Met Claude Fable 5.1 schuift Anthropic opnieuw de grenzen op van wat een AI-model zelfstandig kan uitvoeren. De nieuwste versie binnen de krachtigste modelklasse van het bedrijf richt zich niet alleen op betere antwoorden, maar vooral op complexe opdrachten die uit vele stappen bestaan en gedurende lange tijd kunnen doorlopen.
Daarmee verschuift het zwaartepunt van generatieve AI steeds verder. Het gaat minder om een chatbot die onmiddellijk een antwoord formuleert en meer om een digitale werkkracht die een omvangrijk probleem onderzoekt, een strategie uitwerkt, tussenresultaten controleert en blijft doorwerken tot de opdracht daadwerkelijk is afgerond.
Gebouwd voor problemen die niet in één prompt passen
De belangrijkste vooruitgang van Fable 5.1 zit volgens Anthropic in zogenoemd long-horizon work: werkzaamheden waarbij het model gedurende langere tijd een grote hoeveelheid informatie, beslissingen en tussenstappen moet blijven overzien.
Denk bijvoorbeeld aan een uitgebreide wiskundige bewijsvoering of een contract met honderden onderlinge verwijzingen. Bij zulke opdrachten is het niet voldoende om afzonderlijke passages correct te begrijpen. De AI moet ook verbanden onthouden, eerdere conclusies meenemen en voorkomen dat fouten zich verderop in het proces opstapelen.
Fable 5.1 zou daarin duidelijk sterker zijn dan zijn voorganger. Het model probeert bovendien minder snel een kortere weg te nemen wanneer die uiteindelijk tot een slechter resultaat leidt.
Niet alleen software repareren, maar de oorzaak zoeken
Dat verschil moet ook zichtbaar worden bij softwareontwikkeling.
Waar AI-systemen vaak uitstekend zijn in het voorstellen van een snelle codewijziging, wil Anthropic met Fable 5.1 een stap verder gaan. Het model moet kunnen onderzoeken waarom een probleem überhaupt ontstaat en vervolgens de onderliggende oorzaak aanpakken.
Een opvallend praktijkvoorbeeld komt van investeringsbedrijf Millennium. Daar wist Fable 5.1 volgens Anthropic de oorzaak te achterhalen van een uiterst zeldzame softwarecrash die jarenlang onverklaard was gebleven. Het model analyseerde onder meer externe softwarecode en een crashdump en wist het probleem uiteindelijk terug te voeren tot een fout in een externe bibliotheek.
Dat illustreert waar deze generatie AI naartoe beweegt: van assistentie bij programmeren naar zelfstandig technisch onderzoek.
AI die urenlang zelfstandig blijft werken
Nog interessanter is wat er gebeurt wanneer een model niet na enkele minuten hoeft te stoppen.
Tijdens vroege praktijktests werden workflows uitgevoerd waarbij Fable 5.1 urenlang zonder menselijke tussenkomst bleef werken. Bij MongoDB bouwde het model volgens een testgebruiker in ongeveer drie dagen een complex prototype. Het onderzocht eerst bestaande code en documentatie, ontwierp vervolgens een oplossing en werkte daarna gedurende lange perioden zelfstandig verder aan de implementatie.
Een ander experiment ging nog verder. Bij Ramp draaide een machinelearningopdracht volgens Anthropic 38 uur zonder toezicht. Het model ontdekte een probleem in eerdere resultaten, corrigeerde dat, startte meerdere experimenten parallel en kwam vervolgens terug met nieuwe resultaten en mogelijke vervolgstappen.
|
Introducing Claude Fable 5.1 and Claude Mythos 5.1 \ AnthropicOur most advanced models for coding and knowledge work. Their research capabilities also offer an early glimpse of how AI models will contribute to scientific progress. |
Daarmee komt een ander soort AI-gebruik in beeld. Een medewerker zou 's avonds een complexe opdracht kunnen starten en de volgende ochtend niet alleen een antwoord, maar een volledig uitgevoerd onderzoeks- of ontwikkeltraject kunnen aantreffen.
Wetenschappelijk onderzoek wordt een nieuw speelveld
Anthropic presenteert Fable 5.1 nadrukkelijk ook als een voorproefje van de rol die geavanceerde AI bij wetenschappelijke ontdekkingen kan krijgen.
Tijdens experimenten werd het model bijvoorbeeld ingezet om radargegevens van de planeet Venus opnieuw te analyseren. Op basis van gegevens van NASA's Magellan-missie en bestaande kaarten trainde Fable 5.1 een neuraal netwerk waarmee een nieuwe hoogtekaart van ongeveer een derde van Venus werd gemaakt.
Waar eerdere gegevens details op een schaal van ongeveer 10 tot 20 kilometer lieten zien, zou de nieuwe kaart structuren van twee tot drie kilometer zichtbaar maken. Ook zouden hoogtebepalingen tot 25 procent nauwkeuriger zijn.
Dat soort experimenten laat zien dat AI steeds minder uitsluitend wordt gebruikt om bestaande wetenschappelijke informatie samen te vatten. Modellen beginnen zelf berekeningen, analyses en experimenten uit te voeren waarmee nieuwe kennis kan ontstaan.
Meer prestaties voor minder rekenwerk
De vooruitgang zit volgens Anthropic niet alleen in maximale intelligentie.
Fable 5.1 kan op de lagere instellingen voor rekeninspanning resultaten behalen die vergelijkbaar of beter zijn dan Fable 5, terwijl daarvoor minder middelen nodig zijn. Dat is belangrijk voor bedrijven die AI op grote schaal willen inzetten: niet alleen de kwaliteit van een model telt, maar ook hoeveel rekenkracht en geld nodig zijn om een taak af te werken.
Anthropic verwacht dat typische workloads met Fable 5.1 ongeveer 25 procent goedkoper kunnen uitvallen dan met Fable 5 wanneer het gebruik per token wordt afgerekend. Bij sterk agentische toepassingen zouden de besparingen in bepaalde gevallen zelfs richting 45 procent kunnen gaan, vooral dankzij goedkopere cache reads.
Dat kan de economische drempel verlagen om krachtige modellen niet alleen voor uitzonderlijke problemen, maar ook voor dagelijkse kennis- en ontwikkeltaken in te zetten.
Van snelle antwoorden naar digitale probleemoplossers
Fable 5.1 vertegenwoordigt daarmee een bredere ontwikkeling binnen AI. De concurrentiestrijd draait niet langer uitsluitend om welk model de beste antwoorden geeft op afzonderlijke vragen.
Steeds belangrijker wordt hoe lang een AI betrouwbaar kan blijven werken.
Kan het honderden documenten tegelijkertijd begrijpen? Kan het een softwareprobleem systematisch onderzoeken? Kan het zijn eigen resultaten controleren? Kan het na twintig uur nog onthouden waarom het een bepaalde beslissing heeft genomen? En kan het zelfstandig vaststellen dat een eerdere aanname fout was en vervolgens een andere richting inslaan?
Juist bij dergelijke opdrachten kan het verschil tussen een chatbot en een echte AI-agent zichtbaar worden.
Een vroege blik op een andere manier van werken
Claude Fable 5.1 is daarom vooral interessant vanwege het werkmodel dat erachter zichtbaar wordt. AI wordt geleidelijk een systeem waaraan niet alleen vragen, maar volledige problemen kunnen worden gedelegeerd.
Voor softwareontwikkelaars kan dat betekenen dat een model zelfstandig een ingewikkelde storing onderzoekt. Voor juristen kan het honderden kruisverwijzingen in contracten controleren. Voor onderzoekers kan het datasets analyseren, hypotheses formuleren en experimenten voorbereiden. En binnen bedrijven kunnen agenten langdurige workflows uitvoeren die vandaag nog voortdurend menselijke opvolging vereisen.
Fable 5.1 maakt dat toekomstbeeld nog niet automatisch werkelijkheid. Maar het laat wel zien welke richting de krachtigste AI-modellen uitgaan: minder wachten op de volgende menselijke instructie en langer zelfstandig blijven denken, controleren en uitvoeren.
De echte sprong vooruit zit daardoor misschien niet in één spectaculair antwoord. Ze zit in een AI die na tientallen stappen nog steeds begrijpt welk probleem ze eigenlijk aan het oplossen is.
