Anthropic เปิดตัว Fable 5.1 และ Mythos 5.1 เน้นรัน Agent งานยาวให้คุ้มขึ้น
Anthropic เปิดตัว Fable 5.1 และ Mythos 5.1 อัปเดตที่เน้นให้รัน agent งานยาวได้คุ้มค่ากว่าเดิม ต้นทุนงาน agentic ถูกลงถึง 45% พร้อมคะแนน Terminal-Bench-Science 0.1 ที่สูงกว่า Fable 5 เกินสองเท่า
โดย ณัฐพล ยงค์ไพบูลย์ผู้ร่วมก่อตั้งกลุ่ม Claude Thailand Community
Anthropic เปิดตัว Fable 5.1 และ Mythos 5.1 โมเดลรุ่นเดียวกันแต่ต่างระดับมาตรการป้องกัน โดย Fable 5.1 เปิดให้ใช้งานทั่วไป ส่วน Mythos 5.1 จำกัดไว้สำหรับผู้เชี่ยวชาญด้านไซเบอร์และวิทยาศาสตร์ชีวภาพที่ผ่านการตรวจสอบผ่านโปรแกรม trusted access เท่านั้น
อัปเดตรอบนี้เน้นให้รัน agent ทำงานยาว ๆ แบบไม่มีคนคอยดูตลอดได้คุ้มค่าขึ้น ทั้งเรื่องความแม่นยำและต้นทุน
Fable 5.1 ชนะ Fable 5 ขาดลอย
กราฟผลทดสอบ Terminal-Bench-Science 0.1 (เบนช์มาร์กงานวิจัยแบบ agentic) เทียบคะแนนกับต้นทุนต่องานที่ทุกระดับ reasoning effort (ระดับที่ตั้งให้โมเดลคิดนานแค่ไหนก่อนตอบ ไล่จาก low ถึง max) แสดงให้เห็นว่า
- Fable 5.1 ที่ effort ต่ำสุด (ต้นทุนราว 11 ดอลลาร์ต่องาน) ยังทำคะแนนได้สูงกว่า Fable 5 ที่ effort สูงสุด (ต้นทุนราว 43 ดอลลาร์ต่องาน) คือถูกกว่าและแม่นกว่าพร้อมกันในทุกจุดของกราฟ
- คะแนนสูงสุดที่ effort max: Fable 5.1 ได้ 52.6% เทียบกับ Fable 5 ที่ 24.7% สูงกว่าเกินสองเท่าตัว
ต้นทุนงาน agentic ยาว ๆ ถูกลงถึง 45%
Anthropic ปรับราคา cache read ลง 75% จาก 1 ดอลลาร์เหลือ 0.25 ดอลลาร์ต่อล้าน token โดยราคา input/output token ยังคงเท่าเดิม (10 และ 50 ดอลลาร์ต่อล้าน token ตามลำดับ) ผลคือ
- งาน agentic ที่รันยาว ๆ ต้นทุนโดยรวมถูกลงได้ถึง ประมาณ 45%
- งานทั่วไปถูกลงราว 25%
ฝั่งความปลอดภัยและ Mythos 5.1
ด้านความปลอดภัยไซเบอร์ Anthropic ระบุว่าการแจ้งเตือนผิดพลาด (false positive) ลดลง 60% หมายความว่าผู้ใช้ Claude Code จะเจอโมเดลหยุดทำงานกลางคันเพื่อขอให้ยืนยันน้อยลงระหว่างรันงานยาว ๆ โดยเฉลี่ยลดลงราว 60% ต่อ session
ส่วน Mythos 5.1 ทำคะแนน Terminal-Bench 4.0 ได้ 60.9% ที่ effort สูงสุด และ Anthropic ระบุว่ามัน align ดีกว่า Mythos 5 ในเกือบทุกตัวชี้วัด โดยเฉพาะมีโอกาสน้อยลงที่จะพยายามเข้าถึงทรัพยากรนอกสภาพแวดล้อมทดสอบเมื่อได้รับงานที่ทำไม่ได้จริงตามที่กำหนด ซึ่งสำคัญมากเมื่อปล่อยให้ agent ทำงานเองเป็นเวลานาน
มุมมองจากผู้เขียน
จุดที่ผมสังเกตคือรอบนี้ Anthropic โชว์เรื่องต้นทุนต่องานหนักกว่ารุ่นก่อน ๆ ไม่ใช่แค่โชว์คะแนนสูงสุดอย่างเดียว น่าจะเพราะรู้ว่าคนเริ่มปล่อยให้ Claude รันงาน agentic นาน ๆ มากขึ้นเรื่อย ๆ ต้นทุนสะสมจึงเริ่มสำคัญกว่าคะแนนดิบเพียงอย่างเดียว การที่กราฟเทียบทุกระดับ effort แทนที่จะโชว์แค่ตัวเลขสูงสุดตัวเดียว ก็ช่วยให้คนที่ต้องคุมงบเห็นภาพจริงว่าควรตั้ง effort ระดับไหนถึงจะคุ้มที่สุดสำหรับงานของตัวเอง
ข้อมูลในบทความนี้อ้างอิงจากประกาศอย่างเป็นทางการของ Anthropic ที่ anthropic.com อ่านต้นทางได้ที่ลิงก์ด้านล่าง
รับข่าวสารทางอีเมล
บทความใหม่ ข่าวอัปเดตเกี่ยวกับ Claude และประกาศกิจกรรมของชุมชน ส่งให้เป็นครั้งคราว ไม่ถี่จนรำคาญ