Claude Fable 5 - агентите порастват, но с каишка
MODEL: Claude Fable 5
CLASS: Mythos-level
FOCUS: long-horizon agentic work
RISK: more autonomy = more control
Anthropic пуснаха Claude Fable 5 и това не е просто поредният модел с по-лъскава витрина и още няколко процента в benchmark таблиците.
Тук вече говорим за друго животно.
Не чатбот, който чака да го побутнеш след всяко изречение.
Не дигитален папагал, който връща красиво подреден текст.
А модел, проектиран да работи сам, дълго, на етапи, с проверки по пътя и с достатъчно капацитет да се държи повече като агент, отколкото като асистент.
И точно там започва интересното.
Защото колкото по-самостоятелен става един AI, толкова по-дебела става каишката около врата му.
Какво реално е Claude Fable 5
Fable 5 е част от новия Mythos-class слой на Anthropic - клас над Opus.
Това е важно, защото досега Opus беше "големият брат" в семейството на Claude. Сега вече има по-горен етаж.
Идеята не е просто моделът да мисли по-добре.
Идеята е да издържа на дълги задачи.
- софтуерна миграция
- анализ на големи документи
- работа с инструменти
- дълги agentic workflow-и
- проекти, които не се решават с един prompt и едно "ето ти отговора"
Fable 5 е направен за работа, при която моделът трябва да планира, да пази контекст, да проверява себе си и да довършва процес.
Това е голямата промяна:
отговорът вече не е продуктът - процесът е продуктът.
Цената казва всичко
Цената е $10 за милион входни токена и $50 за милион изходни токена.
Това не е цена за "дай ми смешен статус за Facebook".
Това е цена за работен кон.
Anthropic ясно позиционират модела: Fable 5 не е играчка за безцелно чатене. Той е инструмент за скъпи, дълги, професионални задачи, където грешката може да струва повече от самите токени.
С други думи:
Ако го ползваш за глупости, ще плащаш като за Ferrari, за да ходиш до кварталния магазин за хляб.
Claude Managed Agents - харнесът за дълги задачи
Заедно с Fable 5 идва и Claude Managed Agents - инфраструктура за дълготрайни агентни задачи.
Преведено на човешки:
пускаш задача, агентът работи в управлявана среда, използва инструменти, пази състояние и може да изпълнява по-дълъг процес без постоянно да го дърпаш за ръкава.
На теория това звучи прекрасно:
вечерта му даваш задача, сутринта гледаш резултата.
На практика ще видим колко често "сутринта има резултат" и колко често "сутринта има красиво подреден хаос с уверено написан доклад".
AI светът обича да продава магия, но системният администратор в мен още държи фенерче и отвертка.
Advisor моделът - тихата революция
Това е най-интересната част от цялата архитектура.
Fable 5 може да се използва като съветник в процеса - по-евтини и по-бързи модели вършат черната работа, а по-умният модел се вика в ключови моменти, за да провери плана, посоката или резултата.
Тук няма нищо случайно.
Това не е просто функция.
Това е архитектура.
Представи си го така:
- евтиният модел копае
- бързият модел сортира
- агентът изпълнява
- скъпият модел минава като бригадир и казва: "Тази стена не е права, момчета."
Икономически това може да се окаже бъдещето на агентните системи:
90% евтин труд, 10% скъп контрол.
Не най-умният модел да прави всичко.
А най-умният модел да се появява точно когато има смисъл.
Това е по-близо до реална организация на труд, отколкото до класически chatbot модел. И може би точно там е големият скок - не само в самия AI, а в начина, по който AI системите ще бъдат подреждани като екипи.
Каишката: класификатори, откази и fallback
Сега идва частта, която за нашата секция е най-вкусна.
Fable 5 идва със safety classifiers - отделни системи, които следят за потенциално опасни заявки.
Особено в области като:
- киберсигурност
- биология
- химия
- опити за заобикаляне на ограничения
- заявки, които могат да отключат реални offensive capabilities
Тук има важна техническа подробност.
При определени заявки проблемът не е просто, че моделът "не иска" да отговори. Заявката може да бъде засечена от класификатор преди да стигне до реалния работен поток.
Има и fallback поведение - част от заявките в чувствителни области могат да бъдат пренасочени към друг Claude модел, например Opus 4.8, според настройките и достъпа.
Това звучи удобно, но има уловка.
Ако работиш по легитимна задача, която мирише на "опасна" за класификатора, трябва да си проектираш workflow-а така, че да оцелява при такива откази.
Това вече е сериозно.
Не говорим само за prompt engineering.
Говорим за архитектура на работа.
30 дни задържане на данни - договорът под капака
Другата голяма промяна е data retention.
Claude Fable 5 и Mythos-class моделите идват с 30-дневно задържане на данни.
Anthropic казват, че това не е за обучение на нови модели, а за откриване на сериозни злоупотреби, jailbreak-и, опасни модели на поведение и false positive случаи.
От гледна точка на сигурността това има логика.
Но от гледна точка на потребителя е символично.
Най-мощните публични модели вече не идват просто с API key.
Идват с условия.
Идват с наблюдение.
Идват с договор.
Това не е AI без граници.
Това е AI с пропускателен режим.
Какво означава това за OSINT, инфраструктура и сигурност
За хората, които се занимават с OSINT, инфраструктура, blue team анализи, фишинг разследвания, логове, IOC-и и реална киберзащита, въпросът не е философски.
Въпросът е практичен:
Какво става, когато напълно легитимна заявка удари класификатора?
Пример:
анализираш фишинг кампания, проверяваш подозрителен payload, описваш техника на атака, искаш defensive breakdown, а системата решава, че си прекалено близо до червената зона.
Тогава вече не е достатъчно да имаш добър prompt.
Трябва да имаш добра архитектура.
Трябва да мислиш за:
- fallback към друг модел
- логика за откази
- разделяне на задачите на безопасни етапи
- ясно defensive намерение
- audit trail
- минимизиране на чувствителните данни
- контрол върху това какво изобщо пращаш към модела
Това е новият терен.
Не само "как да накарам AI да ми помогне".
А:
как да направя AI workflow, който не се чупи при първия classifier.
Голямата картина
Ерата на "по-умен чатбот" приключва.
Сега влизаме в ерата на агентите - системи, които могат да работят по-дълго, да използват инструменти, да проверяват резултати и да участват в реални процеси.
Но има цена.
Колкото повече агентът може да направи, толкова повече някой ще иска да го контролира.
И честно казано - това не е заговор.
Това е инженерна логика.
Модел, който може сам да работи часове по киберзадачи, е dual-use инструмент по дефиниция.
Може да бъде помощник на защитника.
Може да бъде и отвертка в ръката на грешния човек.
Същата отвертка, между другото, може да ремонтира шкаф или да отвори чужда врата.
Инструментът не е морален.
Контекстът е.
Финалът
Claude Fable 5 е важен не защото е "още един по-умен модел".
Важен е, защото показва посоката:
AI агентите порастват. Но няма да ги пуснат да тичат без каишка.
За нас това означава едно - трябва да свикнем да мислим не само като потребители на AI, а като архитекти на AI процеси.
Prompt-ът вече не е достатъчен.
Workflow-ът е новият prompt.
Контролът е новата сигурност.
А логовете, както винаги, ще кажат кой е бил прав.
Коментари, въпроси и реален опит с API-то - долу.
Особено ако някой вече е ударил classifier с напълно легитимна defensive заявка. Там ще стане най-интересният разговор.
Автор: Тони Ангелчовски | Ексклузивно за DTGaraGe 
Копирането и препубликуването без разрешение не е позволено 
Подкрепи проекта: https://dtgarage.eu/donate