Un’intelligenza artificiale che coordina il lavoro necessario a costruire un sistema operativo: è il caso più spettacolare che accompagna Claude Fable 5.2 e Claude Mythos 5.2. L’annuncio di Anthropic è del 9 novembre 2026; la notizia ripresa da Punto Informatico è del giorno successivo. Il punto per le aziende è capire quanto stia cambiando il lavoro delegabile all’AI, e come trasformare questa accelerazione in risultati utili.
Fable 5.2 e Mythos 5.2: cosa cambia tra i due modelli
Fable e Mythos condividono il modello di base, con differenti modalità di accesso e protezioni. Fable è destinato alla disponibilità generale; Mythos è accessibile a organizzazioni verificate per attività come ricerca biologica e sicurezza informatica. Sono sistemi rivolti a ragionamento impegnativo e lavori agentici di lunga durata: attività in cui il modello deve mantenere un obiettivo attraverso molti passaggi. Le schede ufficiali descrivono Fable 5.2 e Mythos 5.2.
La documentazione indica per entrambi una finestra di contesto da un milione di token, un massimo di 128.000 token di output e ragionamento adattivo sempre attivo, regolabile tramite il livello di impegno. Un contesto molto ampio permette di fornire più materiale al modello; resta necessario selezionare informazioni corrette e controllare il risultato. Per molte attività quotidiane Anthropic suggerisce di partire da Opus e passare a Fable quando le valutazioni sul proprio lavoro mostrano che serve una capacità superiore. Fonte: novità e compatibilità API.
Il sistema operativo: cosa ha costruito davvero l’AI
Secondo Anthropic, un ingegnere ha assegnato a Fable 5.2 la progettazione di un prototipo di sistema operativo. Partendo da una cartella vuota, il modello ha coordinato oltre mille subagenti per otto giorni, tra scrittura, test e revisione. Il risultato si avvia su un portatile e comprende kernel, driver, archiviazione persistente, finestre, login, installer e funzioni Claude integrate. Fonte: annuncio ufficiale; la notizia è ripresa da Punto Informatico.
“Prototipo funzionante” è la definizione da conservare. L’esperimento non dimostra, da solo, affidabilità equivalente a un sistema operativo commerciale, compatibilità con qualsiasi computer o sicurezza certificata. L’obiettivo iniziale viene da una persona; l’autonomia riguarda l’esecuzione del lavoro nel contesto predisposto. WebAlchemy non ha replicato l’esperimento: lo riportiamo come risultato dichiarato dal produttore.
La novità interessante è la scala del coordinamento. Un conto è ottenere una funzione di codice; un altro è suddividere un progetto, integrare componenti e verificare che funzionino insieme. Per un’impresa, questa direzione apre domande concrete: quali parti della manutenzione software possono essere accelerate? Quali migrazioni diventano sostenibili? Quali controlli devono restare obbligatori prima di mettere un risultato in produzione?
Le altre prove: matematica, hardware e robotica
Nel comunicato Anthropic riporta anche la formalizzazione dell’ultimo teorema di Fermat in trenta ore, progressi su due problemi di fisica dei buchi neri, tre dispositivi elettronici funzionanti progettati da zero e miglioramenti nella robotica. Racconta inoltre una migrazione interna da Python a Rust, realizzata con una versione preliminare del modello, con avvio del servizio circa ventisei volte più rapido. Fonte: risultati tecnici presentati da Anthropic.
La system card ufficiale precisa che la prova in Lean si appoggia anche a definizioni e risultati minori di una formalizzazione precedente. Formalizzare un teorema già dimostrato significa tradurne la prova in un sistema di verifica formale; non equivale a scoprire per la prima volta quel teorema. Analogamente, un risultato su un robot o un progetto sperimentale non garantisce la stessa prestazione in ogni ambiente industriale. Sono segnali importanti di capacità crescente, da leggere insieme alle condizioni dei test.
Una verifica esterna: i risultati ARC Prize
Per affiancare al racconto del produttore una fonte indipendente, ARC Prize pubblica risultati verificati di Fable 5.2. Nei test semi-privati il modello raggiunge il 93,8% su ARC-AGI-2 con ragionamento XHigh. Su ARC-AGI-3 i risultati cambiano sensibilmente con l’ambiente di esecuzione: il massimo riportato è 81,2% con Standard harness e 97,7% con Provider Adapter, a livelli di ragionamento differenti.
Questo confronto mostra perché una percentuale isolata racconta solo parte della storia. Contano strumenti, memoria mantenuta tra passaggi, tempo e configurazione. Questi test misurano capacità specifiche e non costituiscono una verifica indipendente del sistema operativo. In azienda la prova decisiva resta un campione rappresentativo del proprio lavoro, valutato con criteri stabiliti prima del test.
Quanto costano Fable 5.2 e Mythos 5.2
I prezzi API standard pubblicati sono uguali per entrambi. Gli importi seguenti sono in dollari per milione di token; input è il materiale inviato al modello, output è quello generato. Fonte: listino ufficiale Anthropic.
| Modalità | Input / milione | Output / milione |
|---|---|---|
| Fable 5.2 / Mythos 5.2 standard | 8 USD | 40 USD |
| Fable 5.2 / Mythos 5.2 fast | 16 USD | 80 USD |
| Versioni 5.1 standard, per confronto | 10 USD | 50 USD |
Il prezzo standard scende quindi del 20% rispetto alle versioni 5.1. Anthropic dichiara generazione fino al 30% più veloce e, con fast mode opzionale, accelerazione fino a 2,5 volte. Fonte: annuncio di lancio.
Un esempio aritmetico: 100.000 token di input e 10.000 di output costano 1,20 dollari a tariffa standard, oppure 2,40 in fast mode, prima di eventuali componenti aggiuntive. Non è un preventivo per un progetto: ragionamento, chiamate ripetute, strumenti, infrastruttura e revisione possono cambiare il totale. Un sistema con molti agenti va governato anche attraverso budget e condizioni di arresto.
Abbonamenti alla chat e consumo API sono voci differenti. Per scegliere, conviene misurare il costo per risultato accettato: quanto si spende per ottenere un lavoro corretto, inclusi tentativi e verifica umana. Il modello con il prezzo per token più basso non è automaticamente quello più conveniente sul compito completo.
Disponibilità e integrazioni: la scelta dipende dal lavoro
AWS conferma la disponibilità di Fable 5.2 nel proprio ecosistema e descrive le modalità d’integrazione: è un riscontro diretto del fornitore della piattaforma, distinto dai benchmark. Per le aziende che già lavorano su AWS, conviene verificare canale di accesso, disponibilità e condizioni applicabili al proprio account. Fonte: presentazione ufficiale AWS.
L’aggiornamento di un’integrazione richiede comunque test. Le note API segnalano cambiamenti nella gestione dei blocchi di ragionamento, del computer use e dell’advisor. Il passaggio a una versione nuova merita una verifica dei flussi esistenti, soprattutto se eseguono azioni su dati e strumenti aziendali.
Per i dati aziendali, le note ufficiali di rilascio indicano conservazione obbligatoria di trenta giorni per entrambi i modelli e indisponibilità in modalità zero data retention, salvo autorizzazione espressa di Anthropic. Anche questo entra nella scelta del modello e dei dati da affidargli.
Perché il corso del “guru AI” rischia di invecchiare subito
Questa è la nostra lettura: quando cambiano contemporaneamente capacità, prezzi e modalità di lavoro, un corso costruito attorno alle schermate di oggi o a un elenco di prompt può diventare rapidamente parziale. La formazione rimane utile quando insegna a definire obiettivi, valutare fonti, verificare risultati e gestire dati. La promessa di imparare una volta per essere aggiornati per sempre è invece poco credibile.
Il problema non è la singola persona che insegna. È il formato di una conoscenza venduta come definitiva in un settore che continua a cambiare. Un’azienda ha bisogno di un metodo aggiornabile: sperimentare su casi reali, confrontare alternative, misurare benefici e correggere le scelte quando emergono strumenti migliori.
Con WebAlchemy, aggiornarsi diventa un lavoro condiviso
Non serve trasformare ogni imprenditore in un osservatore quotidiano di annunci, benchmark e listini. Con WebAlchemy al tuo fianco, puoi concentrarti sugli obiettivi della tua attività: ti guidiamo nella scelta degli strumenti, nella valutazione dei casi d’uso e nell’integrazione dell’AI nei processi aziendali.
Partiamo da un’attività concreta: documenti da elaborare, informazioni da cercare, operazioni ripetitive o software da migliorare. Definiamo un risultato misurabile, proviamo una soluzione e verifichiamo qualità, tempi e costi. La formazione del team accompagna questo percorso e si aggiorna insieme agli strumenti.
L’AI corre. Non devi inseguire ogni novità da solo. Scopri i servizi di intelligenza artificiale per aziende di WebAlchemy e raccontaci quale lavoro vuoi rendere più semplice: ti aiuteremo a distinguere ciò che fa notizia da ciò che può essere utile alla tua impresa.
