AI
Rabu, 10 Juni 2026 14:01 WIB

Anthropic rilis Claude Fable 5, model AI berbasis kelas Mythos

Anthropic resmi meluncurkan Claude Fable 5, model AI yang tersedia luas, serta jadi rilis publik pertama dari kelas Mythos.
Anthropic

Anthropic resmi mengumumkan Claude Fable 5 yang diklaim sebagai model AI paling mumpuni yang pernah mereka rilis secara luas. Menurut perusahaan, Fable 5 menunjukkan performa luar biasa dalam rekayasa software, knowledge work, dan vision

Fable 5 sekaligus menandai perilisan pertama dari kelas model Mythos untuk pengguna luas. Sebab, keluarga model Mythos sebelumnya dianggap terlalu berbahaya untuk publik, karena kemampuannya yang sangat tinggi dalam tugas-tugas keamanan siber. 

Apa yang menarik? 

Kehadiran Fable 5 merupakan momen yang signifikan dalam strategi Anthropic. Sebab, kelas model Mythos sebelumnya dikenal terlalu berisiko dirilis publik karena kemampuannya dalam keamanan siber. 

Dengan Fable 5, perusahaan menemukan cara untuk menghadirkan kekuatan model tersebut pada pengguna luas, melalui sistem pengaman baru yang membatasi respons di area berisiko tinggi. 

Selain itu, model ini diklaim memiliki keunggulan lebih baik atas model lain seiring tugas yang menjadi lebih panjang dan kompleks. Model ini pun diakses pengguna umum. 

Kenapa Fable 5 bisa rilis di publik? 

Menurut Anthropic, rilis ini dimungkinkan karena pengaman baru yang memblokir respons di area berisiko tinggi. Ketika pengaman itu aktif, sistem akan kembali Claude Opus 4.8, model yang juga baru saja digulirkan ke publik. 

Perusahaan menyebut dua bidang pembahasan yang akan membuat pengaman memblokir respons pada pengguna: 

  • Keamanan siber
  • Biologi

Pax insight

Klaim kemampuan Fable 5 yang paling menarik bukan terletak pada performa puncaknya, melainkan pada pola yang ditawarkan. Anthropic menyebut bahwa keunggulan Fable 5 atas model lain justru semakin besar seiring tugas yang lebih panjang dan kompleks.

Alasannya, sejumlah model AI saat ini cenderung kehilangan konsistensi dan akurasi pada tugas multi-langkah yang panjang. Jadi, mereka kerap kehilangan konteks, melupakan instruksi awal, atau menghasilkan output yang melenceng.