एंथ्रोपिक ने सोमवार को क्लाउड फैबल 5.2 और क्लाउड माइथोस 5.2 जारी किया, जो सबसे अधिक मांग वाले तकनीकी कार्यों के लिए आरक्षित फ्रंटियर मॉडल के नवीनतम संस्करण हैं। कंपनी का कहना है कि उन्नत जोड़ी कोडिंग, तर्क और दृष्टि में सुधार करती है, फैबल 5.1 और माइथोस 5.1 की तुलना में 30% तक तेजी से आउटपुट उत्पन्न करती है, और कम कीमत पर आती है: $8 प्रति मिलियन इनपुट टोकन और $40 प्रति मिलियन आउटपुट टोकन, एक वैकल्पिक फास्ट मोड के साथ जो $16 प्रति मिलियन इनपुट और $80 प्रति मिलियन आउटपुट टोकन के लिए 2.5 गुना तक उत्पादन को तेज करता है।

लॉन्च ने तुरंत मॉडल-ट्रैकिंग समुदाय का ध्यान आकर्षित किया। आर्टिफिशियल एनालिसिस, एक स्वतंत्र एआई मूल्यांकन साइट, ने अपने इंटेलिजेंस इंडेक्स पर 65 पर फैबल 5.2 स्कोर किया, जो अब तक जारी किए गए किसी भी मॉडल के लिए दर्ज किया गया उच्चतम स्कोर है, और घोषणा ने कुछ ही घंटों में हैकर न्यूज पर सैकड़ों टिप्पणियां प्राप्त कीं। नवीनतम एआई विकास का अनुसरण करने वाले पाठकों के लिए, यह रिलीज जून में फैबल लाइन की शुरुआत के बाद से एंथ्रोपिक द्वारा दिखाई गई सबसे तेज क्षमता वाली छलांग का प्रतीक है।

एक मॉडल, दो दरवाजे

फैबल और मिथोस एक ही अंतर्निहित मॉडल हैं। अंतर पहुंच नीति में है: फैबल में मजबूत साइबर सुरक्षा और जीव विज्ञान सुरक्षा उपाय हैं जो एंथ्रोपिक को इसे सभी उपयोगकर्ताओं के लिए पेश करने देते हैं, जबकि मिथोस कम क्षमताओं को छीन लेता है और इसलिए एंथ्रोपिक के जीवन विज्ञान और साइबर सत्यापन कार्यक्रमों में स्वीकार किए गए संगठनों तक ही सीमित है। एंथ्रोपिक ने कहा कि फैबल 5.2 के सुरक्षा उपाय फैबल 5.1 की तरह ही मजबूत हैं, लेकिन कम अनावश्यक ब्लॉक उत्पन्न करते हैं, और नए मॉडल में आसवन हमलों के खिलाफ कंपनी की अब तक की सबसे मजबूत सुरक्षा शामिल है।

कंपनी ने यह भी खुलासा किया कि प्रीरिलीज़ सुरक्षा परीक्षण में सैंडबॉक्स एस्केप जैसे विशिष्ट संबंधित व्यवहारों को लक्षित करने वाले उपन्यास मूल्यांकन शामिल थे, और यह कि मॉडल ने अधिकांश संरेखण उपायों पर हाल के एंथ्रोपिक मॉडल के बराबर या उससे बेहतर प्रदर्शन किया। संपूर्ण विवरण फ़ेबल 5.2 और मिथोस 5.2 सिस्टम कार्ड में प्रकाशित किया गया है।

बेंचमार्क क्या दिखाते हैं

एंथ्रोपिक ने नए मॉडलों को क्लॉड ओपस 5.5 से एक कदम ऊपर रखा, इसका अनुशंसित दैनिक-चालक मॉडल, लगभग हर क्षमता पर इसका मूल्यांकन किया गया। फ्रंटियरकोड 2.0 पर, एक एजेंटिक कोडिंग बेंचमार्क जो मापता है कि क्या किसी मॉडल के परिवर्तन वास्तव में ओपन-सोर्स रिपॉजिटरी में विलय किए जाएंगे, फैबल 5.2 ने अधिकतम तर्क प्रयास पर 49.1% स्कोर किया, जो कंपनी द्वारा परीक्षण किए गए किसी भी जारी मॉडल का उच्चतम स्कोर है। उच्च प्रयास पर यह 45.3% तक पहुंच गया, जो प्रति कार्य लगभग आधी लागत पर ओपस 5.5 के 45.5% के सर्वश्रेष्ठ स्कोर से मेल खाता है और जीपीटी-6 एस्ट्रा के 42.8% के सर्वश्रेष्ठ स्कोर को पीछे छोड़ देता है।

एन्थ्रोपिक की घोषणा से अन्य परिणाम:

  • फ्रंटियरएसडब्ल्यूई वी2 (एजेंट कोडिंग): 69.9%, फैबल 5.1 के लिए 56.3% से ऊपर और ओपस 5.5 (62.3%), जीपीटी-6 एस्ट्रा (65.5%), और जेमिनी 4 कार्बन (61.2%) से आगे।
  • उपकरणों के साथ मानवता की अंतिम परीक्षा (बहुविषयक तर्क): 74.2%, बनाम कल्पित 5.1 के लिए 65.6% और अधिकतम प्रयास पर जीपीटी-6 एस्ट्रा के लिए 57.2%।
  • दूरस्थ श्रम सूचकांक (ज्ञान कार्य): ​​उच्च प्रयास पर 41.3%, फ़ेबल 5.1 के 17.9% से दोगुने से अधिक और ओपस 5.5 के 21.3% से काफी आगे।
  • OSWorld 2.1 (कंप्यूटर उपयोग): 89.3%, 87.2% पर ओपस 5.5 से आगे।
  • रोबोडोजो सिम (रोबोटिक्स): 64.9%, पिछले संस्करण के लिए 27.6% से अधिक उछाल।
  • बेंचकैड 2.1 (हार्डवेयर इंजीनियरिंग): अधिकतम प्रयास पर 83.5, बनाम ओपस 5.5 के लिए 65.3।

जेमिनी 4 कार्बन ने एक क्षेत्र में बढ़त बनाए रखी, और ऑटोमेशनबेंच, एक बिजनेस-वर्कफ़्लो बेंचमार्क पर फ़ेबल 5.2 के 51.4% के मुकाबले 53.9% स्कोर किया। मिथोस 5.2 ने मजबूत साइबर सुरक्षा और प्रोटीन-डिज़ाइन परिणाम पोस्ट किए, जिसमें साइसेनारियोबेंच पर 76.3% और सीवीई रिडिस्कवरी परीक्षण पर 89.6% शामिल हैं।

लॉन्च से पहले मॉडल ने क्या किया

घोषणा में सबसे अधिक ध्यान आकर्षित करने वाले दावे प्री-रिलीज़ परीक्षण से संबंधित हैं। एंथ्रोपिक ने कहा कि फैबल 5.2 ने उसके इंजीनियरों को अन्यथा-असंभव सॉफ्टवेयर माइग्रेशन को पूरा करने में मदद की, स्क्रैच से तीन काम करने वाले इलेक्ट्रॉनिक उपकरणों को डिजाइन किया, ब्लैक होल के भौतिकी में दो खुली समस्याओं को हल किया, और 30 घंटों में फर्मेट के अंतिम प्रमेय के प्रमाण को औपचारिक रूप दिया।

एक आंतरिक प्रयोग में, एक एंथ्रोपिक इंजीनियर ने मॉडल को एक खाली फ़ोल्डर से शुरू करके एक प्रोटोटाइप ऑपरेटिंग सिस्टम बनाने के लिए कहा। मॉडल ने आठ दिनों में 1,000 से अधिक उप-एजेंटों का समन्वय किया और एक सिस्टम तैयार किया जो लैपटॉप पर अपने कर्नेल, डिस्क, कीबोर्ड और नेटवर्क ड्राइवर, स्थायी फ़ाइल भंडारण, एक विंडोिंग सिस्टम, एक लॉगिन स्क्रीन और एक इंस्टॉलर के साथ बूट होता है। एंथ्रोपिक ने यह भी कहा कि मॉडल के पुराने संस्करण को चलाने वाले एजेंटों की एक टीम ने एक महत्वपूर्ण उत्पादन सेवा को पायथन से रस्ट में स्थानांतरित कर दिया है, और यह सेवा अब लगभग 26 गुना तेजी से शुरू होती है।

कंपनी ने कहा कि उसके अपने कोर कोडबेस में विलय किए गए 90% से अधिक परिवर्तन अब क्लाउड द्वारा मानव मार्गदर्शन के साथ लिखे गए हैं।

कैसे मानवशास्त्र इसका उपयोग करने का सुझाव देता है

बेंचमार्क छलांग के बावजूद, एंथ्रोपिक अपने मुख्य लाइनअप के प्रतिस्थापन के रूप में फैबल 5.2 को स्थान नहीं दे रहा है। अधिकांश कोडिंग और ज्ञान कार्यों के लिए यह ओपस 5.5 से शुरू करने और फ़ेबल या माइथोस तक जाने की सलाह देता है जब कोई समस्या इसकी मांग करती है, या सॉनेट 5.5 और हाइकु 5.5 तक जब यह नहीं होती है। कल्पित 5.2 एक सलाहकार के रूप में भी काम कर सकता है जो छोटे मॉडल कठिन समस्याओं पर परामर्श देता है, या एक ऑर्केस्ट्रेटर के रूप में जो सरल कार्यों को नीचे की ओर सौंपता है।

घोषणा में उद्धृत शुरुआती ग्राहकों में वर्सेल, शॉपिफाई, डेटाडॉग, यूनिटी, उबर, ओरेकल, स्नोफ्लेक, कॉग्निशन और आईजेंट शामिल हैं। वर्सेल में तकनीकी स्टाफ के एक सदस्य जो हद्दाद ने कहा कि जिन परियोजनाओं को अन्य मॉडलों के साथ कई हफ्तों तक आगे बढ़ाया गया था, वे कुछ ही दिनों में समाप्त हो गईं और स्वीकृत हो गईं, जबकि शॉपिफाई के एक स्टाफ इंजीनियर टॉम प्रिचर्ड ने मॉडल को किसी अन्य स्टाफ-स्तर के इंजीनियर के साथ काम करने जैसा महसूस कराया।

उपलब्धता

Fable 5.2 अब Amazon Web Services, Google Cloud और Microsoft Azure पर उपलब्ध है, और डेवलपर्स इसे क्लाउड प्लेटफ़ॉर्म पर claude-fable-5-2 के रूप में कॉल कर सकते हैं। मिथोस 5.2 एक्सेस सत्यापन कार्यक्रमों के माध्यम से चलता है, और एंथ्रोपिक एंटरप्राइज़ ग्राहकों के लिए क्लाउड सिक्योरिटी के अंदर मॉडल भी पेश कर रहा है। लॉन्च सप्ताह के लिए, एंथ्रोपिक पात्र भुगतान वाले ग्राहकों को अतिरिक्त फ़ेबल उपयोग दे रहा है, जिसमें प्रो योजनाओं पर साप्ताहिक उपयोग सीमा के 50% तक फ़ेबल एक्सेस शामिल है।

क्षमता में उछाल को देखते हुए मूल्य निर्धारण में कटौती उल्लेखनीय है। क्या Fable 5.2 के स्कोर स्वतंत्र मूल्यांकन के तहत टिके रहते हैं, और प्रतिद्वंद्वी OpenAI और Google अपने अगले कदमों के साथ कितनी जल्दी प्रतिक्रिया देते हैं, यह 2027 में आगे बढ़ने वाली अग्रणी दौड़ को आकार देगा।

---

एआई से आगे रहें

नवीनतम एआई समाचार, विश्लेषण और सफलताएँ प्राप्त करें - सभी एक ही स्थान पर।

अधिक AI समाचार पढ़ें →