Przejdź do treści
4 min czytania

Claude Fable 5.2 maluje obrazy pędzlem zamiast je generować

Claude Fable 5.2 od Anthropic tworzy obrazy z setek tysięcy symulowanych pociągnięć pędzla w kodzie Python. Model zmierzył się też z GPT-6 Astra w robotyce.

Claude Fable 5.2 maluje obrazy pędzlem zamiast je generować

Źródło zdjęcia: The Decoder

Anthropic pokazał nowy sposób tworzenia obrazów przez model językowy. Jak opisuje serwis The Decoder, Claude Fable 5.2 nie generuje grafiki tak jak klasyczne modele obrazowe. Pisze kod w Pythonie, który nakłada na wirtualne płótno setki tysięcy pojedynczych pociągnięć pędzla. Efektem są złożone, a czasem wręcz fotorealistyczne obrazy.

Popularne modele graficzne, takie jak Midjourney, korzystają zwykle z dyfuzji: stopniowo przekształcają zaszumiony obraz w wyraźny wynik. Fable 5.2 symuluje natomiast fizyczny proces malowania. Uwzględnia fakturę włosia, sposób nakładania farby, a także własne pomyłki, które potem musi zamalować.

Najważniejsze informacje

  • Claude Fable 5.2 tworzy obrazy, sterując symulowanym silnikiem malarskim za pomocą programów w Pythonie liczących od 1000 do 2000 linii, bez zewnętrznego modelu graficznego.
  • Fotorealistyczna scena z wózkiem sklepowym w garażu podziemnym powstała z około 700 000 symulowanych pociągnięć pędzla.
  • W eksperymencie bez opcji „cofnij” model namalował ptaka o wschodzie słońca w dokładnie 111 ruchach i poprawiał błędy na bieżąco.
  • W wewnętrznym benchmarku Anthropic RoboDojo Sim Fable 5.2 uzyskał 64,9 proc., a GPT-6 Astra od OpenAI 29,8 proc.
  • W teście z prawdziwym ramieniem robota model OpenAI okazał się jednak szybszy i lepszy w precyzyjnej motoryce.

Fotorealizm z setek tysięcy pociągnięć

Możliwości nowego podejścia zaprezentował na platformie X Jake Eaton. Pracuje w Anthropic i regularnie współtworzy badania nad wartościami modeli językowych, mechanizmami bezpieczeństwa i zachowaniem agentów AI. Eaton poprosił Fable 5.2 o obraz możliwie trudny do odróżnienia od fotografii. Model namalował wózek sklepowy w garażu podziemnym, używając do tego około 700 000 symulowanych pociągnięć pędzla.

Eaton podkreśla, że Claude nie korzysta z zewnętrznego modelu obrazowego ani z wcześniej wyrenderowanych lub odrysowywanych obrazów źródłowych. Każde dzieło to osobny program w Pythonie o długości od 1000 do 2000 linii, który steruje symulowanym silnikiem malarskim. The Decoder porównuje to do agentowej edycji obrazów, w której model językowy sam dobiera narzędzia i ocenia efekty swojej pracy.

Wcześniejsze próby z bratnim modelem Opus 5.5 spotkały się z krytyką, bo obrazy jedynie naśladowały istniejącą sztukę. Eaton postanowił więc, że Fable 5.2 opracuje własne persony artystyczne z fikcyjnymi biografiami i spójnym stylem. Jeden obraz wymaga od modelu kilku tysięcy pociągnięć pędzla, a Eaton koryguje ich kierunek za pomocą komentarzy.

Malowanie bez przycisku „cofnij”

Inny eksperyment opisał inżynier Anthropic Michael Graczyk. Udostępnił zapis rozmowy i nagranie, na którym prosi Fable 5.2 o namalowanie ptaka o wschodzie słońca. Ograniczenia były surowe. Model mógł używać wyłącznie kodu symulującego fizykę włosia, mokrej farby i faktury płótna. Każde pociągnięcie musiał zapisać ręcznie jako osobny ciąg współrzędnych, a raz postawionego ruchu nie dało się cofnąć. Tym ta metoda różni się od wideo generowanego przez AI, w którym modele takie jak Flux 3 tworzą bezpośrednio sekwencje obrazów i dbają o ich spójność w czasie.

Powstało 21-sekundowe nagranie z licznikiem, który pokazuje, jak obraz wyłania się z pustego płótna w dokładnie 111 pociągnięciach. Przy pierwszym z nich model podał:

  • kod koloru #30346a,
  • szerokość pędzla 90 pikseli,
  • pięć punktów trasy z lekkim drżeniem.

Fable 5.2 wyjaśnił, że celowo dodał drżenie rzędu około siedmiu pikseli, ponieważ ludzka ręka również nie rysuje idealnie prostych linii.

Między kolejnymi etapami model oglądał płótno i reagował na własne błędy jak prawdziwy malarz. Grzbiet ptaka wyszedł zbyt cienki i postrzępiony, więc AI nałożyła na niego mocniejsze pociągnięcie. Przypadkowe ślady włosia wzdłuż krawędzi wyglądają teraz jak nastroszone pióra.

W drugiej pracy, złożonej z 280 pociągnięć i przedstawiającej dwie malujące osoby o zmierzchu, późno dodany efekt świetlny przypadkowo rozmazał tubki z farbą i kubek na stole. Claude namalował te przedmioty ponownie. Zgodnie z poleceniem obie postacie malują zewnętrznymi dłońmi, tak aby mogły stykać się wewnętrznymi ramionami. Model radzi sobie także ze złożoną perspektywą i oświetleniem, rozpisując je na tysiące pojedynczych instrukcji w kodzie.

Od płótna do ramienia robota

Planowanie krok po kroku i samokorekta w warunkach fizycznych ograniczeń nie dotyczą wyłącznie wirtualnego płótna. Według Anthropic Fable 5.2 zaprojektowano do bardzo wymagających, długoterminowych zadań technicznych. Ten sam cel ma Mythos 5.2, wersja przeznaczona dla zweryfikowanych badaczy z dziedzin bezpieczeństwa i biologii.

W testach wewnętrznych Fable 5.2 miał:

  • rozwiązać dwa otwarte problemy z fizyki czarnych dziur,
  • zaprojektować trzy działające urządzenia elektroniczne we współpracy z producentem płytek drukowanych Diode,
  • napisać własny system operacyjny dla laptopa w osiem dni, korzystając z ponad 1000 subagentów.

Badacz AI Aris Zhu sprawdził, jak model radzi sobie z prawdziwymi ramionami robotycznymi. Zestawił Fable 5.2 z konkurencyjnym modelem OpenAI, GPT-6 Astra. Każdy z nich malował fizycznym ramieniem robota „Gwiaździstą noc” Vincenta van Gogha. W wewnętrznym benchmarku RoboDojo Sim Anthropic podaje wynik 64,9 proc. dla Fable 5.2 i 29,8 proc. dla GPT-6 Astra.

Porównanie Zhu w realnych warunkach pokazało jednak ograniczenia modelu Anthropic w precyzyjnej motoryce. Astra malowała szybciej. Do tej pory tylko model OpenAI zdołał też postawić kostkę domina na sztorc. Zrobił to, powoli rozluźniając chwytak, tak by grawitacja posłużyła jako punkt obrotu.

Inne podejście do grafiki generowanej przez AI

Przykład Fable 5.2 pokazuje, że model językowy może tworzyć obrazy bez dyfuzji: przez planowanie, wykonywanie i ocenę kolejnych, nieodwracalnych kroków. Zdaniem The Decoder te same umiejętności rozumowania przestrzennego przenoszą się na fizyczne roboty. Wyniki z benchmarku Anthropic warto jednak czytać ostrożnie, ponieważ to test wewnętrzny, a w praktycznym porównaniu z ramieniem robota przewagę w szybkości i precyzji miał GPT-6 Astra.

Claude Fable 5.2 maluje jak artysta, który nie może cofnąć żadnego ruchu. W świecie fizycznym model Anthropic wciąż ustępuje konkurencji w zadaniach wymagających szybkości i precyzji.

Udostępnij

Źródła

Powrót do nawigacji