1 सितंबर 2026 को Anthropic ने दो मॉडल जारी किए: आम तौर पर उपलब्ध Claude Fable 5.1, और केवल विश्वसनीय एक्सेस कार्यक्रमों के ज़रिए उपलब्ध Claude Mythos 5.1। कंपनी इन्हें साफ़ शब्दों में कोडिंग और नॉलेज वर्क के लिए दुनिया के सबसे उन्नत मॉडल बताती है।

हैरानी की बात यह है कि यह रिलीज़ केवल क्षमता के बारे में नहीं है। यह उन तीन शिकायतों का जवाब देती है जो Anthropic के अनुसार उसने ग्राहकों से सुनीं: कीमत, डेटा रिटेंशन, और ज़रूरत से ज़्यादा संवेदनशील सुरक्षा उपाय। ये ठीक वही बातें हैं जो किसी भी ऐसे व्यक्ति के लिए मायने रखती हैं जो मॉडल को डेमो में नहीं, बल्कि असली काम में चला रहा है।

आंकड़े: हर प्रकाशित बेंचमार्क में पहला स्थान

ये Anthropic के प्रकाशित नतीजे हैं, उसके पूर्ववर्ती Fable 5 और प्रतिद्वंद्वियों Opus 5 और GPT-5.6 Sol की तुलना में:

  • एजेंटिक वैज्ञानिक शोध (Terminal-Bench-Science): 52.6%, जबकि पूर्ववर्ती का 24.7%, Opus 5 का 29.0% और GPT-5.6 Sol का 22.4% — अपने पिछले स्कोर के दोगुने से भी ज़्यादा।
  • एजेंटिक कोडिंग (Terminal-Bench 4.0): 55.8%, जबकि पूर्ववर्ती का 42.0% और Opus 5 का 52.3%। Mythos 5.1 वेरिएंट 60.9% तक पहुंचता है।
  • नॉलेज वर्क (GDPval-AA): 1853, जबकि पूर्ववर्ती का 1723 और Opus 5 का 1824।
  • कंप्यूटर का उपयोग (OSWorld 2.0): आंशिक माप पर 77.9% और सख़्त माप पर 41.7%, बाकी सबसे आगे।
  • बहु-विषयक तर्क (Humanity's Last Exam): टूल के बिना 60.9% और टूल के साथ 65.0%।
  • व्यावसायिक वर्कफ़्लो (AutomationBench): 31.4%, जबकि पूर्ववर्ती का 17.1% — लगभग दोगुना।

निष्पक्षता के लिए: ये विक्रेता के अपने माप हैं, जो वैज्ञानिक शोध बेंचमार्क पर 3.5 से 4.5 अंकों की घोषित मानक त्रुटि के साथ प्रकाशित किए गए हैं। स्वतंत्र पुष्टि में हफ़्ते लगते हैं। लेकिन आठ अलग-अलग बेंचमार्क में लगातार बढ़त किसी एक बेंचमार्क में आगे रहने से ज़्यादा कुछ कहती है।

वह फ़ीचर जिस पर आपके अकाउंटेंट की नज़र जाएगी: कीमत घटाए बिना सस्ता

टोकन की मूल कीमत नहीं बदली। फिर भी Anthropic का कहना है कि वास्तविक लागत सामान्य वर्कलोड पर लगभग 25% और कई चरणों वाले एजेंटिक काम पर 45% तक घट जाती है, क्योंकि उसने कैश रीड की कीमत 75% घटा दी है।

जो लोग इस अंतर से परिचित नहीं हैं, उनके लिए: जब मॉडल उस संदर्भ को दोबारा पढ़ता है जिसे वह पहले ही प्रोसेस कर चुका है — आपकी प्रोजेक्ट फ़ाइलें, आपके निर्देश, अब तक की बातचीत — तो पहले आपको इसके लिए अपेक्षाकृत ऊंची दर चुकानी पड़ती थी। एजेंटिक काम एक ही टास्क के भीतर उसी संदर्भ को दर्जनों बार दोबारा पढ़ता है, इसलिए उसे सबसे ज़्यादा फ़ायदा होता है। यह छूट उन्हें मिलती है जो मॉडल को गंभीरता से चलाते हैं, उन्हें नहीं जो चलते-चलते कोई सवाल पूछ लेते हैं।

Anthropic ने एफ़र्ट लेवल भी जोड़े हैं: कम, मध्यम और उच्च। उसका कहना है कि कम या मध्यम एफ़र्ट पर Fable 5.1, Fable 5 के बराबर या उससे बेहतर प्रदर्शन करता है, और लागत बहुत कम होती है। डिफ़ॉल्ट रूप से Claude Code में उच्च एफ़र्ट होता है, और Claude Cowork तथा claude.ai पर मध्यम।

डेटा गोपनीयता: संस्थानों के लिए अहम बदलाव

Anthropic ने Enterprise Frontier Safeguards नाम की एक प्रणाली की घोषणा की, जो ग्राहकों को ज़ीरो डेटा रिटेंशन नीति के बराबर पूरी गोपनीयता देती है और साथ ही दुर्भावनापूर्ण उपयोग को भी रोकती है। यह डेटा को ऐसे क्लाउड इंफ्रास्ट्रक्चर में रखकर काम करती है जिस पर पूरा नियंत्रण ग्राहक का होता है, Anthropic का नहीं। इसे चरणबद्ध तरीके से शुरू किया जा रहा है, जिसकी शुरुआत इस पतझड़ से होगी; तब तक पात्र ग्राहक मॉडल को ज़ीरो डेटा रिटेंशन के साथ इस्तेमाल कर सकते हैं।

यह एक बात उस दरवाज़े को खोल देती है जो सऊदी अरब के संवेदनशील क्षेत्रों के लिए बंद था — सरकारी, वित्तीय और स्वास्थ्य संस्थान, जिनकी डेटा सुरक्षा संबंधी बाध्यताएं उन्हें डेटा किसी ऐसी बाहरी सेवा को भेजने से रोकती हैं जो उसे अपने पास रखती हो।

ज़्यादा सटीक सुरक्षा उपाय: वैध काम को कम बार मना करना

किसी डेवलपर को इससे ज़्यादा कुछ नहीं खीझाता कि मॉडल किसी वैध अनुरोध को सिर्फ़ इसलिए मना कर दे क्योंकि वह ख़तरनाक लगा। Anthropic का कहना है कि नवीनतम सुरक्षा उपाय साइबर सुरक्षा में 60% कम फ़ॉल्स पॉज़िटिव रोकते हैं। Fable 5.1 का इस्तेमाल अब सॉफ़्टवेयर की कमज़ोरियां खोजने के लिए किया जा सकता है, लेकिन उनके लिए एक्सप्लॉइट बनाने के लिए नहीं — यह अंतर बनाए रखने लायक है: कमज़ोरी ढूंढना रक्षात्मक काम है, उसे हथियार बनाना नहीं।

क्या दिखाता है कि यह बेंचमार्क स्कोर से कहीं ज़्यादा है?

तीन प्रकाशित नतीजे उल्लेख के लायक हैं, क्योंकि वे टेस्ट के प्रतिशत नहीं, बल्कि ठोस परिणाम हैं:

  • निवेश फ़र्म Millennium में, मॉडल ने आंतरिक सिस्टम में होने वाले एक दुर्लभ क्रैश का कारण खोज निकाला, जिसे उसके इंजीनियर और बाकी सभी मॉडल कई वर्षों से समझा नहीं पाए थे।
  • इसने एक न्यूरल नेटवर्क को प्रशिक्षित किया जिसने NASA के Magellan मिशन द्वारा तीस साल से भी पहले ली गई रडार तस्वीरों से शुक्र ग्रह के एक तिहाई हिस्से का नया ऊंचाई मानचित्र तैयार किया, जिसमें दस से बीस के बजाय दो या तीन किलोमीटर तक का विवरण है और ऊंचाइयां 25% तक ज़्यादा सटीक हैं। यह मानचित्र Creative Commons लाइसेंस के तहत जारी किया गया।
  • कम्प्यूटेशनल बायोलॉजी में, इसने कस्टम GPU कर्नेल लिखे जिन्होंने सात ओपन-सोर्स मॉडलों को समान आउटपुट के साथ 2.5 गुना तक तेज़ कर दिया, और अनुमानित GPU लागत 30 से 60% तक घटा दी। जो काम आम तौर पर परफ़ॉर्मेंस इंजीनियरों की एक टीम को हफ़्तों में करना पड़ता, वह कुछ ही दिनों में हो गया।

Origami का नज़रिया

सऊदी अरब के किसी व्यवसाय मालिक के लिए असली ख़बर लीडरबोर्ड नहीं है। असली ख़बर यह है कि एक ही रिलीज़ में तीन चीज़ें एक साथ आई हैं: ज़्यादा क्षमता, ख़ासकर एजेंटिक काम के लिए कम लागत, और गोपनीयता का एक ऐसा विकल्प जो डेटा को आपके नियंत्रण वाले इंफ्रास्ट्रक्चर में रखता है। अकेली क्षमता तो पहले से उपलब्ध थी; लागत और गोपनीयता ही वे दो बाधाएं थीं जो इन मॉडलों को प्रयोगों से निकलकर प्रोडक्शन सिस्टम में जाने से रोक रही थीं।

हमारी व्यावहारिक सलाह: मॉडल से शुरुआत न करें, टास्क से करें। आज एक मध्यम आकार की कंपनी को जो कुछ चाहिए, उसका ज़्यादातर हिस्सा मध्यम एफ़र्ट पर कम पैसे में अच्छी तरह चलता है। पहले अपने टास्क को सबसे निचले स्तर पर परखें और स्तर तभी बढ़ाएं जब आप उसकी ज़रूरत साबित कर सकें — मासिक बिल पर फ़र्क़ उससे कहीं बड़ा होता है जितना कीमतों की तालिका से लगता है।

निष्कर्ष

Fable 5.1, Anthropic द्वारा प्रकाशित हर बेंचमार्क में सबसे आगे है, एजेंटिक वैज्ञानिक शोध में अपने पूर्ववर्ती से दोगुने से भी ज़्यादा स्कोर करता है, और गंभीर काम के लिए कम लागत वाला है। इससे भी ज़्यादा अर्थपूर्ण यह है कि रिलीज़ ने केवल क्षमता पर नहीं, बल्कि ग्राहकों की शिकायतों पर ध्यान दिया — यह एक परिपक्व होते बाज़ार का संकेत है, जहां प्रतिस्पर्धा इस बात से हटकर कि सबसे ऊंचा स्कोर किसका है, इस बात पर आ गई है कि किसी वास्तविक संगठन के भीतर तैनाती को कौन संभव बनाता है।

स्रोत

  • Anthropic — Claude Fable 5.1 और Claude Mythos 5.1 की आधिकारिक घोषणा, जो बेंचमार्क तालिका, कीमत, गोपनीयता और सुरक्षा उपायों से जुड़े दावों तथा वैज्ञानिक उदाहरणों का स्रोत है।
  • Anthropic — Terminal-Bench-Science की मानक त्रुटि पर प्रकाशित नोट और सार्वजनिक लीडरबोर्ड के आंकड़े।
  • The Verge, Decrypt और The New Stack — 1 सितंबर 2026 के लॉन्च और कीमतों के आंकड़ों की स्वतंत्र कवरेज।