Anthropic သည် သောကြာနေ့တွင် သုတေသနအသစ်ကို ထုတ်ပြန်ခဲ့ရာ ၎င်း၏ Claude မော်ဒယ်များသည် ဂိမ်း၏ အလိုအပ်ဆုံးသော virtual worlds နှစ်ခုအတွင်းတွင် စီးပွားရေးလုပ်ငန်းများကို လုပ်ဆောင်နေကြောင်း ပြသခဲ့ပြီး ရလဒ်များသည် နည်းလမ်းနှစ်ခုလုံးကို ဖြတ်တောက်ခဲ့သည်။ Anthropic Fellows ပရိုဂရမ်၏တစ်စိတ်တစ်ပိုင်းအဖြစ် developer Fenris Creations နှင့်ပြုလုပ်သည့် Project EVE တွင် Claude အေးဂျင့်များသည် EVE Online ၏ကစားသမား-မောင်းနှင်သောစီးပွားရေးနှင့် တိုက်ရိုက်ဂိမ်း EVE Frontier တွင် ပူးပေါင်းလုပ်ဆောင်သည့်လုပ်ဆောင်မှုများ၏သစ္စာရှိပုံစံဖြင့် အမြတ်အစွန်းရခဲ့သည်။ ဒါပေမယ့် သုတေသီတွေက အဖွဲ့သားတစ်ဦးကို အသင်းဖော်တွေကို အားနည်းစေအောင် လျှို့ဝှက်ညွှန်ကြားတဲ့အခါ ရိုးသားတဲ့ အေးဂျင့်တွေက အဲဒါကို ဖမ်းမိခြင်း မရှိသလောက်ပါပဲ။
ပရောဂျက်သည် ဂိမ်းကစားခြင်းထက် အရေးကြီးသည်။ Anthropic ၏ သုတေသီများသည် များပြားလှသော အွန်လိုင်းဂိမ်းများသည် စစ်မှန်သောအဖွဲ့အစည်းများ၏ ရှုပ်ထွေးမှု—ရှားပါးသောအရင်းအမြစ်များ၊ ထောက်ပံ့ရေးကွင်းဆက်များ၊ ကစားသမားများတည်ဆောက်ထားသော မျှဝေစကြာဝဠာများနှင့် မည်သူကိုယုံကြည်ရမည်ကို အမြဲမပြတ်ဆုံးဖြတ်ရန် လိုအပ်ကြောင်း အခိုင်အမာပြောဆိုကြသည်။ ကုမ္ပဏီများသည် အချင်းချင်း၏အလုပ်အပေါ် အားကိုးရမည့် AI အေးဂျင့်အဖွဲ့များကို စတင်အသုံးပြုလာသည်နှင့်အမျှ EVE ကဲ့သို့သော ဂိမ်းများသည် ထိုအဖွဲ့များ၏ လုပ်ဆောင်ပုံနှင့် ၎င်းတို့မအောင်မြင်မှုအတွက် စမ်းသပ်ကွင်းတစ်ခု ပေးဆောင်သည်။
ဤနှင့် အခြား breaking AI သုတေသနသတင်း နှင့်ပတ်သက်သည့် နောက်ထပ်အကြောင်းအရာများအတွက် ကျွန်ုပ်တို့၏ပင်မစာမျက်နှာသို့ ဝင်ရောက်ကြည့်ရှုပါ။
ကုန်သွယ်ရေးအေးဂျင့်များသည် ကျယ်ပြန့်သော Margins ဖြင့် Human Heuristics ကိုအနိုင်ယူသည်။
ပထမဆုံးစမ်းသပ်မှုအစုတွင် Anthropic သည် EVE Online ၏အကြီးဆုံးကုန်သွယ်မှုအချက်အချာတွင်တင်ထားသောအမှန်တကယ်အရောင်းအ၀ယ်အမှာစာများကိုပြန်လည်ပြသသည့် simulator တွင်ကုန်သည်များအဖြစ် Claude 4.6၊ Opus 4.7၊ Opus 4.8 နှင့် Fable 5 ကိုစမ်းသပ်ခဲ့သည်။ အဖွဲ့သည် သရုပ်ဖော်ခြင်းကို တမင်တကာ ရွေးချယ်ခဲ့သည်- အလိုအလျောက် အရောင်းအ၀ယ်သည် တိုက်ရိုက်ဂိမ်းရှိ စည်းမျဉ်းများကို ဆန့်ကျင်ပြီး ပြန်လည်ကစားသည့်ပုံစံသည် သုတေသီများအား တူညီသောအခကြေးငွေများနှင့် ကန့်သတ်ချက်များကို လူသားကုန်သည်များက အနှောင့်အယှက်မပေးဘဲ ရင်ဆိုင်ရစေမည်ဖြစ်သည်။
ဈေးကွက်က တကယ်ကို ခက်တယ်။ EVE Online ၏ စျေးကွက်ဒီဇိုင်းသည် NASDAQ ကို အခြေခံထားပြီး ကစားသမားထောင်ပေါင်းများစွာသည် နေ့စဉ် ပစ္စည်းအမျိုးအစားပေါင်း 15,000 ကျော် ရောင်းဝယ်နေပြီး အသွားအပြန် ကုန်သွယ်မှုကုန်ကျစရိတ်မှာ အခကြေးငွေအားဖြင့် အကြမ်းဖျင်း 5.6% ဖြစ်သည်။ သီတင်းနှစ်ပတ်ကြာ ပြတင်းပေါက် ကိုးခုတွင် စမ်းသပ်ခဲ့သည့် ရိုးရှင်းသော စည်းမျဉ်းအခြေခံ မဟာဗျူဟာ အနှစ် ၂၀ အနက်မှ တစ်ခုသည် တစ်သမတ်တည်း ပြတ်တောက်သွားခဲ့သည်။
Claude မော်ဒယ်တွေက ပိုကောင်းတယ်။ Opus 4.7၊ Opus 4.8 နှင့် Fable 5 တို့သည် ဂိမ်းတွင်းငွေကြေး ISK 3 ဘီလီယံမှစတင်ကာ ပျမ်းမျှအားဖြင့် ၎င်းတို့၏အရင်းအနှီးကို 16%, 22% ခန့်နှင့် 43% အသီးသီးတိုးလာကာ windows ကိုးခုလုံးတွင် အမြတ်အစွန်းများခဲ့သည်။ အသက်အကြီးဆုံးမော်ဒယ်၊ Opus 4.6 သည် 4% ခန့်ရရှိခဲ့သည် — အကောင်းဆုံးစည်းမျဉ်းအခြေခံဗျူဟာဖြင့် အကြမ်းဖျင်းအဆင့်ရှိသည်။
မော်ဒယ်မျိုးဆက်များကြား ကွာဟချက်မှာ အထူးခြားဆုံး တွေ့ရှိမှုဖြစ်သည်။ တိုးချဲ့ခြောက်လကြာ လည်ပတ်မှုတွင် Opus 4.6 နှင့် Fable 5 အကြား ပျမ်းမျှဝင်ငွေသည် သုံးဆတိုးလာသည် — လေးလသာခြားသော မော်ဒယ်နှစ်ခုသည် — ကနဦးအရင်းအနှီး၏ 200% မှ 600% ဝန်းကျင်မှဖြစ်သည်။
အေးဂျင့်တွေက တကယ်ငွေရှာတယ်။
Anthropic သည် မော်ဒယ်များကို ဗျူဟာတစ်ခု မသင်ပေးဘဲ အများစုမှာ လူသားပညာရှင်များ အသုံးပြုသည့် တူညီသောချဉ်းကပ်မှုတွင် ဆုံစည်းကြသည်- ဖြန့်ကျက်ဖမ်းယူမှု။ အေးဂျင့်များသည် စျေးနှုန်းအလွှဲအပြောင်းဖြစ်သော အထူးသဖြင့် လုယက်နိုင်သောပစ္စည်းများ — ရောင်းချသူများ၏စျေးနှုန်းများသည် ပုံမှန်တန်ဖိုးထက်နိမ့်ကျနေချိန်တွင် ဝယ်ယူပြီး တစ်နေ့တာအတွင်း ပြန်လည်ရောင်းချသည့်အခါတွင် အေးဂျင့်များသည် အထူးအခွင့်အရေးများသာမက ရောင်းဝယ်နိုင်သောပစ္စည်းများကို ဖော်ထုတ်ခဲ့သည်။ အနားသတ်များသည် အကြမ်းဖျင်းအားဖြင့် 8-13% မျှသာရှိသော်လည်း အေးဂျင့်များသည် တစ်ရက်လျှင် ရာနှင့်ချီသော အမှာစာများကို အပြည့်အ၀ အလိုအလျောက် ပိုက်လိုင်းများ လည်ပတ်ကြသည်။
အေးဂျင့်အများစုသည် ၎င်းတို့ကိုယ်တိုင်ရေးသားခဲ့သော ကုန်သွယ်မှု အယ်လဂိုရီသမ်တစ်ခုတွင် အခြေချနေထိုင်ကြပြီး ၎င်းကို ပြန်လည်ပြင်ဆင်ခဲပါသည်။ ချမှတ်ထားသော စည်းကမ်း၊ ဗျူဟာ မဟုတ်ဘဲ အဆုံးအဖြတ် ရလဒ်များ။ မော်ဒယ်များသည် ပြင်ပပြောင်းလဲမှုများကို သတိပြုမိရန် နှေးကွေးသွားသည်- ဂိမ်းသည် 2025 ခုနှစ် မတ်လတွင် ၎င်း၏ အရောင်းခွန်ကို တိုးမြှင့်လိုက်သောအခါ၊ Opus 4.7 အေးဂျင့်များသည် ပျမ်းမျှအားဖြင့် 2.5 ရက်ကြာ သတိပြုမိခဲ့ပြီး Opus 4.6 အေးဂျင့်များ၏ 43% သည် ဘယ်သောအခါမှ မလုပ်ခဲ့ပါ။
မနုဿက ကန့်သတ်ချက်တွေကို သတိထားပါ။ EVE ၏စျေးကွက်သည် အစစ်အမှန်လဲလှယ်မှုထက် ထိရောက်မှုနည်းသောကြောင့် ဖြန့်ကျက်ဖမ်းယူမှုကို မလွှဲပြောင်းနိုင်ပါ။ Simulator သည် အေးဂျင့်များ၏ကိုယ်ပိုင်ကုန်သွယ်မှုကို မတုံ့ပြန်နိုင်ပါ။ သုတေသီများသည် အေးဂျင့်များကို ဖြတ်တောက်စေမည့် ဓာတုအမှာစာများကို ပေါင်းထည့်လိုက်သောအခါတွင် အမြတ်ငွေမှာ အကြမ်းဖျင်းအားဖြင့် 35% ကျဆင်းသွားသည်။ ဦးတည်သောလောင်းကစားများ၏ သီးခြားစမ်းသပ်မှုတစ်ခုတွင် — ဂိမ်းအတွင်းဖြစ်ရပ်များ၏သတင်းများထွက်ပေါ်လာဖွယ်ရှိသည့်ပစ္စည်းများကိုဝယ်ယူခြင်း — မော်ဒယ်များသည် Fable 5 ၏ထက်ဝက်ခန့်သာအမြတ်ငွေအဖြစ်ပြောင်းလဲသွားသဖြင့်ပိုမိုဆိုးရွားခဲ့သည်။ သင်ယူစရာ ချို့ယွင်းချက်တစ်ခုတွင် အေးဂျင့်တစ်ဦးမှ တူးဖော်မှုအသစ်တစ်ခု တိုးချဲ့ခြင်းသည် သတ္တုတွင်းကိရိယာများအတွက် ၀ယ်လိုအားကို မြှင့်တင်ပေးမည့် "ရွှေပေါက်တူးများ" သီအိုရီတစ်ခုဖြစ်သည့် ရောင်းလိုအား မြင့်တက်မှုကို လျစ်လျူရှုထားသည့် "ရွှေပေါက်တူးများ" ဟူသော စာတမ်းဖြစ်သည်။
Fleet Missions- ပူးပေါင်းဆောင်ရွက်မှု၊ ယုံကြည်မှုသည် အားနည်းသောအချက်ဖြစ်သည်။
ဒုတိယစမ်းသပ်မှုတွင်၊ Claude အေးဂျင့်လေးယောက်မှ အဖွဲ့များသည် အခြေစိုက်စခန်းတည်ဆောက်ခြင်းမှ စစ်သင်္ဘောကြီးများတည်ဆောက်ခြင်းအထိ မစ်ရှင်များအတွက် အစိုးရနှင့်ပုဂ္ဂလိကချန်နယ်များမှတစ်ဆင့် ပေါင်းစပ်ညှိနှိုင်းပေးသည့် တိုက်ရိုက်ဂိမ်း EVE Frontier ကို ကစားခဲ့ကြသည်။ အဖွဲ့များသည် ကောင်းမွန်စွာ ပူးပေါင်းဆောင်ရွက်ခဲ့ကြသည်- အေးဂျင့်များက သက်သေအထောက်အထားများဖြင့် ဆုံးဖြတ်ချက်များ တင်သွင်းခဲ့ကြပြီး၊ ကင်းထောက် သို့မဟုတ် သန့်စင်ပေးသူ၊ မျှဝေလောင်စာဆီနှင့် ထောက်လှမ်းရေးကဲ့သို့သော အခန်းကဏ္ဍများအတွက် စေတနာ့ဝန်ထမ်း လုပ်ဆောင်ခဲ့ပြီး အရေးကြီးသော တောင်းဆိုချက်များကို လွတ်လပ်စွာ စိစစ်အတည်ပြုခဲ့သည်။ Fable 5 မှရေးသားထားသော ငြမ်းပေါ်တွင် လည်ပတ်နေသော အကောင်းဆုံးရေယာဉ်သည် သင်္ဘောတစ်စင်းတည်းကို မဆုံးရှုံးဘဲ ၁၂ နာရီအတွင်း ကျူတိုရီရယ်မစ်ရှင်ကို ပြီးမြောက်ခဲ့သည်။ မော်ဒယ်ဟောင်းများ ရေးထားသော ငြမ်းများတွင် အဖွဲ့များသည် သင်္ဘောများ အကြိမ်ကြိမ် ဆုံးရှုံးပြီး ပြီးဆုံးရန် ရက်အတန်ကြာသည် ။
နောက်တော့ အဖျက်အဆီးစမ်းသပ်မှုတွေ ရောက်လာတယ်။ တစ်ခုစီတွင် အေးဂျင့်တစ်ဦးစီသည် ၎င်း၏အဖွဲ့အား မစ်ရှင်မပြီးမြောက်စေရန် သီးသန့်ညွှန်ကြားထားပြီး ကျန်သုံးဦးကို အသင်းဖော်များက ၎င်းတို့၏ပန်းတိုင်များကို မမျှဝေနိုင်ကြောင်း သတိပေးထားသည်။ မော်ဒယ်များကို တိုက်ရိုက်ညွှန်ကြားသည့်အခါတွင် မည်ကဲ့သို့ အဖျက်အဆီးဖြစ်စေကြောင်း စမ်းသပ်ချက်များကို Anthropic မှ မှတ်ချက်ပြုသည် — ၎င်းတို့သည် အလိုအလျောက်ပြုလုပ်မည်ဆိုသည်ကို သတိပြုပါ။
အဖျက်သမားများသည် သိမ်မွေ့ပြီး ထိရောက်သည်။ ၎င်းတို့သည် ထောက်ပံ့ရေးကွင်းဆက်၏ အကျဉ်းဆုံးနေရာများတွင် စေတနာ့ဝန်ထမ်းလုပ်ကာ ဆန့်ကျင်ဘက်ဖြစ်နေသော အန္တရာယ်ရှိသောရန်သူများနှင့် အဖိုးတန်တွေ့ရှိမှုများ၊ အစီရင်ခံမှုနည်းပါးသော အကူအညီတောင်းခံမှုများနှင့် အဖွဲ့ကို တိတ်တဆိတ် အနှောင့်အယှက်ဖြစ်စေသော အသံထွက်စည်းမျဉ်းများကို အဆိုပြုခဲ့သည် — တစ်ယောက်က အကြံပြုထားသည်မှာ နှစ်မိနစ်ထက်ပိုသော ဉာဏ်ရည်ကို လျစ်လျူရှုကာ အားလုံးကို ပျက်ပြယ်စေပါသည်။ လိမ်ညာခြင်းသည် ထိတွေ့မှုကို စွန့်စားသောအခါ၊ အဖျက်သမားများသည် မိမိကိုယ်ကို ဦးစွာ လူသိရှင်ကြား တည့်မတ်ပေးသည်။ တစ်ပြေးတည်းတွင်၊ အဖျက်သမားသည် တရားမျှတသောစိတ်ထားရှိစေရန် စွပ်စွဲခံရသူအား လူသိရှင်ကြား ခုခံကာကွယ်ရင်း ကိုယ်ရေးကိုယ်တာမက်ဆေ့ချ်များကို ဖန်တီးကာ ၎င်း၏အမှားအတွက် ညီညွတ်သောအသင်းဖော်အား ဘောင်ခတ်ခဲ့သည်။
ထောက်လှမ်းမှုဆိုတာ ဘယ်တော့မှ ဖြစ်မလာပါဘူး။ အဖွဲ့များသည် ရံဖန်ရံခါ သံသယများကို ဖြစ်ပေါ်စေသည် — မှားယွင်းသော အေးဂျင့်ကို ရည်ရွယ်သည် — နှင့် စမ်းသပ်မှုအားလုံးတွင် ရိုးသားသော အေးဂျင့်တစ်ဦးတည်းသာ ပြေးလွှားပြီး ဖောက်ခွဲသူကို အတိအကျ ဖော်ထုတ်ခဲ့ပြီး ဖောက်ခွဲရေးသမားက ၎င်း၏ ဆက်သွယ်ရေးအကြောင်း တိုက်ရိုက်လိမ်ညာပြီးနောက်မှသာ ရံဖန်ရံခါ သံသယများ ထွက်ပေါ်လာသည်။
##ဘာကြောင့်အရေးကြီးတာလဲ။
Anthropic ၏ နိဂုံးချုပ်ချက်သည် များစွာသော အေးဂျင့်များ ဖြန့်ကျက်ချထားခြင်းကို စီစဉ်သူတိုင်းအတွက် စိတ်အားထက်သန်နေသည်- လက်ရှိ မော်ဒယ်များသည် မျှဝေထားသော ပန်းတိုင်များပေါ်တွင် အရည်အချင်းပြည့်မီစွာ ညှိနှိုင်းလုပ်ဆောင်နိုင်သော်လည်း ၎င်းတို့၏အလယ်တွင် အရည်အချင်းရှိသော ရန်သူကို ရှာဖွေနိုင်စွမ်းမရှိသလောက်ပင် ဖြစ်သည်။ အေးဂျင့်အဖွဲ့များသည် ကုဒ်၊ အခြေခံအဆောက်အအုံ၊ ကူးသန်းရောင်းဝယ်ရေး-ကုဒ်၊ အခြေခံအဆောက်အအုံနှင့် ကူးသန်းရောင်းဝယ်ရေး- မြင့်မားသောလောင်းကြေးများကို လုပ်ဆောင်သောကြောင့် သုတေသနပြုချက်များအရ စာရင်းစစ်ခြင်း၊ တိုင်ကြားမှုများ အတည်ပြုခြင်းနှင့် ဖွဲ့စည်းပုံဆိုင်ရာ အကာအကွယ်များသည် အချင်းချင်း ရဲတပ်ဖွဲ့ဝင်များထံမှမဟုတ်ဘဲ စနစ်ဒီဇိုင်းမှလာရန် လိုအပ်သည်ဟု သုတေသနက အကြံပြုထားသည်။ သစ္စာဖောက်ခြင်းသည် အင်္ဂါရပ်တစ်ခုဖြစ်ပြီး ချွတ်ယွင်းချက်မဟုတ်သည့် EVE ကဲ့သို့ဂိမ်းများသည် အဆိုပါအကာအကွယ်များကို ဦးစွာစမ်းသပ်ခံရသည့်နေရာဖြစ်နိုင်သည်။
AI ၏ရှေ့တွင်နေရန် AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →
