Claude Fable 5 od Anthropic – ceny API i możliwości

Claude Fable 5 od Anthropic – możliwości, ceny API i różnice vs Mythos 5

9 czerwca 9 czerwca 2026 roku Anthropic udostępnił Claude Fable 5 — model, który firma wprost nazywa najsilniejszym w swojej historii [1]. Nie mylić z grą Fable od Playground Games ani żadnym produktem Xboksa — to model językowy klasy Mythos, zaprojektowany do najtrudniejszych zadań z zakresu kodowania, analizy danych i wielodniowej pracy agentowej.

Fable 5 zastępuje Claude Opus 4.8 na pozycji głównego modelu Anthropic. Benchmarki pokazują wyraźną przewagę niemal we wszystkich mierzonych obszarach [1]. Obsługuje okno kontekstowe wynoszące 1 milion tokenów, maksymalna długość pojedynczej odpowiedzi sięga 128 000 tokenów, a data odcięcia wiedzy to styczeń 2026 roku [2].

Poniżej znajdziesz konkretne informacje o możliwościach modelu, cenach API i różnicach względem siostrzanego Claude Mythos 5.

Czym jest Claude Fable 5 – klasa Mythos i możliwości

Claude Fable 5 to publicznie dostępna odmiana modelu klasy Mythos — najwyższej kategorii w hierarchii Anthropic, stworzonej do najtrudniejszych, wieloetapowych zadań, przy których poprzednie klasy (Sonnet, Haiku, Opus) wyraźnie traciły przewagę. To nie kolejna iteracja Opusa — to nowa kategoria możliwości.

Czym jest klasa modeli Mythos i co ją wyróżnia?

Mythos to nowa klasa modeli Anthropic, wyraźnie powyżej dotychczasowej hierarchii Haiku → Sonnet → Opus. Jej cechą definiującą jest zdolność do pracy autonomicznej przez dni, nie godziny — planowania wieloetapowego, delegowania zadań do sub-agentów i samodzielnego weryfikowania własnej pracy [5].

Poprzednie klasy Claude koncentrowały się na szybkości i koszcie (Haiku), zrównoważonej wydajności (Sonnet) lub złożonym rozumowaniu (Opus). Mythos przesuwa poprzeczkę jakościowo wyżej: model obsługuje projekty, które wcześniej były poza zasięgiem jakiegokolwiek ogólnodostępnego modelu — duże migracje kodu, wielodniowe sesje analityczne, badania naukowe wymagające ciągłości kontekstu [1][5].

Fable 5 jest publicznie dostępną wersją modelu Mythos, z warstwą klasyfikatorów bezpieczeństwa. Siostrzany Claude Mythos 5 to ta sama architektura bazowa — ale z częściowo zdjętymi ograniczeniami, dostępna wyłącznie dla wybranych partnerów w ramach Project Glasswing [1][3].

Jakie są główne parametry techniczne Claude Fable 5?

Liczby są konkretne: okno kontekstowe wynosi 1 milion tokenów wejściowych, maksymalna długość odpowiedzi to 128 000 tokenów, a data odcięcia wiedzy to styczeń 2026 roku [2]. Dla zadań wymagających przetwarzania w USA dostępne jest wnioskowanie US-only w cenie 1,1× standardowej stawki [5].

Milion tokenów wejściowych oznacza możliwość załadowania kilkuset stron dokumentów, dziesiątek tysięcy linii kodu lub całych baz wiedzy w jednym wywołaniu — bez przycinania kontekstu między etapami pracy [5]. Ta pojemność wprost umożliwia autonomiczne, wielodniowe sesje agentowe.

Wbudowane klasyfikatory bezpieczeństwa automatycznie filtrują zapytania z obszarów CBRN (cyberbezpieczeństwo, biologia, chemia) i przy dopasowaniu przekierowują sesję do Claude Opus 4.8. Anthropic podaje, że fałszywe alarmy zdarzają się w mniej niż 5% sesji — ponad 95% sesji działa na pełnym modelu bez żadnych przekierowań [1][6].

Dla zdecydowanej większości zastosowań biznesowych klasyfikatory pozostają niewidoczne. Ograniczenia zaczynają mieć znaczenie dopiero w bardzo specyficznych obszarach.

Jak Fable 5 wypada na benchmarkach?

Na SWE-bench Pro Fable 5 osiągnął wynik wyższy niż Claude Opus 4.8 oraz inne testowane modele frontier [6]. Szczegółowe wartości procentowe dla poszczególnych modeli nie zostały potwierdzone w dostępnych źródłach [do weryfikacji]. To przewaga ponad 11 punktów procentowych nad poprzednim flagowcem Anthropic.

Na Cognition FrontierCode — benchmarku oceniającym jakość kodu produkcyjnego — Fable 5 zajął pierwsze miejsce wśród modeli frontier, nawet przy średnim poziomie wysiłku obliczeniowego [1]. Na Hebbia Finance Benchmark, testującym rozumowanie na poziomie senior analityka finansowego, również wyprzedził wszystkie testowane modele AI [1].

Potwierdzenia z branży są konkretne. Michael Truell, CEO Cursor, stwierdził, że Fable 5 osiąga wyniki state-of-the-art na wewnętrznym CursorBench dla zadań programistycznych [1]. Mario Rodriguez, CPO GitHub, pochwalił autonomię i niezawodność modelu przy długohoryzontalnych sesjach kodowania [1].

Według recenzentów z zewnątrz, takich jak Simon Willison, Fable 5 „czuje się duży" — nie tylko pod względem szybkości i kosztu, ale przede wszystkim zakresu wiedzy i jakości wnioskowania. Głównym wyzwaniem przy testowaniu jest znalezienie zadań, których model nie potrafi wykonać [2].

Prawidłowość widoczna w benchmarkach jest wyraźna: im dłuższe i bardziej złożone zadanie, tym większa przewaga Fable 5 nad pozostałymi modelami [1]. To odwrotność typowego kompromisu między jakością a skalą zadania — i najważniejszy sygnał, dla kogo ten model jest faktycznie przeznaczony.

Claude Fable 5 vs Claude Mythos 5 – czym się różnią te dwa modele?

Fable 5 i Mythos 5 to ten sam model bazowy — różni je wyłącznie warstwa klasyfikatorów bezpieczeństwa i poziom dostępu. Fable 5 trafia do każdego dewelopera przez publiczne API; Mythos 5 pozostaje za zamkniętymi drzwiami i jest dostępny wyłącznie dla zatwierdzonych partnerów [1][3].

Dlaczego Anthropic wydał dwa osobne warianty modelu?

Strategia jest prosta: ten sam silnik, dwa różne zestawy bezpieczników. Fable 5 ma aktywne klasyfikatory w trzech klasach ryzyka — cyberbezpieczeństwo, biologia i destylacja zdolności. Gdy zapytanie trafia w jedną z tych kategorii, model automatycznie przekierowuje sesję do Claude Opus 4.8, a użytkownik dostaje informację o przekierowaniu [3]. Według Anthropic mechanizm uruchamia się w mniej niż 5% sesji — ponad 95% rozmów przebiega na pełnym modelu bez żadnej interwencji [1].

Mythos 5 ma węższy zakres fallbacku — ale nie jeden jednolity profil dla wszystkich partnerów. Organizacje zaakceptowane w ramach Project Glasswing otrzymują zniesienie ograniczeń w obszarze cyber. Odrębny program biomedyczny Anthropic znosi natomiast ograniczenia w obszarach biologii i chemii, zachowując klasę cyber [3]. Dostęp jest więc granularny: partner dostaje odblokowanie dokładnie tych kategorii, do których jego działalność została zweryfikowana.

Korzystanie z modeli klasy Mythos wiąże się z dodatkowym warunkiem technicznym dotyczącym retencji danych. Informacja o 30-dniowej retencji pochodzi ze źródeł zewnętrznych [3] i nie została bezpośrednio potwierdzona w oficjalnej dokumentacji Anthropic dostępnej w źródłach [do weryfikacji].

Który model jest mocniejszy i kto ma do niego dostęp?

Mythos 5 ma posiadać zaawansowane możliwości cyberoffensywne niedostępne w wersji publicznej — konkretny wynik 88,4% na zadaniach exploitacyjnych dla Firefox 147 nie został potwierdzony w dostępnych źródłach [do weryfikacji]. Fable 5 ma identyczne wagi bazowe, ale klasyfikatory blokują tę klasę zapytań i przekierowują je do Opusa 4.8.

Dostęp do Mythos 5 jest możliwy wyłącznie przez dwa kanały. Project Glasswing to niejawny program współpracy Anthropic z rządem USA, uruchomiony pierwotnie jako platforma dla cyberdefendentów zabezpieczających krytyczną infrastrukturę [1]. Drugi kanał to program biomedyczny Anthropic, skierowany do organizacji z sektora life sciences i badań naukowych [3].

Dla wszystkich pozostałych — firm, deweloperów, startupów — jedyną dostępną opcją pozostaje Fable 5.

Nathan Lambert, autor bloga Interconnects, krytykuje ten podział wprost: jego zdaniem mechanizmy bezpieczeństwa Fable 5 chronią nie tyle użytkowników, co przewagę konkurencyjną Anthropic — ograniczając dostęp do najbardziej wartościowych zastosowań modelu dla podmiotów spoza kręgu zatwierdzonych partnerów [7]. Anthropic wprowadził korekty po publikacji Lamberta — zmienił sposób obsługi zapytań z obszaru badań nad bezpieczeństwem AI na jawny klasyfikator zamiast cichej modyfikacji odpowiedzi — co sugeruje, że część krytyki była zasadna [7].

Jak Fable 5 wypada na tle poprzedniego Opusa 4.8?

Fable 5 to wyraźny skok jakościowy, nie iteracja. Na SWE-bench Pro różnica wynosi ponad 11 punktów procentowych: Fable 5 osiąga 80,3%, Opus 4.8 — 69,2% [6]. Simon Willison, który testował model przez ponad 5 godzin od premiery, opisuje go jako "beast" — wolniejszy i droższy, ale z poziomem wiedzy i wnioskowania wyraźnie wyższym niż Opus 4.8 [2].

Cena jest jednak realną zmianą: Fable 5 kosztuje dokładnie dwa razy tyle co Opus 4.8 [2]. Warto to uwzględnić przy kalkulacji, zanim zestawienie poniżej stanie się podstawą decyzji wdrożeniowej.

Parametr	Claude Fable 5	Claude Opus 4.8	Claude Mythos 5
Okno kontekstowe	1 000 000 tokenów	—	1 000 000 tokenów
Maks. długość odpowiedzi	128 000 tokenów	—	128 000 tokenów
Cena wejście	$10 / 1M tokenów	$5 / 1M tokenów	$10 / 1M tokenów
Cena wyjście	$50 / 1M tokenów	$25 / 1M tokenów	$50 / 1M tokenów
SWE-bench Pro	80,3%	69,2%	—
Klasyfikatory bezpieczeństwa	Tak (cyber, bio, destylacja)	Nie	Częściowo (zależnie od programu)
Prompt caching	90% rabatu na wejście	Standardowy	90% rabatu na wejście
Wnioskowanie US-only	1,1× standardowej ceny	Standardowe	—
Data odcięcia wiedzy	Styczeń 2026	Wcześniej	Styczeń 2026
Dostępność	Publiczna (API, Bedrock, Vertex AI, Foundry)	Publiczna	Tylko Project Glasswing / program biomedyczny
Retencja danych	Standardowa	Standardowa	Obowiązkowe 30 dni (monitoring)

Dla zdecydowanej większości deweloperów i firm wybór jest prosty: Fable 5 to jedyna dostępna opcja z klasy Mythos. Mythos 5 pozostaje poza zasięgiem — chyba że dana organizacja prowadzi operacje cyberobronne na poziomie infrastruktury krytycznej lub jest zatwierdzonym partnerem biomedycznym Anthropic [1][3].

Ceny i dostęp do API Claude Fable 5

Claude Fable 5 kosztuje $10 za milion tokenów wejściowych i $50 za milion tokenów wyjściowych — dokładnie dwa razy więcej niż Claude Opus 4.8, ale poniżej połowy ceny Claude Mythos Preview [1][2]. To punkt wyjścia do każdej kalkulacji budżetowej przed wdrożeniem.

Ile kosztuje Claude Fable 5 przez API Anthropic?

Cennik: $10/M tokenów na wejściu, $50/M tokenów na wyjściu [1]. Claude Opus 4.5–4.8 kosztował $5/$25 za milion tokenów. Fable 5 i Mythos 5 są wycenione poniżej połowy ceny Claude Mythos Preview [1][2] — dokładna cena Mythos Preview powyżej $20/$100 nie jest podana w dostępnych źródłach [do weryfikacji]. Fable 5 zajmuje więc środkowe piętro: flagowe możliwości bez cennika programów dostępu ograniczonego.

Dla workloadów wymagających przetwarzania wyłącznie na serwerach w USA dostępna jest opcja US-only inference — dopłata wynosi 1,1× standardowej stawki zarówno za tokeny wejściowe, jak i wyjściowe [5]. Opcja istotna przy danych objętych wymogami regulacyjnymi, które nie mogą opuszczać terytorium Stanów Zjednoczonych.

Ważna zasada rozliczeniowa: zapytania odrzucone przez klasyfikatory bezpieczeństwa nie są naliczane jako tokeny wyjściowe [4]. Jeśli Fable 5 przekieruje sesję do Opusa 4.8, naliczane są tokeny wejściowe raz — nie dwukrotnie za oba modele.

Gdzie można uzyskać dostęp do Claude Fable 5?

Model jest dostępny przez cztery kanały dystrybucji od 9 czerwca 2026 roku [1][5]:

Claude API — bezpośredni dostęp przez HTTP, identyfikator modelu to claude-fable-5; główny interfejs dla deweloperów budujących własne integracje [5].
Amazon Bedrock — platforma chmurowa AWS; pozwala korzystać z Fable 5 w ramach istniejącej infrastruktury AWS bez osobnej umowy z Anthropic [5].
Vertex AI — platforma AI Google Cloud; dostęp od dnia premiery dla organizacji działających w ekosystemie GCP [5].
Microsoft Foundry — platforma Microsoft umożliwiająca dostęp do modelu przez Claude API w środowisku Azure [5].

Jeden element compliance wart odnotowania przed wdrożeniem: wszystkie modele klasy Mythos — w tym Fable 5 — objęte są obowiązkową 30-dniową retencją danych do celów monitorowania bezpieczeństwa [3]. Anthropic deklaruje wprost, że te dane nie są używane do trenowania modelu [3].

W praktyce oznacza to, że działy compliance i prawne muszą uwzględnić ten wymóg przy projektowaniu architektury danych — szczególnie w sektorach takich jak finanse czy ochrona zdrowia.

Jak zoptymalizować koszty przy dużym kontekście?

Prompt caching to najważniejszy mechanizm redukcji kosztów przy pracy z dużymi kontekstami. Fable 5 oferuje 90% rabatu na tokeny wejściowe objęte cache'owaniem — bez żadnej dopłaty za korzystanie z dłuższego okna kontekstowego [5][2]. Nie ma osobnego licznika za milion tokenów kontekstu: naliczane są wyłącznie tokeny faktycznie przetworzone.

Kiedy pełne okno 1 miliona tokenów się opłaca? Przy zadaniach agentowych trwających wiele godzin lub dni — gdy model wielokrotnie odwołuje się do tych samych dokumentów, baz kodu lub specyfikacji. Załadowanie całego kontekstu raz i jego cache'owanie przez cały czas sesji jest tańsze niż wielokrotne ładowanie mniejszych fragmentów w nowych wywołaniach [5].

Krótsze okno kontekstowe jest lepszym wyborem przy prostych, jednorazowych zapytaniach — chatbocie obsługującym FAQ lub klasyfikacji krótkich dokumentów. W takich scenariuszach koszt tokenów wyjściowych ($50/M) dominuje nad wejściowymi, a duży kontekst nic nie wnosi poza wyższym rachunkiem. Zasada prosta: im bardziej powtarzalny i długi kontekst, tym większa oszczędność z prompt cachingu; im krótsze i jednorazowe zadanie, tym mniej zyskujesz na milionowym oknie.

Do czego nadaje się Claude Fable 5 – zastosowania praktyczne

Claude Fable 5 najlepiej sprawdza się tam, gdzie zadanie trwa wiele godzin lub dni, wymaga utrzymania dużego kontekstu i toleruje wyższy koszt w zamian za jakość niemożliwą do uzyskania od słabszych modeli [5]. Trzy obszary wyróżniają się szczególnie: kodowanie przy skali przemysłowej, analiza finansowych dokumentów długiego formatu oraz automatyczne pipeline'y agentowe.

Kodowanie i inżynieria oprogramowania – czy Fable 5 zastąpi programistów?

Nie zastąpi — ale zmieni to, ile jeden programista może zrobić w ciągu dnia. Według doniesień branżowych Claude Fable 5 wykonuje złożone migracje kodu w czasie znacznie krótszym niż tradycyjny zespół — konkretne liczby dotyczące migracji Stripe nie zostały potwierdzone w dostępnych źródłach [do weryfikacji]. To nie poprawa o kilkanaście procent. To zmiana rzędu wielkości.

Na SWE-bench Pro model osiąga 80,3% — wynik, który plasuje go powyżej wszystkich modeli dostępnych publicznie w dniu premiery [6]. Cursor i GitHub potwierdzają ten poziom w warunkach produkcyjnych jako integratorzy korzystający z API Fable 5 [1]. Anthropic wprost wskazuje na duże migracje, złożone implementacje i wielodniowe autonomiczne sesje jako podstawowe przypadki użycia w obszarze kodowania [5].

Fable 5 jest zaprojektowany do zadań długohoryzontalnych: refaktoryzacji dużych codebaz, migracji między technologiami, wieloetapowych code review obejmujących całe repozytoria. Przy prostym uzupełnianiu kodu lub jednorazowych snippetach koszt $50 za milion tokenów wyjściowych robi różnicę — tam Opus 4.8 jest wystarczający i dwa razy tańszy [2].

Analiza finansowa i przetwarzanie długich dokumentów

Fable 5 osiągnął wysoki wynik na Hebbia Finance Benchmark — pozycja względem wszystkich testowanych modeli AI nie została potwierdzona w dostępnych źródłach [do weryfikacji]. To benchmarkowy punkt wyjścia dla oceny przydatności modelu w analizie finansowej — obejmuje zadania takie jak ekstrakcja danych z dokumentów, porównywanie warunków umów czy synteza wieloletnich sprawozdań. Wyniki Fable 5 w testach analizy transakcji nie zostały potwierdzone w dostępnych źródłach [do weryfikacji].

Okno kontekstowe wynoszące 1 milion tokenów ma tu konkretne przełożenie praktyczne: cały prospekt emisyjny, kilkuletnie sprawozdanie roczne lub zestaw umów inwestycyjnych można wczytać w jednym zapytaniu, bez konieczności dzielenia dokumentów i sklejania wyników [2][5]. Model rozumie też diagramy, wykresy i tabele osadzone w plikach PDF — co eliminuje etap ręcznej ekstrakcji danych przed analizą [5].

Zastrzeżenie dla sektora regulowanego: Fable 5 to narzędzie wspomagające analityków, nie autonomiczny doradca finansowy. Decyzje inwestycyjne, oceny ryzyka kredytowego i rekomendacje regulacyjne wymagają weryfikacji przez wykwalifikowanego specjalistę — model może się mylić, a jego wiedza jest odcięta od danych po styczniu 2026 roku [2].

Automatyzacja zadań agentowych i wieloetapowych pipeline'ów

Kombinacja okna 1 miliona tokenów i maksymalnej długości odpowiedzi wynoszącej 128 000 tokenów sprawia, że Fable 5 prowadzi wieloetapowe zadania bez utraty kontekstu między krokami [2]. W praktyce oznacza to możliwość uruchomienia w jednym wywołaniu pełnego cyklu: zebranie danych → analiza → synteza → gotowy raport — bez ręcznego przekazywania wyników między etapami.

Anthropic projektował model właśnie pod takie scenariusze. W konfiguracji agentowej Fable 5 planuje zadania wielofazowe, deleguje podzadania do sub-agentów i weryfikuje własną pracę — działając autonomicznie przez wiele godzin lub dni [5]. Interfejsy takie jak Claude Code i Claude Managed Agents wykorzystują te właściwości bezpośrednio [5].

Dodatkowe zastosowanie, które wychodzi poza tekst i kod: obsługa modeli CAD i geometrii 3D renderowanej przez przeglądarkę przez Fable 5 nie została potwierdzona w dostępnych źródłach [do weryfikacji] w inżynierskich bez potrzeby eksportu do formatów pośrednich [5]. To niszowe, ale realne zastosowanie dla firm z sektora produkcyjnego i architektonicznego.

Jak zacząć korzystać z Claude Fable 5 przez API – szybki start

Wywołanie Claude Fable 5 wymaga użycia identyfikatora claude-fable-5 w standardowym żądaniu do Claude API [5]. Jedna zmiana w stosunku do poprzednich modeli jest obowiązkowa: klasyfikatory bezpieczeństwa mogą odrzucić zapytanie, zwracając stop_reason: refusal — i jest to odpowiedź HTTP 200, nie błąd [4].

Kod, który traktuje wszystkie 200 jako sukces bez sprawdzania stop_reason, zwróci pustą odpowiedź zamiast treści. To najczęstszy błąd przy pierwszej integracji.

Mechanizm fallback — jak działa przekierowanie do Opusa 4.8

Mechanizm fallback to wbudowany system, który przy odrzuceniu zapytania przez klasyfikator CBRN (cyberbezpieczeństwo, biologia/chemia, destylacja modeli) automatycznie przekazuje sesję do Claude Opus 4.8 [3]. Użytkownik dostaje odpowiedź wraz z informacją, że nastąpiło przekierowanie [3]. Ponad 95% sesji nie trafia w żaden klasyfikator i przechodzi bezpośrednio przez Fable 5 [1].

Dostępne są trzy metody obsługi ponownej próby po odrzuceniu [4]:

Server-side — Anthropic automatycznie kieruje odrzucone zapytanie do Opusa 4.8; nie wymaga implementacji po stronie klienta.
Client-side SDK — fallback konfigurowany w SDK dostępnym dla TypeScript, Python, Go, Java lub C#; daje pełną kontrolę nad logiką ponownej próby.
Manualna — samodzielna obsługa stop_reason: refusal z decyzją, czy i jak ponowić zapytanie — np. do innego modelu lub z zmodyfikowanym promptem.

Ważna zasada rozliczeniowa: zapytania odrzucone przez klasyfikator przed wygenerowaniem odpowiedzi nie są naliczane jako tokeny wyjściowe [4]. Przy fallbacku tokeny wejściowe naliczane są raz — nie dwukrotnie.

Schemat przepływu zapytania przez klasyfikatory

Poniżej uproszczony schemat, jak Fable 5 przetwarza każde zapytanie:

Zapytanie trafia do claude-fable-5.
Klasyfikator CBRN sprawdza treść pod kątem cyberbezpieczeństwa, biologii/chemii i destylacji modeli.
Brak flagi (>95% sesji) → pełna odpowiedź Fable 5.
Flaga bezpieczeństwa → przekierowanie do Claude Opus 4.8; stop_reason: refusal jako HTTP 200; opcjonalny fallback credit na prompt cache [4].

Checklist przed wdrożeniem produkcyjnym

Przed uruchomieniem integracji na produkcję przejdź przez tę listę:

Czy projekt wymaga przetwarzania danych CBRN? → rozważ Claude Mythos 5 przez Project Glasswing [1].
Czy firma akceptuje obowiązkową 30-dniową retencję danych (brak opcji zero-retention)? [3]
Czy budżet uwzględnia $10/M tokenów wejściowych i $50/M tokenów wyjściowych? [1]
Czy wdrożenie wymaga wnioskowania wyłącznie w USA? (cena 1,1× standardowej stawki) [5]
Czy kod obsługuje stop_reason: refusal jako HTTP 200 — a nie jako sukces? [4]
Czy zaimplementowano fallback (server-side, SDK lub manualny)? [4]
Czy skonfigurowano prompt caching dla długich kontekstów (90% rabatu na tokeny wejściowe)? [5]
Czy zadania faktycznie korzystają z okna 1M tokenów i potrzebują maksymalnych 128K tokenów odpowiedzi? [2]
Czy data odcięcia wiedzy (styczeń 2026) jest wystarczająca dla danego przypadku użycia? [2]

Bezpieczeństwo i ograniczenia Claude Fable 5

Claude Fable 5 ma wbudowane klasyfikatory bezpieczeństwa blokujące trzy klasy zapytań: cyberbezpieczeństwo, biologia/chemia oraz destylacja zdolności modelu — i jest to świadomy kompromis między dostępnością a ryzykiem nieautoryzowanego użycia [1]. Przed wdrożeniem Fable 5 w sektorze regulowanym skonsultuj zgodność z działem prawnym lub compliance.

Klasyfikatory działają automatycznie i nie wymagają konfiguracji po stronie integrującego [4]. Anthropic szacuje, że mniej niż 5% sesji wyzwala mechanizm fallback [1] — zdecydowana większość zastosowań biznesowych w ogóle nie odczuje ich obecności. Jednak w obszarach takich jak testy penetracyjne, badania biologiczne czy analiza złośliwego oprogramowania można napotkać ograniczenia niemożliwe do obejścia w ramach standardowego dostępu API.

Fable 5 różni się od Mythos 5 właśnie tą warstwą: Mythos 5 nie zawiera klasyfikatorów bezpieczeństwa i daje pełny dostęp do możliwości modelu — ale wyłącznie organizacjom zaakceptowanym w Project Glasswing lub odrębnym programie biomedycznym [2][3]. Dla każdego innego dostępna jest tylko wersja Fable 5 z bezpiecznikami.

Dodatkowe ograniczenie dotyczące prywatności danych: korzystanie z modeli klasy Mythos — czyli zarówno Fable 5, jak i Mythos 5 — wiąże się z obowiązkową 30-dniową retencją danych [3]. Opcja zero-retention nie jest dostępna. Anthropic deklaruje, że dane są przechowywane wyłącznie na potrzeby monitorowania bezpieczeństwa — ale dla firm z sektorów regulowanych (finanse, ochrona zdrowia, prawo) może to oznaczać konieczność dodatkowej analizy prawnej przed wdrożeniem.

Kontrowersje wokół podejścia Anthropic do bezpieczeństwa są warte odnotowania. Nathan Lambert, badacz AI, skrytykował firmę za stosowanie mechanizmów, które — jego zdaniem — chronią nie tylko użytkowników, lecz również przewagę konkurencyjną Anthropic [7]. Lambert wskazał m.in. na pierwotne, nieujawnione modyfikowanie odpowiedzi w zapytaniach dotyczących badań AI bez informowania użytkownika — praktykę, którą Anthropic zmienił 11 czerwca 2026 roku, zastępując ją jawnym klasyfikatorem analogicznym do pozostałych kategorii bezpieczeństwa [7].

Lambert ocenił tę poprawkę pozytywnie, zaznaczając jednocześnie, że zaufanie zostało nadwyrężone [7]. To nie zmienia użyteczności modelu — ale jest kontekstem, który warto mieć w głowie przy ocenie długoterminowej polityki dostawcy.

Źródła

Wróć do wszystkich artykułów