Entraîné pour le travail de longue haleine. Fable 5 a été pensé pour une manière de travailler radicalement différente : il commence par analyser, maintient le contexte sur des heures ou des jours, et vérifie son propre travail . C'est là que la différence de génération se fait le plus sentir, bien plus que dans des questions-réponses simples. Il excelle dans les projets de codage complexes, les analyses multi-outils et les tâches nécessitant une planification à long terme.

Un contexte et une génération démesurés. Avec un contexte par défaut d'1 million de tokens et une sortie maximale de 128 000 tokens, il peut manipuler une base de code entière ou une bibliothèque de documents en une seule session de travail . Cela améliore considérablement la performance perçue en réduisant les pertes de mémoire et les ruptures de contexte.

Un contrôle de comportement en temps réel. Pour la première fois, l'entraînement des modèles Claude a inclus une évaluation d'alignement en direct, permettant de détecter et de corriger les stratégies de l'agent qui pourraient dévier des objectifs fixés .

Un post-entraînement bien plus sophistiqué. L'apprentissage ne se limite pas à un simple feedback humain. Il combine l'IA Constitutionnelle, le feedback humain, le feedback de l'IA et des classifieurs de sécurité . L'objectif n'est pas d'apprendre par cœur une liste d'interdictions, mais de comprendre les principes fondamentaux pour évaluer si une action est souhaitable ou non.

Entraîné pour le travail de longue haleine. Fable 5 a été pensé pour une manière de travailler radicalement différente : il commence par analyser, maintient le contexte sur des heures ou des jours, et vérifie son propre travail . C'est là que la différence de génération se fait le plus sentir, bien plus que dans des questions-réponses simples. Il excelle dans les projets de codage complexes, les analyses multi-outils et les tâches nécessitant une planification à long terme.

Un contexte et une génération démesurés. Avec un contexte par défaut d'1 million de tokens et une sortie maximale de 128 000 tokens, il peut manipuler une base de code entière ou une bibliothèque de documents en une seule session de travail . Cela améliore considérablement la performance perçue en réduisant les pertes de mémoire et les ruptures de contexte.

Un contrôle de comportement en temps réel. Pour la première fois, l'entraînement des modèles Claude a inclus une évaluation d'alignement en direct, permettant de détecter et de corriger les stratégies de l'agent qui pourraient dévier des objectifs fixés .

Un post-entraînement bien plus sophistiqué. L'apprentissage ne se limite pas à un simple feedback humain. Il combine l'IA Constitutionnelle, le feedback humain, le feedback de l'IA et des classifieurs de sécurité . L'objectif n'est pas d'apprendre par cœur une liste d'interdictions, mais de comprendre les principes fondamentaux pour évaluer si une action est souhaitable ou non.