Anthropic का Opus 5 अपने बड़े भाई को मुख्य परीक्षणों में हराता है और कम प्रतिबंधों के साथ आता है

मुख्य बिंदु

• Anthropic ने शुक्रवार को Opus 5 लॉन्च किया, 28 मई को Opus 4.8 उपलब्ध होने के दो महीने बाद।
• Opus 5 कई बेंचमार्क पर Fable 5 से बेहतर प्रदर्शन करता है, कंपनी के अपने परीक्षणों से पता चलता है।
• Fable 5 और Mythos 5 के विपरीत, Opus 5 Anthropic की 30-दिवसीय डेटा प्रतिधारण नीति के अधीन नहीं है।
• Anthropic का कहना है कि इसके सुरक्षा फ़िल्टर Opus 5 पर Fable 5 की तुलना में 85% कम बार सक्रिय होंगे।
• Automatic Fallbacks नामक एक नई ऑप्ट-इन सुविधा डेवलपर्स को एक अवरुद्ध प्रॉम्प्ट के बजाय एक उपयोगी उत्तर देती है।

Anthropic का नवीनतम AI मॉडल, Opus 5, शुक्रवार को आया, और इसकी मुख्य संख्या एक आश्चर्य है: यह कंपनी के भारी, अधिक महंगे मॉडल Fable 5 को कई अपने स्वयं के बेंचमार्क परीक्षणों पर बेहतर प्रदर्शन करता है।

बेंचमार्क मानकीकृत समस्या सेट हैं, AI के लिए समयबद्ध परीक्षाओं के बारे में सोचें, जो शोधकर्ता मॉडल की तुलना करने के लिए उपयोग करते हैं। उन पर उच्च स्कोर हर स्थिति में बेहतर प्रदर्शन की गारंटी नहीं देता है, लेकिन ये उद्योग के पास सबसे स्पष्ट यार्डस्टिक हैं।

तो सस्ता मॉडल महंगे वाले को क्यों हराता है?

Anthropic ने Opus 5 को अपने काम की अधिक सावधानी से जांच करने और सही उत्तर मिलने तक कोशिश करते रहने के लिए बनाया। लॉन्च घोषणा में उद्धृत एक परीक्षण में, मॉडल ने एक जानबूझकर अस्पष्ट प्रॉम्प्ट के जवाब में अपनी खुद की कंप्यूटर-विजन पाइपलाइन लिखी, सॉफ्टवेयर जो मशीन को छवियों की व्याख्या करने देता है, फिर बिना कहे इसे संशोधित किया।

Fable 5 को Anthropic के सबसे सक्षम मॉडल के रूप में तैनात किया गया था, लेकिन Opus 5 विशिष्ट क्षेत्रों में उस अंतर को बंद करने या पार करने के लिए लगता है जबकि चलाने में कम खर्च आता है।

गोपनीयता और प्रतिबंधों के बारे में क्या?

Opus 5 30-दिवसीय डेटा प्रतिधारण नियम को छोड़ देता है जो Fable 5 और Mythos 5 पर लागू होता है। डेटा प्रतिधारण का मतलब है कि कंपनी एक निर्धारित अवधि के लिए आपकी बातचीत की प्रतियां रखती है। इस नियम को हटाना सबसे अधिक व्यवसायों और पेशेवरों के लिए महत्वपूर्ण है जो संवेदनशील जानकारी संभालते हैं।

अभी भी गार्ड्स हैं, विशेष रूप से साइबर सुरक्षा के आसपास। Opus 5 एक संकलित सॉफ्टवेयर बाइनरी, एक तैयार प्रोग्राम को स्कैन नहीं करेगा, सुरक्षा खामियों के लिए, क्योंकि वह प्रक्रिया अक्सर हमलावरों की सेवा करती है। यह, हालांकि, सोर्स कोड, मानव-पठनीय निर्देश खोजेगा जो एक प्रोग्रामर लिखता है, समान कमजोरियों के लिए, क्योंकि वह कार्य समस्याओं को ठीक करने के लिए अधिक सामान्यतः उपयोग किया जाता है उन्हें पैदा करने की तुलना में।

व्यापक रूप से, Anthropic उम्मीद करता है कि Opus 5 के सुरक्षा फ़िल्टर Fable 5 पर उन लोगों की तुलना में 85% कम बार सक्रिय होंगे।

Automatic Fallbacks सुविधा क्या है?

Automatic Fallbacks डेवलपर्स के लिए एक व्यावहारिक समाधान है, जो Anthropic के मॉडल के शीर्ष पर ऐप्स और टूल्स बनाते हैं। जब कोई प्रॉम्प्ट सुरक्षा फ़िल्टर को ट्रिप करता था, तो सिस्टम एक त्रुटि संदेश, एक डेड एंड लौटाता था। Automatic Fallbacks चालू करने के साथ, अनुरोध शांत तरीके से एक कम शक्तिशाली मॉडल को पुनः निर्देशित किया जाता है जो अभी भी जवाब दे सकता है, इसलिए ऐप काम करता रहता है।

उपभोक्ता उत्पादों के उपयोगकर्ता इसे सीधे ध्यान देने की संभावना नहीं है। Anthropic के API पर निर्माण करने वाले डेवलपर, तकनीकी इंटरफ़ेस जो सॉफ्टवेयर को मॉडल से बात करने देता है, अब एक बीटा प्रोग्राम के माध्यम से चुन सकते हैं।

यह Anthropic की मॉडल रेंज को कहां छोड़ता है?

Opus 5 का लॉन्च मतलब है कि 5-सीरीज अब Mythos 5, Fable 5, Sonnet 5 और Opus 5 को कवर करता है। 5-सीरीज अपग्रेड की प्रतीक्षा कर रहा एकमात्र मॉडल Haiku है, हल्के वजन का विकल्प सरल, तेजी के कार्यों के लिए।

TechCrunch AI द्वारा पहली बार रिपोर्ट किया गया, लॉन्च Anthropic की लाइनअप को हर मूल्य बिंदु पर अधिक प्रतिस्पर्धी दिख रहा है, सबसे भारी वर्कलोड अब स्वचालित रूप से सबसे महंगे विकल्प को नहीं दिया जाता है।