VMTech
Razgovarajmo →

Claude Fable 5.2 ostvario 76,3% na sajber benchmarku

Claude Fable 5.2 ostvario 76,3% na sajber benchmarku

Anthropic je objavio modele Claude Fable 5.2 i Claude Mythos 5.2, uz tvrdnju o napretku u programiranju, rezonovanju i radu sa slikama. Na Irregularovom testu CyScenarioBench, Claude Fable 5.2 rešio je 76,3% svih izazova, dok su Claude Fable 5.1 ostvario 61,7%, a OpenAI GPT-6 Cyber 61%.

CyScenarioBench meri da li model može da planira i izvrši višefaznu sajber-operaciju u realističnom okruženju. Rezultat stavlja Fable 5.2 ispred navedenih konkurenata na ovoj konkretnoj evaluaciji, ali istovremeno pokazuje zašto su sposobnosti modela za bezbednosne zadatke sve važnije za procenu rizika i kontrolu pristupa.

Rezultati na testovima sajber sposobnosti

Fable 5.2 je ostvario 89,6% na Anthropicovom internom benchmarku CVE Rediscovery. Test procenjuje može li model samostalno da ponovo otkrije poznate ranjivosti kada dobije samo pogođeni izvorni kod, a obuhvata 1.829 upozorenja za projekte otvorenog koda objavljenih u oktobru 2026.

Anthropic Claude Mythos 5.2 naziva svojim najsposobnijim modelom za sajber-bezbednosni inženjering. Kompanija navodi da model može da označi više ranjivosti od ranijih verzija, uz poboljšanja u njihovoj reprodukciji i otklanjanju. Te mogućnosti ostaju dostupne kroz Cyber Verification Program.

Irregular je zasebno naveo da je GPT-6 Cyber najmanje jednom završio svih 11 scenarija dugog trajanja, uz prosečnu stopu uspeha od 61%. Na skupu Atomic Challenges rešio je svih 22 izazova, sa prosekom od 97% u istraživanju i eksploataciji ranjivosti, 98% u simulaciji mrežnih napada i 63% u izbegavanju detekcije.

Kontrole zloupotrebe i alati za timove

U sistemskoj kartici Anthropic navodi da je Fable 5.2 bez podsticaja bio približno deset puta ređe sklon objavljivanju štetnog sadržaja u javnim registrima paketa od modela Opus 5.5 i Sonnet 5.5. Kompanija takođe navodi da je model to ipak radio kada ga je na to podstakao simulirani korisnik.

Claude Fable 5.2 dostupan je na svim platformama, uključujući Amazon Web Services, Google Cloud i Microsoft Azure. Anthropic je istovremeno ažurirao Claude Security kontinuiranim skeniranjem koda i automatskim praćenjem ispravki. Svaki nalaz dobija ocenu ozbiljnosti prema modelu pretnji projekta i objašnjenje puta kojim napadač može da dođe do ranjivog koda.

Širi kontekst daje i slučaj u kome istraživači su koristili Claude za napad na OpenAI pokazuje kako se ofanzivne sposobnosti modela mogu koristiti u stvarnim bezbednosnim eksperimentima. Za poslovanje je praktičan zaključak da rezultate benchmarka treba posmatrati zajedno sa ograničenjima pristupa, proverom upotrebe, procenom izloženosti koda i jasnim redosledom saniranja stvarno dostupnih ranjivosti.

#cybersecurity#artificialintelligence#vulnerabilitymanagement#securityengineering
Otvorena analitika
Na sajtu 3 pregleda
min čitanja 3 10.11.2026
Instagram

Claude Fable 5.2 ostvario 76,3% na sajber benchmarku

Otvorite objavu na Instagramu ↗