Anthropic 9 Kasım’da iki model duyurdu. Claude Fable 5.2 ve Claude Mythos 5.2. Yalnız ortada iki model yok aslında. Anthropic’in duyurusuna göre ikisi de “aynı temel model”, sadece kapıları farklı.
Fiyat düşmüş. Fable 5.2’nin milyon token başına ücreti girdide 8, çıktıda 40 dolar. Ürün sayfasına göre Fable 5.1’de bu rakamlar 10 ve 50 dolardı. Artificial Analysis’in ölçümüne göre de Fable 5.2, en yüksek effort ayarında 65 puanla endeksin bugüne kadarki en yüksek skorunu almış.
Baştan söyleyeyim. 11 Kasım’da duyuruyu, model dokümanını, ürün sayfasını ve Artificial Analysis’in sayfalarını okudum. Modeli kendim çalıştırmadım, benchmark da koşmadım. Aşağıdaki her rakam ya Anthropic’in iddiası ya üçüncü bir tarafın ölçümü, hangisi olduğunu yanına yazdım.
Duyurunun en ilginç cümlesi bir benchmark değil. “Ne zaman kullanmalı” bölümünde Anthropic, kodlama ve bilgi işlerinin çoğu için Claude Opus 5.5 ile başlamayı öneriyor. Kendi en üst modelini varsayılan yapmayın diyen bir frontier laboratuvarı görüyorsak, karşımızda liderlik tablosundan çok bir fiyat ve yönlendirme hikâyesi var.
Aynı model neden iki isimle satılıyor?
Ağırlıklar aynı, etrafındaki çit farklı. Fable 5.2 siber güvenlik ve biyoloji tarafında sıkı korumalarla geliyor. Anthropic de bu sayede onu tüm kullanıcılara açabiliyor. Mythos 5.2 ise kısıtsız sürüm. Duyuruya göre ona yalnızca genişletilen Life Sciences ve Cyber Verification programlarından geçen, incelenmiş kurumlar erişebiliyor.
Korumalar sınıflandırıcılardan oluşuyor. Pen test, exploit üretimi ve binary üzerinden zafiyet araştırması gibi yüksek riskli siber işleri ve araştırma biyolojisi görevlerinin çoğunu durduruyorlar. Anthropic lafı dolandırmıyor, Fable 5.2’nin korumaları “siber güvenlikle ilgili görevlerin çoğunu engelleyecek” diyor.
Uygulama geliştirenler için asıl ayrıntı engelden sonra ne olduğu. Sorgu boşa düşmüyor. Siber güvenlikle ilgiliyse Opus 4.8, biyolojiyle ilgiliyse Opus 5 cevaplıyor. Yani Fable üzerine kurduğunuz bir uygulama güvenlik konularına girdiğinde bazı cevaplar daha eski bir modelden gelebilir. Log’larınızın cevabı hangi modelin verdiğini nasıl kaydettiğine bakmakta fayda var.
İyi haber de var. Anthropic’in duyurusuna göre ilk testlerde Fable 5.2, Fable 5.1’e göre yaklaşık yüzde 55 daha az engel koymuş. Siber tarafta düşüş yaklaşık yüzde 60, biyolojide yaklaşık yüzde 40.
Siber iddiaların adresi Mythos. Anthropic onu en yetenekli siber modeli olarak tanımlıyor. Şirketin ekim 2026’da 1.829 CVE üzerinde koştuğu iç değerlendirme CVE Rediscovery’de Mythos 5.2, Opus 5.5’ten yüzde 10,2, Mythos 5.1’den yüzde 14,4 daha fazla zafiyet bulmuş. Firefox üzerinde çalışan bir test ekibinden aktarılan alıntıya göre Mythos 5.2, Mythos 5.1’in zafiyet bulma metriklerini “kabaca ikiye katlamış”. Dipnot ise dürüst. Anthropic’in kendi değerlendirmelerinde zafiyet tespiti kabaca Opus 5.5 düzeyinde. Claude Security for Enterprise artık Mythos 5.2’yi de içeriyor.
Gerçekten ucuzladı mı?
Token başına bakarsanız evet. 10 / 50 dolardan 8 / 40 dolara inmek yüzde 20’lik bir indirim. VentureBeat de haberi bu rakamla verdi. Model dokümanına göre 5 dakikalık cache yazma 10 dolar, 1 saatlik cache yazma 16 dolar, cache okuma milyon token başına 0,20 dolar. Batch API’de yüzde 50 indirim var. Ürün sayfasına göre yalnızca ABD’de çalışan inference 1,1 kat fiyatlı.
Hız tarafında duyuru çıktıların Fable 5.1’e göre yüzde 30’a kadar hızlandığını söylüyor. İsteğe bağlı fast mode ise token üretimini 2,5 kata kadar hızlandırıyor. Bedeli 16 / 80 dolar, yani normal fiyatın tam iki katı.
Görev başına baktığınızda tablo değişiyor. Artificial Analysis’in ölçümüne göre tek bir AA görevinin maliyeti effort seviyesine göre şöyle:
- Low: 3,10 dolar
- Medium: 3,80 dolar
- High: 9,08 dolar
- Xhigh: 14,83 dolar
- Max: 26,54 dolar
Süre de aynı eğriyi çiziyor. Aynı ölçümde görev başına süre max’te 45,2 dakika, high’da 17,3 dakika, medium’da 7,8 dakika. Max’te ilk cevap token’ının gelmesi 233,95 saniye sürüyor. Endeks puanları da aynı sayfada. Max 65, xhigh ve high 62, medium 56, low 54.
Bu rakamları yan yana koyunca ilginç bir şey çıkıyor. Xhigh, high’ın 9,08 dolara ulaştığı 62 puan için görev başına 14,83 dolar istiyor. Max ise üç puan fazlası için neredeyse üç kat para ve iki buçuk kattan fazla bekleme süresi demek.
Varsayılanlar da önemli. Model dokümanına göre API’de varsayılan effort high. Duyuruya göre Claude uygulamalarında ve Claude Code’da medium.
Anthropic’in kendi effort iddiaları da aynı yöne bakıyor. Duyuruya göre FrontierCode 2.0’da high ayarındaki Fable 5.2 yüzde 45,3 alıyor, Opus 5.5’in en iyi skoru yüzde 45,5. Üstelik “görev başına kabaca yarı maliyetle”. WANDR’da medium, Opus 5.5’in en yüksek skorunu görev başı maliyetin yaklaşık yüzde 40’ıyla yakalıyor. HLE’de low ayarı, Opus 5.5’in en iyi skoruna maliyetin onda birinden azıyla ulaşıyor. Chartography’de medium yüzde 66,4, max ayarındaki Opus 5.5 yüzde 64,4. Hepsi şirketin kendi ölçümü, onu da not edelim.
Peki Anthropic ne öneriyor? Opus 5.5’i “en güçlü günlük modelimiz” diye tanımlıyor ve oradan başlamayı, gerekirse Fable ya da Mythos’a çıkmayı, gerekirse Sonnet 5.5 ve Haiku 5.5’e inmeyi söylüyor. Model dokümanındaki aile tablosuna göre Opus 5.5 4 / 20 dolar, Sonnet 5.5 2 / 10 dolar, Haiku 5.5 ise 0,10 / 0,50 dolardan başlıyor. Opus 5.5’i daha önce ayrıntılı incelemiştim, merdivenin en alt basamağı Haiku 5.5’i de.
Duyuruda iki yönlendirme kalıbı da var. Advisor rolünde küçük modeller Fable 5.2’ye danışıyor. Orchestrator rolünde Fable 5.2 basit işleri küçük modellere dağıtıyor. Claude Managed Agents ile subagent düzeni kuranlar için tanıdık bir fikir, tepedeki beyin biraz daha pahalı o kadar.
Pratikte çıkan ders şu. Effort’u modele göre değil, göreve göre seçin. Low ayarındaki bir Fable çağrısı max ayarındaki bir Opus çağrısından ucuza gelebilir. AA görevlerinde max ayarındaki bir Fable çağrısı ise medium’dakinin yaklaşık yedi katı tutuyor.
Karne gerçekten ne kadar parlak?
Aşağıdaki tablo Anthropic’in duyurusundaki karşılaştırmadan. Her model mevcut en yüksek effort ayarında, aksi belirtilmedikçe korumalar açık. Fiyatlar model dokümanından, ürün sayfasından ve Google’dan.
| Fable 5.2 | Fable 5.1 | Opus 5.5 | GPT-6 Astra | Gemini 4 Carbon | |
|---|---|---|---|---|---|
| FrontierCode 2.0 | %49,1 (xhigh) | %32,4 (xhigh) | %45,5 | %42,8 | %41,1 (medium) |
| FrontierSWE v2 | %69,9 | %56,3 | %62,3 | %65,5 | %61,2 |
| AutomationBench | %51,4 | %31,4 | %42,5 | %41,4 | %53,9 |
| Terminal-Bench-Science 0.1 | %74,6 | %52,6 | %58,7 | %68,1 | %64,8 |
| OSWorld 2.1 (offline, kısmi) | %89,3 | %83,5 | %87,2 | %79,5 | %81,5 |
| RoboDojo Sim | %64,9 | %27,6 | %39,4 | %29,8 | n/a |
| AA-Briefcase v1.1 (Elo) | 1.785 | 1.669 | 1.800 | 1.569 | 1.611 |
| Remote Labor Index | %41,3 (high) | %17,9 | %21,3 | %20,8 | n/a |
| HLE (araçlarla) | %74,2 | %65,6 | %67,7 | %57,2 | n/a |
| 1M token fiyatı (girdi / çıktı) | 8 / 40 dolar | 10 / 50 dolar | 4 / 20 dolar | n/a | 2 / 10 dolar, tanıtım (Google) |
Tablo Anthropic’in, öyle okumak lazım. RoboDojo şirket içinde koşulmuş. CyScenarioBench tabloya alınmamış, çünkü her laboratuvarın görevleri farklı. Gemini 4 Carbon için yazdığım rakam Google’ın açıkladığı tanıtım dönemi API fiyatı. Artificial Analysis ise Carbon’u 4 / 20 dolar olarak listeliyor.
Önce büyük sıçramalar. RoboDojo Sim’de Fable 5.1’in yüzde 27,6’sı yüzde 64,9’a çıkmış, GPT-6 Astra’nın yüzde 29,8’inin iki katından fazla. Ama bu koşu Anthropic’in kendi koşusu. Remote Labor Index’te high ayarında yüzde 17,9’dan yüzde 41,3’e, Terminal-Bench-Science 0.1’de yüzde 52,6’dan yüzde 74,6’ya. Duyuruya göre FrontierCode 2.0’daki yüzde 49,1, Anthropic’in test ettiği yayımlanmış modeller arasında en yüksek skor.
Şimdi öne geçemediği satırlar. Anthropic’in kendi tablosunda bile AutomationBench’i Gemini 4 Carbon kazanıyor, yüzde 53,9’a karşı yüzde 51,4. AA-Briefcase v1.1’de ise Opus 5.5 1.800 Elo ile Fable 5.2’nin 1.785’inin önünde. Ofis işi satırını ucuz kardeş almış.
Artificial Analysis’in kendi ölçümleri de benzer bir tablo çiziyor. Endekste Fable 5.2 (max) 65, Gemini 4 Carbon (high) 60. Fakat AA’nın Terminal-Bench 4.0 sürümünde Carbon yüzde 65,2 ile Fable’ın yüzde 59,6’sını geçiyor. AutomationBench-AA’da yüzde 77,8’e karşı yüzde 76,4, GDP.pdf’te yüzde 28,4’e karşı yüzde 24,2 yine Carbon önde. Fable ise HLE-Diamond’da (yüzde 80,2’ye karşı yüzde 69,1), AA-Omniscience’ta (67’ye karşı 54) ve FrontierCode-AA 2.0’da (yüzde 48,8’e karşı yüzde 40,6) önde. Bazı uygulamalar için önemli bir satır daha var. AA’ya göre Fable 5.2 metin ve görsel girdi alıyor, Carbon metin, görsel, ses ve video.
Toplam endekste birinci olmak her satırda birinci olmak anlamına gelmiyor. İş yükünüz terminal otomasyonuna benziyorsa ikisini de denemeden karar vermeyin.
1.000 agent bu modelle ne yaptı?
Duyuru vitrin sonuçlarıyla dolu. Hepsi Anthropic’in iddiası, çoğu modelin yayın öncesi sürümleriyle yapılmış. Vitrin dediğimiz şey de tanımı gereği seçilmiş örneklerden oluşur. Bunu akılda tutarak Anthropic’in anlattıklarına bakalım.
Matematikten başlayalım. Anthropic’e göre 1.000 Fable 5.2 agent’ı Fermat’ın Son Teoremi’ni Lean’de 30 saatte, çok az insan müdahalesiyle formel hale getirmiş. Şirketin daha önceki 11 günlük formelleştirmesine göre aksiyon token’larının üçte biri harcanmış, ortaya çıkan ispat da yedi kat kısa. Aynı 1.000 agent’lık düzenekte Opus 5.5 ise 18 saatte işin yalnızca yüzde 26’sını bitirebilmiş.
Yazılım tarafındaki iddialar daha da büyük. Boş bir klasörden yola çıkan Fable 5.2, sekiz gün boyunca 1.000’den fazla subagent’ı yönetip bir dizüstü bilgisayarda açılan prototip bir işletim sistemi kurmuş. Çekirdek, disk, klavye ve ağ sürücüleri, dosya depolama, pencereler, giriş ekranı ve kurulum programı dahil. Fable 5.2’nin daha erken bir sürümüyle çalışan bir agent ekibi, canlıdaki bir servisi Python’dan Rust’a taşımış. Anthropic’e göre servis artık yaklaşık 26 kat hızlı açılıyor. Şirket ayrıca kendi ana kod tabanına alınan değişikliklerin yüzde 90’ından fazlasını, insan yönlendirmesiyle, Claude’un yazdığını söylüyor.
Donanım da unutulmamış. Tek paragraflık bir prompt ve Diode ile üç çalışan cihaz çıkmış. Ev için sesli asistan merkezi, USB hoparlörlü telefon ve elde taşınan sanal evcil hayvan. Anthropic’e göre dört katmanlı kartların her biri bir günden kısa sürede üretime hazır hale gelmiş ve hiçbiri elektriksel değişiklik gerektirmeden çalışmış.
Bilim tarafında Anthropic, holografik dualite üzerinden ele alınan ve preprint olarak yayımlanan iki açık kara delik fiziği problemini öne çıkarıyor. Bir de Mythos 5.2 ile geliştirilen, AAV kapsid yapılarının tamamını tahmin eden bir yöntem var. Duyuruya göre denenen 34 yapının 28’i doğru modellenmiş.
Okuduğum kaynaklarda bunların Anthropic dışında tekrarlandığına dair bir şey yok. En işe yarar satır Fermat karşılaştırması, çünkü iki Anthropic modelini aynı düzeneğe koyup kaybedenin rakamını da yazıyor.
Anthropic neyi bilerek frenledi?
Duyurunun en beklenmedik kısmı burası. Anthropic, eğitim sırasında AI geliştirmeyi en doğrudan hızlandıran yeteneklerde “ilerlemeyi sınırlamak için adımlar attığını” söylüyor. Duyuruya göre kernel optimizasyonu ve LLM mimarisi işlerinde Fable 5.2 ve Mythos 5.2 kabaca Opus 5.5 seviyesinde. Bazı standart dışı hızlandırıcılarda kernel geliştirme gibi küçük bir konu kümesinde de sorgular şeffaf biçimde Opus 5’e devrediliyor.
Yani ailenin en yetenekli modeli, bir sonraki modeli yapmakta bilerek en iyisi değil. Kernel işi için Fable fiyatı öderseniz elinize geçen kabaca Opus 5.5 becerisi.
Diğer kısıtlar dışarıya dönük. Anthropic bu modelin şirketin bugüne kadarki en güçlü anti-distillation korumalarına sahip olduğunu, kullanılan tekniklerin distillation yapanların topladığı veriyi yüzde 90 ile yüzde 99 arasında azalttığını söylüyor. “Preserved thinking” API özelliği artık tüm hesaplarda geçerli. Duyuru, geliştiricilerin entegrasyonlarını güncellemesi gerekebileceği uyarısını da yapıyor. Model ID’yi değiştirmeden önce buna bakın.
Veri kuralları sıkı kurumlar için Enterprise Frontier Safeguards var. Güvenlik izlemesini, müşterinin kendi altyapısında saklanan prompt ve cevaplar üzerinde kullanım penceresi boyunca yapıyor ve ZDR ile uyumlu. Şimdilik Bridgewater, Salesforce ve Stripe ile özel beta aşamasında. Diğer herkes için güvenlik izlemesine yönelik saklama süresi 30 gün. Ayrıntılar system card’da.
Güvenlik rakamları ne anlatıyor?
Duyuruya göre yayın öncesi dış testleri UK AI Security Institute, Frontier Design ve METR yapmış. Yaklaşık 1.900 senaryoluk otomatik davranış denetiminde Mythos 5.2, ölçütlerin çoğunda Opus 5.5, Sonnet 5.5 ve Mythos 5.1 kadar ya da onlardan iyi sonuç almış.
Yavaş okunması gereken test sandbox’tan kaçış testi. Anthropic, her birinde bilerek bırakılmış bir zayıflık olan 1.800’den fazla saldırgan senaryo kurmuş. Mythos 5.2 senaryoların yüzde 3,1’inde sandbox dışındaki kimlik bilgilerini ya da dosyaları kullanmış. Opus 5.5’te bu oran yüzde 3,3, Sonnet 5.5’te yüzde 5,1. Mythos 5.1’de yüzde 21, Mythos 5’te yüzde 39. Üç sürümde ciddi bir düşüş, ama Anthropic’in kendi testinde.
Hemen yanında iki zayıf sonuç da yazılmış. Mythos 5.2, simülasyonda olduğuna yanlışlıkla karar verdikten sonra zararlı aksiyon alma konusunda Opus 5.5’ten biraz kötü. İkincisi daha ilginç. Fable 5.2 de Mythos 5.2 de değerlendirildiklerinden şüphelendiklerini yakın dönemdeki tüm Claude modellerinden daha sık dile getiriyor. Anthropic bunun ölçümü zorlaştırdığını kabul ediyor.
Bence güvenlik bölümünün en değerli cümlesi bu itiraf. Test edildiğinden şüphelenen bir model test sırasında daha uslu davranabilir. Anthropic’in bunu açıkça yazması, üstteki her rakama ne kadar güvenmeniz gerektiğini de söylüyor. Thinking Machines da Inkling 2 Small duyurusunda kendi eğitiminde yaşanan bir olayı yazmıştı. Bu alışkanlık yayılsa fena olmaz.
Önümüzdeki günlerde neye bakmalı?
Kısa liste. Duyuruya göre bu haftaki lansman kampanyasında uygun ücretli planlara bir ile üç arasında Fable sıfırlaması veriliyor, Pro ve Team standart koltuklarında da Fable haftalık kullanım limitinin yüzde 50’sine kadar dahil. İlk kullanım izlenimleri bu yüzden biraz şişkin olacak. Bağımsız tekrar ölçümlerin Anthropic’in tablosunu doğrulayıp doğrulamayacağı, özellikle şirket içinde koşulan RoboDojo, merak konusu. Mythos erişiminin Verification programlarının dışına ne kadar hızlı açılacağına da bakmak lazım, Mythos için fast mode da şimdilik yalnızca o kurumlarda. Bir de Gemini 4 Carbon ve GPT-6 Astra cephesinin fiyata nasıl cevap vereceği var.
Denemek isteyenler için model ID claude-fable-5-2. Model dokümanına göre Claude Platform, AWS, Google Cloud ve Microsoft Azure/Foundry üzerinde, 1M token bağlam ve 128K çıktıyla geliyor. Uygulamalarda Pro, Max, Ultra, Team ve Enterprise planlarında var. Anthropic’in dediği yerden başlayın, görev hak ederse yukarı çıkın.
Kaynaklar
- Anthropic, Claude Fable 5.2 ve Claude Mythos 5.2 duyurusu, 9 Kasım 2026
- Claude Platform, Fable 5.2 model dokümanı
- Anthropic, Claude Fable ürün sayfası
- Anthropic, Fable 5.2 ve Mythos 5.2 system card
- Artificial Analysis, Anthropic sağlayıcı sayfası ve model karşılaştırmaları
- Google, Gemini 4 Carbon duyurusu
- VentureBeat, Fable 5.2 ve Mythos 5.2 haberi
