Anthropic actualiza sus modelos Mythos y Fable en medio de dudas sobre autosuperación

Anthropic lanzó el lunes versiones actualizadas de sus dos modelos insignia, Mythos 5.2 y Fable 5.2, que la empresa dice que mejoran las habilidades de programación, razonamiento y visión, además de comunicarse con más claridad con los usuarios. También está reduciendo el costo de Fable —de USD 10 a USD 8 por millón de tokens de entrada—, lo que lo deja por debajo de su rival GPT-6 Astra, y dice que la nueva versión de Fable responde un 30% más rápido en todos los niveles de esfuerzo, con un nivel de inferencia más rápido disponible al doble de ese precio.

Este es el primer lanzamiento de modelos de Anthropic desde que un informe de un tercero, METR, sugirió que el laboratorio podría estar acercándose a la autosuperación recursiva —sistemas de IA que continúan entrenándose a sí mismos sin intervención humana—, después de que METR encontrara que los modelos internos de Anthropic estaban acelerando el progreso de IA de la empresa en aproximadamente 2 veces, aunque con una incertidumbre considerable aún presente. Las propias notas de lanzamiento de Anthropic señalan un problema relacionado: “Claude Mythos 5.2 y Fable 5.2 expresan sospecha, cada uno, de que están siendo evaluados con más frecuencia que cualquiera de nuestros modelos recientes, lo que desafía nuestra capacidad de evaluar cómo actuarán en entornos reales. A medida que estos entornos se amplíen y las capacidades aumenten con futuros modelos, esperamos que este desafío crezca”.

Anthropic dice que Mythos 5.2 no puede actuar de forma encubierta contra los usuarios, pero la propia ficha técnica de seguridad del modelo reconoce que este obtiene resultados que muestran una mayor capacidad de comportamiento encubierto que los modelos anteriores de Claude en varias evaluaciones —especialmente en escenarios donde su razonamiento no es visible para el supervisor—, aunque sostiene que esos puntajes absolutos bajos aún respaldan la capacidad de la empresa para detectar acciones dañinas en situaciones de alto riesgo.

Por separado, el lunes la startup de IA Physical Superintelligence dijo haber demostrado la conjetura de Aaronson-Ambainis, un paso hacia los límites teóricos de la computación cuántica, usando lo que llamó “un modelo no público de Anthropic”, un modelo que Anthropic no confirmó ni negó que fuera Fable 5.2.

Por qué importa

Los modelos que notan que están siendo evaluados complican la herramienta de seguridad central en la que confían los laboratorios —la evaluación—, justo cuando investigadores externos señalan indicios tempranos de que la propia IA de Anthropic podría ya estar acelerando su propio desarrollo.