Anthropic porta Claude Fable 5.1: balzo al 52,6% sul nuovo Science
Testo scritto con l’intelligenza artificiale a partire da fonti pubbliche, senza revisione umana prima della pubblicazione.
Il modello segna un salto netto su Terminal-Bench-Science 0.1 rispetto a Fable 5 e GPT-5.6 Sol e introduce cinque livelli di reasoning senza modo di disattivarli.
Claude Fable 5.1 segna 52,6% sul Terminal-Bench-Science 0.1. Supera Fable 5 (24,7%), Opus 5 (29,0%) e GPT-5.6 Sol (22,4%).
Anthropic presenta Fable 5.1 per coding, knowledge work e compiti lunghi di problem solving. Nell’annuncio “sets a new standard” per questi usi. Punta i riflettori sul benchmark scientifico, definito “brand new” e legato alla ricerca. Indica il debutto del test al 27 agosto. Pubblica i risultati nel post del 1 settembre 2026.
Le altre prove citate mostrano progressi più contenuti. Nessuna eguaglia l’aumento osservato su Terminal-Bench-Science 0.1.
Il modello espone cinque livelli di reasoning: low, medium, high, xhigh, max. Non offre un’opzione per disattivarlo.
Simon Willison colloca il dato nel quadro dei suoi test. A luglio aveva scritto di aver perso fiducia nel “pelican benchmark”. Gli sembrava meno correlato alla qualità su compiti diversi rispetto al 2025. Oggi gli serve soprattutto per confronti dentro la stessa famiglia e per vedere come cambia l’esito dello stesso prompt con sforzi di reasoning diversi.
Willison segnala anche un intervento sul tooling. Ha corretto in llm-anthropic un problema che impediva di registrare le tracce di reasoning in modo corretto.
Il confronto numerico resta il punto chiave dell’annuncio: Fable 5.1 ottiene sul Terminal-Bench-Science 0.1 un valore più alto di Fable 5, Opus 5 e GPT-5.6 Sol. Anthropic affianca a quel grafico l’uso d’elezione per coding, knowledge work e compiti prolungati di problem solving.
Il Terminal-Bench-Science 0.1 appare come un test nuovo, legato alla ricerca scientifica e introdotto a fine agosto. Il materiale citato riporta il nome del benchmark e i punteggi comparativi. Non aggiunge definizioni operative oltre a presentarlo come “brand new”.
Per chi valuta i modelli, il segnale di Willison invita a prudenza: usa i benchmark generali con parsimonia e privilegia confronti controllati dentro le famiglie e a parità di prompt. È il contesto in cui i cinque livelli di reasoning di Fable 5.1 diventano una variabile da misurare, non uno slogan da vetrina.
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate nel pezzo. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.