentin kustannuksilla OpenAI:n mukaan. Fablen tulostaulukosta on poistettu yhdeksän tehtävää, joissa käytettiin varamallia. Verrattuna GPT-6 Astraan, parannus on 5,2 pistettä alle kolmasosalla kustannuksista.

OpenAI:n alkuperäinen kaavio suorituskyvystä ja kustannuksista Agents' Last Exam v1.1 -testissä.
OpenAI:n vertailu suorituskyvystä ja kustannuksista Agents' Last Exam v1.1 -testissä. Yhdeksän tehtävää, joissa Fable käytti varamallia, on jätetty pois sen tuloksista. Kaavio: OpenAI.

Ero on selkein Terminal-Bench-Science-testissä, joka on uusi 70 tutkimustehtävän testi, joka suoritetaan terminaalissa. Tehtävät ovat asiantuntijoiden, mukaan lukien Stanfordin tutkijoiden, kirjoittamia ja arvioimia, ja ne kattavat biotieteet, fysiikan, matematiikan, tekniikan ja geotieteet.

Tehtävä katsotaan ratkaistuksi vain, jos kaikki testit menevät läpi.

OpenAI:n alkuperäinen kaavio Terminal-Bench-Science 0.1 -testistä, joka osoittaa suorituskyvyn suhteessa kustannuksiin.
OpenAI:n esitys Terminal-Bench-Science 0.1 -testistä, joka sisältää 70 tieteellistä työtehtävää. Kaavio: OpenAI.

Analyysiyhtiö Artificial Analysis suoritti testin käyttäen samoja työkaluja kaikille malleille. Astra suorittaa 78,1 prosenttia tehtävistä, verrattuna Fable 5.2:n 73,3 prosenttiin ja Solin 67,6 prosenttiin, kaikki korkeimmilla asetuksilla. Anthropic itse on raportoinut Fablelle 74,6 prosenttia, mutta Claude Codessa erilaisella kokoonpanolla.

Yhtiön yleisessä Intelligence Indexissä, joka yhdistää yhdeksän arviointia, Astra saa 62 pistettä ja sijoittuu kolmanneksi 91 mallin joukossa. Sen yläpuolella on saman kilpailijan, Claude Fable 5.2:n, kaksi eri asetusta. Sol saa 57 pistettä ja sijoittuu yhdenneksitoista.

Artificial Analysis kuvailee Solin tarjoavan johtavaa älykkyyttä kohtuulliseen hintaan ja olevan melko ytimekäs, kun taas Astraa kutsutaan kalliiksi verrattuna saman hintaluokan malleihin ja jokseenkin puheliaaksi.

OpenAI:n sisäisessä GDPval v2 -testissä, joka mittaa ammatillista työtä, Astran sanotaan parantuneen 6,2 prosenttiyksikköä suhteessa GPT-6 Astraan samalla kun se käytti 22 prosenttia vähemmän tokeneita vastauksiinsa. Solin, jonka OpenAI suuntaa arkipäivän työhön, raportoidaan parantuneen 5,3 pistettä suhteessa GPT-6.1 Soliin.

Nykysuomi ei ole suorittanut omia testejään.

Alhaisemmat hinnat, erityisesti pitkiin istuntoihin

Astra maksaa 8 dollaria miljoonaa syötetokenia kohden ja 40 dollaria miljoonaa tuotostokenia kohden. Se on 20 prosenttia vähemmän kuin GPT-6 Astra.

Välimuistissa olevan syötteen hinta, tarkoittaen tekstiä, jonka malli on jo lukenut aiemmin istunnon aikana, laskee 60 prosentilla 0,40 dollariin.

Sol pysyy samalla hintatasolla kuin edeltäjänsä GPT-6.1 Sol: 2 dollaria syötteestä, 0,10 dollaria välimuistisyötteestä ja 10 dollaria tuotoksesta miljoonaa tokenia kohden.

Silti pelkkä listahinta ei määritä, mitä työ maksaa. Tokeni on pätkä tekstiä, ja lasku riippuu siitä, kuinka paljon malli lukee ja kirjoittaa suorittaakseen tehtävän.

Artificial Analysis -testeissä keskimääräinen indeksitehtävä maksoi 4 dollaria Astralla ja kesti 10,4 minuuttia. Solilla kustannus oli 1,01 dollaria ja aika 7,9 minuuttia. Molemmilla malleilla on miljoonan tokenin konteksti-ikkuna API:ssa.

Avaruushissi rakennettuna tyhjästä

OpenAI itse esittelee pitkän listan esimerkkejä: työkirjan kuvitteellisen maatalousyrityksen arvonmääritykseen, ajosimulaattorin, 3D-mallin kauko-ohjattavan auton osista, sovelluksen paperilamppujen taitteluun, futuristisen kilpapelin ja verkkosivuston matkailuauton konfigurointiin.

AA3D 3D -testissä, jossa ihmiset arvioivat mallien tuotoksia, OpenAI raportoi Astralle Elo-luvun 1318, Fable 5.2:lle 1271 ja Solille 1259.

Ethan Mollick, tekoälyä tutkiva Whartonin professori, testasi Astraa ennen sen julkaisua. Hän kuvailee mallia "erittäin epätasaiseksi ja oudoksi" ja vaikeammaksi ohjata ja työskennellä sen kanssa kuin muiden mallien.

Kun hän kuitenkin pyysi sitä rakentamaan avaruushissiajon tyhjästä käyttäen Blender-3D-ohjelmistoa ja Unity-pelimoottoria, tulos oli hyvä.

Sama kaava toistui myöhemmin. Yksi PowerPoint-juliste onnistui huonosti, kun taas viisi Higgsin bosonin hajoamiseen liittyvää tehtävää tuottivat hyviä, monimutkaisia Feynmanin kaavioita. Astra on parhaimmillaan suurissa projekteissa ja kauhea pienissä, Mollickin mukaan.

Yonkers ei koskaan oikein noussut

Simon Willison, Datasetten luoja ja yksi Django-verkkokehysten kehittäjistä, pyysi molempia malleja animoimaan Yonkersin kaupungin jättimäisenä taistelurobottina, joka marssii Manhattanin, Queensin ja Brooklynin halki, rakennettuna Three.js-kirjastolla ja OpenStreetMapin karttatiedoilla.

"Kumpikaan ei tehnyt tarpeeksi hyvää työtä Yonkersin muuttamiseksi suureksi robotiksi, ainakaan verrattuna Claude Fable 5.2:een ja Gemini 4 Carboniin", Willison kirjoittaa.

Hinnoittelu tekee hänet iloisemmaksi. Välimuistiin tallennettu syöte maksaa nyt 0,40 dollaria miljoonaa tokenia kohden, aiemman 1 dollarin sijaan, mitä hän kutsuu "hyviksi uutisiksi pidempään kestäville agentti-istunnoille".

Kehittäjät ylistävät, sijoittajat tyrmäävät

Tibor Blaho, AIPRM:n johtava kehittäjä, kirjoittaa, että Astra ja Sol selviytyivät suurimmasta osasta siitä, mitä hän antoi niille päivittäisessä työssään, vianetsinnästä ja palvelinten hallinnasta useissa datakeskuksissa aina koodin katselmointiin ja varmuuskopiointiin.

Hänen vaikein testinsä oli antaa Astran päivittää vanha sovellus, jossa oli useita miljoonia rivejä koodia, vanhentuneesta kieliversiosta nykyiseen, sisältäen vanhat riippuvuudet. Noin kolmen tunnin kuluttua se toimi paikallisesti, ja kuuden tunnin kuluttua kaikki testit menivät läpi puhtaasta asennuksesta. Jotain työtä on vielä jäljellä.

Blaho antaa Astran työskennellä Fablen ja Opuksen rinnalla, jotta mallit arvioivat toistensa työtä. "Astra löytää edelleen bugeja Fablen koodista ja Fable löytää edelleen bugeja Astran koodista", hän huomauttaa. Hän pitää Astran ja siirtää muut tehtävänsä Solille.

Tekoälysijoittaja Matt Shumer, HyperWriten entinen toimitusjohtaja, ei kuitenkaan edes aio kirjoittaa arvostelua. Hän kirjoittaa, että hänellä oli "kauhea kokemus" niitä testatessaan, kutsuu malleja "käytännössä käyttökelvottomiksi" ja neuvoo olemaan käyttämättä niitä.

Kriittinen taso kyberriskeille

Järjestelmäkortissa OpenAI luokittelee molemmat mallit tasolle Kriittinen kyberturvallisuuden osalta ja tasolle Korkea biologisille ja kemiallisille riskeille yhtiön oman viitekehyksen mukaisesti. Ne ovat parempia kehittämään toimivia hyökkäyksiä tunnettuja haavoittuvuuksia vastaan, ja tiukemmat suojatoimet vaikuttavat myös lailliseen tutkimukseen.

Astra on myös ensimmäinen ulkoisesti julkaistu malli, joka on luokiteltu tasolle Korkea tekoälyn itsekehityksessä, kun taas Sol jää kyseisen tason alapuolelle. Luokitus tarkoittaa, että malli voi antaa jokaiselle tutkijalle vastineen yhdestä ylimääräisestä taitavasta tutkimusinsinööristä vuoden 2024 perustasoon verrattuna, ei sitä, että se kehittäisi itseään omatoimisesti.

OpenAI kuvailee tasoa varhaiseksi askeleeksi, yhtiön rakentaessa suojatoimia ennakoiden malleja, jotka saattavat kyetä parantamaan itseään täysin automaattisesti tulevaisuudessa.

Yhtiö myöntää yhden konkreettisen ongelman julkaisun yhteydessä. Kahdessa testissä mallit epäonnistuivat useammin ilmoittamaan tunnetuista esteistä, kuten puuttuvasta tiedostosta tai saavuttamattomissa olevasta hakutyökalusta. Codexin ohjeet vähentävät virhettä jyrkästi, mutta sitä ei ole ratkaistu ja se on edelleen tutkinnan alla.

Lukijakysely

Mikä on sinulle tärkeintä tekoälypalvelun valinnassa?

Mainos:
Seuraa keskustelua
Ilmoita minulle
guest

Kun lähetät kommentin, käsittelemme nimimerkkiäsi, sähköpostiosoitettasi (ei julkaista), teknisiä tietoja ja kommentin sisältöä. Kommentti tarkastetaan automaattisesti ja tarvittaessa toimituksellisesti. Lue tietosuojaseloste ja kommentointiperiaatteet.

0 Kommentit
Vanhimmat
Uusimmat Äänestetyimmät

Jensen Huang avaa oven paluulle Nvidian toimitusjohtajaksi

Tekoälyn tulevaisuus

Päivitetty tänään klo 00:41, Julkaistu eilen 18:55 – Kirjoittaja Toimitus
Harmaahiuksinen Jensen Huang, jolla on silmälasit ja musta nahkatakki, harmaata taustaa vasten.
Jensen Huang sanoo olevansa valmis palaamaan Nvidian toimitusjohtajaksi, jos hallitus haluaa hänet takaisin. Arkistokuva.

Jensen Huang, joka erosi Nvidian toimitusjohtajan tehtävästä 12. marraskuuta, sanoo olevansa valmis palaamaan, jos hallitus haluaa hänet takaisin. Tällaista päätöstä ei ole tehty: The Wall Street Journalin mukaan hallitus ei harkitse hänen palauttamistaan virkaan.

Tarjous tuli lyhyessä lausunnossa tiistaina 17. marraskuuta, mikä oli Huangin ensimmäinen julkinen lausunto sen jälkeen, kun hän jätti yhtiön. Hän sanoo nähneensä vetoomusten aallon työntekijöiltä, sijoittajilta, liikekumppaneilta ja asiakkailta.

"Jos hallitus päättää, että paluuni on osakkeenomistajiemme, työntekijöidemme, yhtiön ja Amerikan edun mukaista, minulla olisi kunnia vastata näihin kutsumuksiin ja palata toimitusjohtajaksi", Huang kirjoittaa lausunnossa, jonka The Wall Street Journal julkaisi kokonaisuudessaan.

Yli 193 000 ihmistä on allekirjoittanut vetoomuksen, jossa vaaditaan Huangin paluuta, mukaan lukien toimitusjohtajat Elon Musk ja Tim Sweeney, The Verge raportoi.

Mainos:

Hallituksen kanta

Hallitus ei harkitse Huangin palauttamista virkaan huolimatta sijoittajien ja työntekijöiden tasaisesta painostuksesta, The Wall Street Journal raportoi ennen lausunnon julkaisemista. Näin ollen Huang on se, joka avaa oven, ei hallitus.

Painetta tulee myös ylhäältä. Presidentti Trump sanoi maanantaina tukevansa Huangin palauttamista virkaan.

— Minulla ei todellakaan olisi mitään sitä vastaan, Trump sanoi toimittajille ja lisäsi uskovansa, että Huang on "oppinut suuren läksyn".

Samana päivänä Nader Khalil, Nvidian kehittäjäteknologian johtaja, lähetti kirjeen hallituksen puheenjohtajalle Harvey Jonesille. Hän kirjoitti, että koko tekoälymarkkina lepää Huangin "visioivan johtajuuden" varassa, The Wall Street Journalin tarkasteleman kirjeen mukaan. Tiistaina hallitus ilmoitti perustavansa kansallisen turvallisuuden ja vientivalvonnan komitean.

Uskottomuus ja syytökset

Huang erosi uskottomuusraporttien seurauksena. Hän myönsi 8. marraskuuta työntekijöille suunnatussa kirjeessä olleensa uskoton vaimolleen. Erikseen Yhdysvaltain media on raportoinut tiedustelumuistiosta, jossa väitetään, että Kiinan turvallisuuspalvelu olisi värvännyt Singaporelaisen Megaspeedin johtajan Alice Huangin. Huang kieltää tietävänsä asiasta, ja Peking tyrmää väitteen tekaistuna.

Tiistain lausunnossa Huang kuvailee epäonnistumisiaan vakaviksi virheiksi yksityiselämässään ja lupaa tehdä yhteistyötä hallituksen riippumattoman tutkinnan kanssa. Samaan aikaan Washingtonin Kiina-haukat ovat vaatineet tiukempia vientirajoituksia hänen eronsa jälkeen.

Talousjohtaja Colette Kress toimii väliaikaisena toimitusjohtajana ja johtaa Nvidian neljännesvuosittaista tulosjulkistusta markkinoiden sulkeutumisen jälkeen tiistaina, joka on yhtiön ensimmäinen ilman Huangia.

Tekoälyjärjestelmä suorittaa kyberhyökkäyksiä itsenäisesti

Tekoälyn tulevaisuus

Julkaistu eilen 18:05 – Kirjoittaja Toimitus
Valkoinen Google-teksti tummassa puupalkissa, taustalla toimistorakennuksia ja sininen taivas Mountain View'ssa.
Googlen uhkatiedusteluryhmä on löytänyt järjestelmän, joka muuttaa tietoturvakorjaukset automatisoiduiksi hyökkäyksiksi. Arkistokuva Googlen kyltistä Mountain View'ssa vuodelta 2006.

Googlen uhkatiedusteluryhmä on löytänyt tekoälyjärjestelmän, joka lukee tietoturvapäivityksiä, tunnistaa niiden korjaamat haavoittuvuudet ja kirjoittaa sekä ajaa hyökkäyskoodia ilman ihmisen väliintuloa. Yrityksille, kouluille ja valtion virastoille jää tämän seurauksena yhä vähemmän aikaa järjestelmiensä päivittämiseen.

Löytö kuvataan Googlen teknologiajätin uhkatiedusteluyksikön, Google Threat Intelligence Groupin (GTIG), 16. marraskuuta julkaisemassa raportissa. Järjestelmän nimi on exploit_agent, ja se löytyi suojaamattomalta palvelimelta, jota hyökkääjät käyttivät hyökkäystensä valmisteluun.

Järjestelmä yhdistää useita tekoälymalleja ja valvoo suosittuja verkkosovelluksia. Kun tietoturvakorjaus julkaistaan, se vertailee koodia ennen ja jälkeen, paikantaa haavoittuvuuden, kirjoittaa hyökkäyskoodin ja ajaa sen välittömästi. GTIG:n mukaan tämä on ensimmäinen kerta, kun ryhmä on nähnyt hyökkääjien automatisoivan koko prosessin löytämisestä hyökkäykseen.

Palvelin sisälsi myös uhreilta varastettua dataa sekä valmiita skriptejä salasanojen arvaamiseen, verkkojen kartoittamiseen sisältäpäin ja takaovien asentamiseen verkkosivustoille. Todisteet viittaavat siihen, että operaattori oli erityisen kiinnostunut ranskalaisista media-, viihde- ja koulutusalan verkkosivustoista. Erään konfiguraatiotiedoston kommentit oli kirjoitettu venäjäksi.

Mainos:

Tietoturvapäivityksestä tulee kartta

Jokainen tietoturvapäivitys paljastaa käytännössä sen, missä haavoittuvuus oli. Kuka tahansa, joka vertailee vanhaa ja uutta versiota rinnakkain, voi rakentaa hyökkäyksen kaikkia niitä vastaan, jotka eivät ole vielä päivittäneet. Tekoälyn avulla tämä työ voidaan nyt tehdä paljon nopeammin ja suuressa mittakaavassa.

Nykysuomi huomioi, että aika päivityksen julkaisun ja haavoittuvuuden hyödyntämisen välillä hyökkäyksissä lyhenee jyrkästi. Tämän vuoden tammi- ja elokuun välisenä aikana julkisesti ilmoitettujen haavoittuvuuksien ja hyökkäysten määrä lähes kaksinkertaistui.

Teknologiassa on kuitenkin vielä puutteita. Automatisoidut hyökkäykset jättävät selkeitä jälkiä. Lisäksi lokakuussa tapahtuneen PHP-ohjelmointikielen merkittävän tietoturvapäivityksen jälkeen ilmestyi satoja toimimattomia hyökkäysohjelmia, jotka Nykysuomen mukaan oli todennäköisesti kehitetty tekoälyn avulla.

Satoihin organisaatioihin osuttu erillisessä kampanjassa

Erillinen tapaus osoittaa, kuinka nopeasti se voi tapahtua. Elokuun 27. päivänä tulostuksen ja kopioinnin hallintaohjelmistoja valmistava PaperCut varoitti, että kahta sen ohjelmiston vakavaa haavoittuvuutta hyödynnettiin jo. Tutkijat ja kyberturvallisuusyhtiö Huntress kehittivät 24 tunnin kuluessa toimivan hyökkäyskoodin tekoälyn avulla.

Kyberturvallisuusyhtiö GreyNoise kartoitti tämän jälkeen kampanjan, jossa hyökkääjä hallitsi satoja tekoälyagentteja – ohjelmia, jotka suorittavat tehtäviä itsenäisesti. Ainakin 440 PaperCut-asennusta 395 tunnistetussa organisaatiossa 48 maassa joutui kohteeksi. Yli 200 asennuksista oli koulutussektorilla.

Tyhjästä työtilasta kului vain vajaat neljä tuntia ensimmäiseen murtoon todelliseen uhriin. Agentit eivät kuitenkaan toimineet täysin yksin, sillä hyökkääjältä pyydettiin lupaa jatkaa. Ainakin kahdessatoista organisaatiossa hyökkääjä sai verkon täyden hallinnan, eli niin sanotut domain administrator -oikeudet.

Eräässä tapauksessa hyökkäyksen pysäytti Cloudflaren verkkosovelluspalomuuri. GreyNoise totelee, että perustason puolustus toimii edelleen, jopa tekoälypohjaisia hyökkääjiä vastaan.

AI-kokeilun jälkeen ruotsalainen Lundin kaupunki keskeyttää oppilaiden käytön

Tekoälyn tulevaisuus

Julkaistu eilen 09:50 – Kirjoittaja Toimitus
Oppilaita työskentelemässä kannettavilla tietokoneilla luokkahuoneessa, etualalla käsi hiirellä.
Lund aikoo estää oppilaita käyttämästä tekoälyä itse, mutta säilyttää opettajien matematiikan arviointityökalut. Kuvituskuva.

Etelä-Ruotsissa sijaitsevan Lundin kaupungin peruskoulujen oppilaat eivät enää saa käyttää tekoälyä itse koulussa vuodenvaihteesta alkaen, syynä huoli sekä heidän oppimisestaan että terveydestään. Opettajien tekoälypohjainen diagnostiikkatyökalu matematiikkaan, joka auttaa heitä tunnistamaan tukea tarvitsevat oppilaat, säilyy kuitenkin käytössä.

Oppilaiden tekoälyn käyttö Lundin peruskouluissa keskeytetään vuodenvaihteen jälkeen. Kevätlukukauden alusta lähtien he eivät saa käyttää generatiivista tekoälyä koulutöihin, eikä heillä saa olla työkaluja tietokoneillaan tai muilla digitaalisilla laitteillaan hallinnon esityksen mukaan. Syynä on huoli siitä, mitä työkalut tekevät oppilaiden oppimiselle, tiedolle ja terveydelle.

Sosiaalidemokraatti Mattias Olsson, lapsi- ja koululautakunnan puheenjohtaja, tekee vertauksen terveydenhuoltoon, jossa uusia hoitoja ei oteta käyttöön ennen kuin tiedetään, etteivät ne vahingoita potilaita.

— Olemme syvästi huolissamme näin tehokkaiden työkalujen antamisesta oppilaiden käsiin tutkimatta ensin, mitä se heille tarkoittaa, hän sanoo verovaroin rahoitetulle valtion yleisradioyhtiö SVT:lle.

Mainos:

Yleissääntö on voimassa siihen asti, kunnes kunta on hyväksynyt omat suuntaviivansa tekoälylle kouluissa. Esityksen mukaan opetustoimenjohtajan on laadittava tarkemmat ohjeet ennen vuodenvaihteen alkua.

Kielto tulee noin vuosi sen jälkeen, kun Lundin kunta liittyi pilottihankkeeseen, jonka tarkoituksena oli tuoda enemmän tekoälyä oppilaiden matematiikan opetukseen. Pilottihankkeen diagnostiikkatyökalu jää käyttöön. Opettajat käyttävät sitä tunnistaakseen oppilaat, joilla on vaikeuksia ja jotka tarvitsevat tukea.

Jo keväällä 2026 kunta alkoi rajoittaa sitä, mitä tekoälypalveluita oppilaat voivat käyttää koulun tietokoneilla. Ulkoiset palvelut, kuten ChatGPT, Claude, Copilot ja Grok estettiin, ja selainten sekä hakupalveluiden sisäänrakennetut tekoälyominaisuudet poistettiin käytöstä.

Syksyn aikana ohjeistuksia tiukennettiin sellaisten työkalujen osalta, jotka ottavat haltuunsa ajattelun, joka oppilaiden on tehtävä itse. Samaan aikaan seitsemän yläkoulun rehtorit olivat sallineet pääsyn Gemini-tekoälypalveluun, minkä esitetty yleissääntö lopettaa.

Lundin Järnåkraskolanissa oppilaiden tekoälyn käyttö on ollut estettynä jo jonkin aikaa. Yhdeksäsluokkalainen Ida Wall on sitä mieltä, että koulun tulisi opettaa oppilaille, kuinka työkaluja käytetään oikein, sen sijaan että ne vain kielletään.

Näin paljon parempi Anthropicin uusi lippulaiva Fable 5.2 on

Tekoälyn tulevaisuus

Julkaistu 12.11.2026 – Kirjoittaja Toimitus
Kaksi robottikäsivartta työpöydän yläpuolella värikkään pulmapelikuution kanssa Anthropicin Fable 5.2 -demonstraatiossa.
Anthropicin demonstraatiossa Fable 5.2 ohjaa robotteja, jotka suorittavat tehtäviä, kuten pulmapelin kuution käsittelyä.

Claude Fable 5.2 ottaa suurimmat askeleensa siellä, missä sen edeltäjä oli heikoimmillaan. Anthropicin omissa testeissä sen tulokset freelance-työssä ja robottien ohjauksessa yli kaksinkertaistuvat, kun taas hinta putoaa viidenneksellä.

Anthropic esitteli Fable 5.2:n maanantaina yhdessä Claude Mythos 5.2:n kanssa. Tämän katsauksen luvut ovat peräisin yhtiön omasta vertailutaulukosta, jossa uutta mallia verrataan sen edeltäjään Fable 5.1:een, Anthropicin Opus 5.5:een, OpenAI:n GPT-6 Astraan ja Googlen Gemini 4 Carboniin.

Fable ja Mythos perustuvat samaan malliin, mutta niissä on erilaiset turvarajoitukset. Fablessa on rajoituksia kyberturvallisuuden ja biologian väärinkäyttöä vastaan, ja se on kaikkien maksavien käyttäjien saatavilla. Mythos-mallissa on löyhemmät rajoitukset, ja se on varattu tarkastetuille organisaatioille.

Yli kaksi kertaa parempi freelance-tehtävissä

Yksi suurimmista parannuksista on Remote Labor Indexissä, jossa mallin odotetaan suoriutuvan todellisista freelance-tehtävistä vähintään yhtä hyvin kuin ihminen. Fable 5.2 saa tulokseksi 41,3 prosenttia, kun Fable 5.1:n tulos oli 17,9 ja Opus 5.5:n 21,3 prosenttia.

Mainos:

Robotiikkatestissä RoboDojo, jossa simuloitua kaksiperäistä robottia ohjataan kamerakuvien avulla, tulos nousee 27,6 prosentista 64,9 prosenttiin. GPT-6 Astra yltää vain 29,8 prosenttiin.

Agenttipohjainen koodaus ottaa myös suuren harppauksen. FrontierCode 2.0 -testissä Fable 5.2 saa 49,1 prosenttia, mikä on 16,7 prosenttiyksikköä enemmän kuin edeltäjän 32,4 ja edellä Opus 5.5:tä (45,5), Astraa (42,8) ja Gemini 4 Carbonia (41,1). FrontierSWE v2 -testissä se saa 69,9 prosenttia verrattuna 56,3 prosenttiin, Astran ollessa lähimpänä 65,5 prosentilla.

Tieteellistä tutkimustyötä mittaava Terminal-Bench-Science antaa tulokseksi 74,6 prosenttia, kun Fable 5.1 sai 52,6 ja Astra 68,1 prosenttia. Kaavioiden tulkinnassa mallin tulos nousee 44,8 prosentista 73,4 prosenttiin.

Anthropicin vertailu Fable 5.2:n ja Fable 5.1:n, Opus 5.5:n, GPT-6 Astran ja Gemini 4 Carbonin välillä.
Anthropicin omat testit osoittavat merkittäviä parannuksia Fable 5.1 -malliin verrattuna, mutta myös alueita, joilla Gemini 4 Carbon ja Opus 5.5 ovat edellä. Tietoturva- ja biologia-rivit viittaavat Mythosiin. Klikkaa nähdäksesi täysikokoisena. Kuvakaappaus: Anthropic.

Malli tarjoaa myös enemmän vastinetta rahalle. FrontierCodessa Fable 5.2 saavutti korkealla suoritustasolla (high effort) suurin piirtein saman tason kuin Opus 5.5 maksimitasolla (maximum effort), mutta yhtiön mukaan noin puolella tehtäväkohtaisista kustannuksista.

Missä Fable häviää

Fable ei voita kaikessa. Gemini 4 Carbon johtaa liiketoiminnan työnkulkuja testaavaa AutomationBenchiä 53,9 prosentilla vasten 51,4 prosenttia. Tietotyötestissä AA-Briefcase Opus 5.5 pysyy edellä Elo-luokituksissa pistein 1800–1785.

Anthropic itse suosittelee Opus 5.5:tä lähtökohdaksi useimpiin koodaus- ja tietotehtäviin, ja Fablea kaikkein vaativimpaan työhön.

Halvempi ja nopeampi

Hinta laskee 8 dollariin miljoonaa syötetokenia kohden ja 40 dollariin miljoonaa tulostokenia kohden, aiemmista 10 ja 50 dollarista. Yhtiön mukaan tekstin tuottaminen on jopa 30 prosenttia nopeampaa kuin 5.1-malleilla, mikä on nopeuden eikä laadun mittari.

Nopea tila (fast mode), joka on jopa 2,5 kertaa nopeampi, maksaa kaksinkertaisesti: vastaavasti 16 ja 80 dollaria.

Fable 5.2 on ollut saatavilla maanantaista lähtien kaikissa maksullisissa tilauksissa, Claude-alustalla sekä Amazon Web Servicesin, Google Cloudin ja Microsoft Azuren kautta.

Fermat 30 tunnissa

Anthropic nostaa esiin useita omia esimerkkejä. 1 000 Fable 5.2 -agentin tiimi formalisoi Fermatin suuren lauseen todistuksen 30 tunnissa, mikä tarkoittaa, että he käänsivät sen kielelle, jota tietokone voi tarkistaa vaihe vaiheelta.

Samalla kokoonpanolla Opus 5.5 sai valmiiksi 26 prosenttia 18 tunnissa, eikä se juurikaan edistynyt lisää 30 tunnin kohdalle tultaessa. Yhtiön ensimmäinen formalisointi kesti yksitoista päivää.

Toisessa kokeessa mallin tehtäväksi annettiin rakentaa käyttöjärjestelmä tyhjästä kansiosta. Se koordinoi yli 1 000 ala-agenttia kahdeksan päivän ajan ja toimitti yhtiön mukaan järjestelmän, joka käynnistyy kannettavalla tietokoneella ja sisältää ajurit, pysyvän tiedostotallennuksen, ikkunat ja kirjautumisnäytön.

Anthropic kertoo myös, että Fable 5.2 ratkaisi kaksi teoreettisen fysiikan avointa ongelmaa, jotka koskivat mustia aukkoja.

Mythos lukkojen takana

Mythos 5.2 on yhtiön kyvykkäin kyberturvallisuusmalli. Organisaatiot voivat hakea pääsyä Anthropicin kyberturvallisuuden ja biotieteiden varmennusohjelman kautta, ja Enterprise-asiakkaat voivat käyttää mallia Claude Security -palvelun kautta.

Uusien mallien käyttöä seurataan useiden pyyntöjen välillä, koska jotkut väärinkäytön muodot käyvät ilmi vain toistuvina kaavoina. Ehdot täyttävät yritysasiakkaat voivat säilyttää nollatason datan säilytyksen (zero data retention) jo ennen kuin Enterprise Frontier Safeguards -ohjelma on otettu käyttöön, kun taas muiden asiakkaiden kohdalla noudatetaan 30 päivän säilytysaikaa turvallisuusseurantaa varten.

Järjestelmäkortti raportoi myös yhdestä erityisestä taantumasta. Prompt injection -hyökkäysten aikana – joissa piilotetuilla ohjeilla pyritään kaappaamaan malli – Fable 5.2 tukeutuu vanhempaan Opus 4.8 -malliin useammin kuin aiemmat mallit, mikä antaa hyökkääjille korkeamman onnistumisprosentin.

Kun Fable 5.2 itse vastaa, se on yhtiön mukaan yksi tähän asti vastustuskykyisimmistä malleista.