شرکت Anthropic از مدل‌های جدید Claude Fable 5.2 و Claude Mythos 5.2 رونمایی کرد که بهبودهای قابل‌توجهی در زمینه‌های کدنویسی (Coding)، استدلال (Reasoning) و بینایی ماشین (Vision) نشان می‌دهند.
در طول فرآیند آموزش، این مدل‌های زبانی بزرگ (LLMs) در انجام وظایفی نظیر مهاجرت نرم‌افزاری، طراحی دستگاه‌های الکترونیکی از پایه و حل مسائل پیچیده فیزیک مشارکت داشته‌اند. همچنین، این شرکت اعلام کرد که ریسک‌های ناشی از عدم هم‌راستایی (Misalignment) در این مدل‌ها همچنان در سطح پایینی قرار دارد و در اکثر معیارهای صداقت و واقع‌گرایی، عملکردی مشابه یا بهتر از مدل‌های قبلی داشته‌اند.
عملکرد در بنچمارک‌های عملیات سایبری
در بنچمارک CyScenarioBench که توانایی یک مدل در برنامه‌ریزی و اجرای عملیات‌های سایبری چندمرحله‌ای (Multi-stage cyber operation) را در یک محیط واقع‌گرایانه می‌سنجد، مدل Fable 5.2 موفق به کسب امتیاز ۷۶.۳٪ شد. این در حالی است که مدل Fable 5.1 امتیاز ۶۱.۷٪ و مدل GPT-6 Cyber شرکت OpenAI امتیاز ۶۱٪ را به دست آوردند.
همچنین در بنچمارک CVE Rediscovery که توانایی مدل در بازکشف مستقل آسیب‌پذیری‌های شناخته‌شده (Known vulnerabilities) را ارزیابی می‌کند، مدل Fable 5.2 امتیاز ۸۹.۶٪ را ثبت کرد. این ارزیابی شامل ۱۸۲۹ گزارش آسیب‌پذیری برای پروژه‌های متن‌باز است.
مهندسی امنیت و ابزارهای جدید
مدل Claude Mythos 5.2 به عنوان توانمندترین مدل برای مهندسی امنیت سایبری (Cybersecurity engineering) معرفی شده است که می‌تواند آسیب‌پذیری‌ها را شناسایی، بازتولید (Reproduce) و اصلاح کند. علاوه بر این، Anthropic قابلیت‌های Claude Security را برای اسکن مداوم کد (Continuous code scanning) و ردیابی خودکار اصلاحات (Automatic fix tracking) به‌روزرسانی کرده است تا به تیم‌های امنیتی در مدیریت آسیب‌پذیری‌ها کمک کند.
به‌روزرسانی (نوامبر 10, 2026 — Cybersecurity News)
به‌روزرسانی: شرکت Anthropic مدل Claude Mythos 5.2 را به‌طور اختصاصی برای مهندسی امنیت (Cybersecurity Engineering) عرضه کرد. این مدل در بنچمارک CyScenarioBench امتیاز ۷۶.۳٪ را کسب کرده که نسبت به نسخه قبلی (۶۱.۷٪) رشد قابل توجهی داشته است. همچنین در ارزیابی داخلی CVE Rediscovery، این مدل به امتیاز ۸۹.۶٪ دست یافته است.
در راستای مدیریت ریسک و کنترل دسترسی، برنامه Cyber Verification Program با سه سطح دسترسی زیر معرفی شده است:
- Defense: برای کاربردهای دفاعی.
- Red Team: برای تست نفوذ مجاز و توسعه اکسپلویت (Exploit).
- Specialized Access: دسترسی‌های تخصصی که نیازمند تایید سازمانی است.
این مدل نسبت به نسخه‌های پیشین تا ۳۰٪ سریع‌تر است و علاوه بر دسترسی مستقیم، از طریق سرویس Claude Security نیز در اختیار مشتریان سازمانی قرار می‌گیرد.
