Claude Fable 5 a Mythos 5: jeden model, dvě úrovně důvěry a nová pravidla pro vaše data

Anthropic 9. června představil novou generaci svých modelů. Kdyby šlo jen o výkon, byl by to další řádek v tabulce benchmarků. Jenže tentokrát se stalo něco, co jsme u špičkové AI v takhle čisté podobě ještě neviděli: jeden model, dvoje dveře.

Claude Fable 5 je verze pro všechny. V citlivých oblastech má přidané bezpečnostní zábrany. Claude Mythos 5 je tentýž model bez části těchto zábran a dostanou se k němu jen prověřené organizace: obránci kritické infrastruktury a vybraní biomedicínští výzkumníci. Stejné jádro, jiná míra důvěry.

Proč to řešit, i když AI ve firmě „jen“ nasazujete? Ze dvou důvodů, oba teď otevírám s klienty v regulovaných odvětvích. První: poprvé vidíme governance zabudovanou přímo do produktu. Druhý: mění se pravidla pro vaše data.

Co model umí

Vzorec z prvních nasazení je jednoduchý: čím delší a složitější úkol, tím větší náskok proti předchozím modelům. Přesně tenhle profil práce chtějí firmy předávat AI agentům.

Konkrétně? Stripe popsal, že Fable 5 zvládl v jejich kódu o 50 milionech řádků migraci za jeden den; ručně by týmu trvala přes dva měsíce. Na benchmarku finanční analýzy od firmy Hebbia dosáhl nejvyššího skóre v úlohách, které vyžadují uvažování seniorního analytika. A ve vizuálních úlohách umí věci, které dřív nešly: přečte přesné hodnoty z vědeckého grafu nebo zrekonstruuje zdrojový kód aplikace jen ze screenshotů.

Dvoje dveře v praxi

Tady to začíná být zajímavé pro každého, kdo má odpovědnost za compliance, tzn. soulad s předpisy / s regulacemi.

Fable 5 hlídá tři citlivé oblasti: kybernetické útoky, nebezpečnou biologii a chemii a destilaci (pokusy okopírovat schopnosti modelu do cizí AI). Když dotaz spadne do těchto oblastí, model ho nevyřídí. Co se stane dál, závisí na tom, kudy se připojujete.

V aplikacích (web, mobil, desktop) dotaz automaticky převezme záložní model Claude Opus a uživatel vždy vidí, kdo odpověděl. Týká se to méně než 5 % konverzací.

Přes API se nic nepřesměrovává. Vrátí se zamítnutí se strojově čitelnou kategorií důvodu a vývojář rozhodne, co dál.

Ta druhá věta je nenápadná, ale důležitá. Strukturovaný důvod zamítnutí je governance signál zadarmo: můžete na něj napojit vlastní audit, eskalaci nebo politiku. Dokonalé to není, pojistky jsou laděné záměrně přísně a občas zachytí i nevinný dotaz. Přesto je to poprvé, kdy výrobce špičkové AI vystavil hranice modelu jako API kontrakt, ne jako slovní omluvu v textu odpovědi.

Konec zero data retention u špičkových modelů

Druhá změna je pro regulovaná prostředí možná důležitější než benchmarky.

U modelů třídy Mythos platí nově povinné 30denní uchovávání všech vstupů a výstupů. Slouží výhradně bezpečnostním účelům, k tréninku se data nepoužívají. Důvod dává smysl: některé útoky poznáte až napříč mnoha požadavky, ne z jednoho. Typicky jailbreak poskládaný ze stovek drobných variací téhož dotazu.

Praktický dopad: pokud má vaše organizace sjednaný režim zero data retention, ať v Claude Console, přes AWS Bedrock, Google Cloud nebo Azure Foundry, u těchto modelů přestává platit. Pokud je chcete používat, musíte retenci výslovně povolit. Běžných předplatných pro jednotlivce se změna netýká. Které konkrétní modely do třídy Mythos spadají, najdete v dokumentaci k uchovávání dat (support.claude.com).

Ochrany kolem uchovaných dat jsou solidní. Zaměstnanci Anthropicu se k nim dostanou jen při podezření na vážné zneužití nebo na písemnou žádost zákazníka. Prostředí neumožňuje export, každé nahlédnutí se nesmazatelně loguje a po 30 dnech se data automaticky mažou. K data residency: přes Bedrock zůstávají uchovaná data ve vašem AWS prostředí, přes Google Cloud ve vašem GCP. U Azure Foundry je to slabší. Retence se zapíná per subscription, ale Claude tam běží jen v režimu Global Standard: zpracování může proběhnout v libovolném regionu Azure a kde fyzicky leží uchovaná data, dokumentace neříká.

Podstata se tím nemění: schopnosti nejvyšší třídy mají nově cenu v podobě retence. Tenhle trade-off si každá regulovaná organizace musí vědomě pojmenovat. V záznamech o zpracování, v DPIA a v rozhovoru s DPO.

Tři poznámky z AI-Native praxe

V praxi s tím budu pracovat takhle:

1. Hranice AI systémů přestávají být teorie. Roky říkám, že vyspělá organizace umí popsat, kde její (AI) systémy končí a co se stane, když na tu hranici narazíte. Doteď to byla disciplína pro interní směrnice. Anthropic ji vestavěl přímo do modelu: hranice je explicitní, strojově čitelná a auditovatelná. Organizace, které mají governance jen na papíře, to pocítí první.

2. Transparentnost má limit a je dobré ho znát. V dokumentaci je jeden zajimavý detail. Vedle viditelných pojistek existují i zásahy proti vývoji konkurenčních špičkových modelů, které vidět nejsou; model v takových případech tiše omezí účinnost. Deklarovaný dopad je mizivý, kolem 0,03 % provozu. Do registru rizik ale patří. Ne proto, že je velký, ale proto, že existuje.

3. „Jeden model, dvě tváře“ se stane normou. Odstupňovaný přístup podle prověření je racionální odpověď na dvojí použití: plné schopnosti pro důvěryhodné, opatrnější verze pro veřejnost. Čekám, že to ostatní tvůrci AI modelů zkopírují. A čekám, že otázka „kdo je prověřený“ bude brzy stejně důležitá jako „co model umí“. Co to znamená pro evropské firmy, si nechávám na některé z příštích vydání.

Co udělat tento týden

Pokud špičkové modely ve firmě už běží nebo je plánujete, tady je pět kroků. Vychází z postupu, kterým u klientů používáme:

1. Zmapujte cesty připojení. Aplikace, API napřímo, Bedrock, Google Cloud, Azure? Každá cesta se při zamítnutí chová jinak a jinde fyzicky leží uchovaná data.
2. Rozhodněte o retenci vědomě. Modely třídy Mythos znamenají 30 dní uchovávání. Buď je výslovně povolíte a zapíšete do záznamů o zpracování i DPIA, nebo zůstanete u modelů se zero data retention.
3. Napojte strukturovaná zamítnutí na monitoring. Kategorie důvodů z API jsou hotový vstup pro audit i eskalaci.
4. Doplňte registr rizik o známá omezení modelu. Včetně těch tichých.
5. Proberte to s DPO teď. Je lepší, když se to dozví od vás než z auditu ;).

Závěrem

Fable 5 a Mythos 5 nejsou jen další skok v benchmarcích. Jsou to první modely, u kterých je řízení rizika viditelnou součástí produktu. Od fallbacku přes strukturovaná zamítnutí po retenci s auditním logem. Pro nás, kdo pomáháme firmám stavět AI-Native provoz i v regulovaném prostředí, to není komplikace. Konečně máme společný jazyk. A kdo má governance v pořádku, sáhne po nových schopnostech dřív než konkurence.

Schopnosti za retenci. Ten obchod teď leží na stole.

---

Zdroje: oznámení Anthropic (anthropic.com/news/claude-fable-5-mythos-5), system card Fable 5 / Mythos 5, dokumentace k uchovávání dat (support.claude.com). Stav k 10. 6. 2026.