Модель нашла уязвимости в любой ОС и получила экспортный контроль: история Fable 5

Приветствую! Думаю, многие видели, как за последний год нейросети научились писать код. Но то, что произошло с выходом Fable 5 — это уже не эволюция, а квантовый скачок. Я серьёзно.

Модель, которую Anthropic отключили через три дня после запуска по требованию властей США, набрала 80.3% на SWE-bench Pro и решила 95% задач на SWE-bench Verified. Для сравнения, предыдущий флагман Opus 4.8 выжимал только 88.6%. Чувствуете разницу? Это не пара процентов, это переход в другую лигу.

Fable 5 — первая публично доступная модель класса Mythos. Технически она идентична закрытой Mythos 5, но с защитными фильтрами. И вот тут начинается самое интересное. Модель способна автономно работать над задачей до 10-12 часов. Не тупо генерировать код по кускам, а реально разбивать запрос на подзадачи, делегировать их субагентам, проверять результаты и вести заметки. Как джун, который внезапно прочитал все книги по архитектуре и теперь смотрит на тебя с лёгким прищуром.

Контекстное окно — миллион токенов. Это примерно 700+ страниц текста, которые она держит в голове одновременно. Максимальная длина ответа — до 128 тысяч токенов. Для сравнения, когда я пишу техзадание, оно обычно влезает в 5-10 тысяч. А тут модель может выдать простыню, которая по объёму тянет на небольшой роман.

Ценник, кстати, кусачий: $10 за миллион входных токенов и $50 за миллион выходных. Вдвое дешевле закрытой Mythos Preview, но всё равно самая дорогая модель на рынке. Хотя если она за сутки делает работу, на которую у команды ушло бы два месяца — окупается мгновенно.

Но самое дикое — это даже не бенчмарки. Модель заняла первое место на FrontierCode среди всех фронтирных моделей, включая закрытые разработки OpenAI и Google. А в независимом тесте команды Every набрала 91 балл из 100 при выполнении задания, которое дают senior-инженерам при найме. Девяносто один, Карл.

И знаете что? Часть запросов пользователей — по биологии, кибербезопасности, химии, дистилляции моделей — перенаправляется в Opus для фильтрации. Но при этом более 95% пользовательских сессий не затрагивают ограниченные категории. То есть по факту вы юзаете зверя, который умеет искать уязвимости в коде любых операционных систем, но вам об этом тактично не говорят.

Именно поэтому Anthropic тянули с релизом так долго. И именно поэтому через три дня им прилетело требование об экспортном контроле. Но об этом — в следующем разделе.

12 июня Fable 5 выкатили в продакшен. Через три дня — отключили. Не багфикс, не доработка архитектуры. Пришло требование от властей США по линии экспортного контроля, и Anthropic молча прикрутили вентиль.

Что именно напугало регуляторов? Давайте без конспирологии, только факты.

Модель класса Mythos с контекстным окном в миллион токенов. Это примерно 700+ страниц текста — можно скормить всю кодовую базу среднего проекта и попросить найти уязвимости. Fable 5 их реально находила. Не абстрактные предупреждения в духе «убедитесь, что используете параметризованные запросы», а конкретные дыры в конкретных строках. Разработчики Anthropic сами признавали: способность модели выискивать уязвимости в коде любых операционных систем и программ стала одной из причин задержки релиза. Они тупо боялись того, что создали.

Задержка была долгой. Месяцы. Модель гоняли на внутренних тестах, обвешивали фильтрами. Часть запросов — по биологии, кибербезопасности, химии, дистилляции моделей — перенаправляется в Opus для фильтрации подозрительной активности. Но вот цифра, от которой у меня лично подгорело: более 95% пользовательских сессий не затрагивают ограниченные категории. То есть вы платите космический ценник, а вас по факту прогоняют через более слабую модель, потому что ваш промпт показался системе подозрительным.

Кстати о ценнике: $10 за миллион входных токенов, $50 за миллион выходных. Вдвое дешевле закрытой Mythos Preview, но всё равно самая дорогая модель на рынке. За эти деньги вы получаете зверя, который умеет автономно работать 10-12 часов, разбивая задачу на подзадачи, делегируя субагентам и проверяя результаты. И при этом вы не знаете, в какой момент вашу сессию перекинут на Opus, потому что фильтрам что-то померещилось.

Экспортный контроль в этом контексте — не бюрократическая формальность. Это прямой сигнал: технология достигла уровня, когда её распространение начинают ограничивать на государственном уровне. Не потому что она плохо работает. Как раз наоборот.

Ладно, хватит теории. Давайте к цифрам, от которых у меня реально подгорело.

Stripe. Знаете эту компанию? 50 миллионов строк Ruby-кода. Пятьдесят. Миллионов. Строк. Это не пет-проект на гитхабе, это боевой кодбейз, на котором крутится одна из крупнейших платёжных систем мира.

Так вот. Fable 5 дали задачу по миграции этого самого кодбейза. Полная миграция. Не «поправь пару файлов», не «напиши тесты к этому модулю». Взяли и скормили модели всю кодовую базу.

Результат: работа выполнена за один день.

Один. День.

Ручная работа инженеров над той же задачей заняла бы больше двух месяцев. Это не оценка «с потолка» — это данные самой Stripe. Два месяца работы команды сеньоров против одной модели за сутки. Разница — примерно в 60 раз по времени, а по деньгам считайте сами. Сеньор-разработчик в США стоит компании от $15K до $25K в месяц. Умножаем на два месяца, умножаем на количество человек в команде. А теперь сравните с $50 за миллион выходных токенов.

У меня всё.

Нет, не всё.

Если вы думаете, что миграция Stripe — это какой-то единичный случай, то вот вам ещё фактура. Fable 5 заняла первое место на бенчмарке FrontierCode. Первое. Место. Среди всех фронтирных моделей, включая закрытые разработки OpenAI и Google. Не где-то в серединке, не «в топ-10». Возглавила список.

Дальше — больше. Это первая модель, которая преодолела порог в 90% на аналитическом бенчмарке Hex. Речь про длинные многоэтапные задачи по анализу данных. Не «ответь на вопрос по табличке из трёх строк», а полноценная аналитика с кучей шагов, где раньше модели сыпались на середине пути.

И вишенка на торте. Независимый тест команды Every. Они взяли задание, которое дают senior-инженерам при найме. Знаете, такое, где надо и архитектуру продумать, и код написать, и краевые случаи учесть. Fable 5 набрала 91 балл из 100.

Девяносто один.

Я проходил такие собеседования. Больше того — я их проводил. И скажу честно: не каждый сеньор выбивает такой результат. Реально. Приходят люди с десятью годами опыта, с красивым LinkedIn, а на тестовом задании плывут. То архитектуру перемудрят, то про обработку ошибок забудут. А тут модель, которой год от роду, делает 91 из 100.

И после этого кто-то продолжает рассказывать, что ИИ не заменит программистов? Серьёзно?

Я не говорю, что завтра нас всех уволят. Но если вы до сих пор прибедняетесь и думаете, что это просто хайп, — перечитайте цифры выше. Ещё раз. 50 миллионов строк за день. 91 балл на сеньорском тесте. Первое место на FrontierCode.

Это не будущее. Это уже произошло. Просто большинство ещё не осознало масштабов.

Ладно, хватит цифр и бенчмарков. Давайте посмотрим, что народ реально натворил за те несколько дней, пока модель была в открытом доступе. Вот тут у меня конкретно подгорело — не от злости, а от осознания, насколько мы все проснулись в другой реальности.

1. Симулятор админа ИИ-канала. Один чел закинул промпт, и через 10 минут получил готовый HTML-файл. Без единой строчки кода руками. Игра работала в браузере и с телефона. Но самое шикарное — модель сама заложила причинно-следственные связи в игровую экономику. Не тупой кликер, а полноценная система: подписчики приходят → деньги капают → покупаешь улучшения → растёшь. Я такие механики на геймджемах по три дня с командой вылизывал.

2. Изохронная карта в стиле 1881 года. Тут вообще за гранью. Модель создала полностью рабочую интерактивную карту, сгенерировав всю графику математически, без внешних ресурсов. Для этого она проанализировала более 2200 конкретных рейсов, расписаний поездов и скоростей на дорогах из академических работ. Сама нашла данные, сама построила визуализацию, сама задизайнила в ретро-стиле. Я бы на такой проект запросил месяц и бюджет в 300к.

3. Клон Minecraft. Создан за 30-55 минут, затрачено 52.4k токенов. По другому источнику — полностью функциональная копия с переключением между природными зонами и добычей ресурсов уместилась в пять часов работы с одного запроса. Пять часов, Карл. Для понимания: оригинальный Minecraft писался Маркусом Перссоном неделями, а потом годами допиливался.

4. Клон GTA 2. Та же история — 52.4k токенов, меньше часа. Вид сверху, машинки, стрельба. Да, без сюжета и миссий, но сам движок. Работает.

5. RPG с открытым миром на Three.js. Промпт: «Создай мне RPG, где я могу бегать и взрывать всё из базуки». И модель выдала полностью функциональный проект. Не набросок, не концепт — играбельную штуку с физикой и разрушаемостью.

Дальше — чистое искусство. 6. Эпическая рифмованная поэма на 10 страниц о стрижке, где каждое слово начинается на букву «s». Я проверял — реально каждое слово. 7. Клоны Pokemon и Monopoly с рабочими механиками. 8. Внутренние воркфлоу из состязательных групп агентов для верификации данных — модель сама выстраивает систему, где одни агенты исследуют, а другие перепроверяют.

И знаете, что самое показательное? 9 и 10 — я даже не успел заскринить всё, что наделали за эти три дня. Потому что 12 июня модель отключили. Просто взяли и вырубили доступ. А теперь сиди и думай — что ещё успели нагенерить те, кто не постил результаты в твиттер.