Kodėl naujausia „Claude“ versija yra dvigubai protingesnė, bet dvigubai brangesnė

Dauguma žmonių mano, kad programinės įrangos atnaujinimas yra panašus į telefono atnaujinimą, kai už tą pačią kainą gaunate daugiau funkcijų. „Anthropic“ ką tik nutraukė šį ciklą išleisdama „Claude Fable 5.1“. Nors modelis yra kur kas pajėgesnis už savo pirmtaką, rinkoje jis užima keistą vietą. Jo eksploatacija kainuoja dvigubai brangiau nei modelio, kurį „Anthropic“ išleido vos prieš du mėnesius, todėl vartotojai priversti labiau apgalvoti savo biudžetą prieš paspausdami pateikimo mygtuką.

Šį antradienį „Anthropic“ išleido „Claude Fable 5.1“ ir jo brolį „Mythos 5.1“. Tai pirmasis didelis aukščiausios klasės „Mythos“ linijos atnaujinimas nuo originalaus „Fable 5“ pasirodymo birželį. Šis išleidimas seka po chaotiško trijų mėnesių laikotarpio bendrovei. Per šį laiką „Anthropic“ susidūrė su 18 dienų eksporto kontrolės sustabdymu ir ginču dėl kainų, dėl kurio daugelis vartotojų svarstė, kurį modelį jiems iš tikrųjų reikėtų naudoti.

Matematika už intelekto šuolio

Norėdami suprasti, kodėl šis atnaujinimas svarbus, turite pažiūrėti, kaip šie modeliai testuojami. „Anthropic“ naudoja testą, vadinamą „Terminal-Bench-Science 0.1“. Šis našumo rodiklis matuoja, ar DI agentas gali atlikti mokslinių tyrimų užduotis kompiuterio terminale. Iš esmės tai testas, nustatantis, ar DI gali veikti kaip nepavargstantis stažuotojas, mokantis naršyti laboratorijos kompiuteryje be žmogaus pagalbos.

„Fable 5.1“ šiame teste surinko 52,6 %. Palyginimui, ankstesnė versija „Fable 5“ pasiekė tik 24,7 %. Vidutinės klasės flagmanas „Opus 5“ surinko 29,0 %. Paprastai tariant, naujasis modelis daugiau nei dvigubai geriau susidoroja su sudėtingais moksliniais samprotavimais nei tas, kurį jis pakeitė. Toks patobulėjimo lygis per tris mėnesius yra neįprastas šiai pramonės šakai, kurioje laimėjimai paprastai matuojami vienaženkliais skaičiais.

Atskirame programavimo teste — „Terminal-Bench 4.0“ — modelis parodė panašią pažangą. „Fable 5.1“ teisingai atliko 55,8 % užduočių. Tai reikšmingas šuolis nuo „Fable 5“ pasiektų 42,0 % ir jis užtikrintai lenkia „Opus 5“ su 52,3 %. Duomenys rodo, kad žmonėms, naudojantiems DI kodui rašyti, vykdyti ir derinti, „Fable 5.1“ dabar yra geriausias pasirinkimas „Anthropic“ asortimente.

Paslėpta aukšto lygio mąstymo kaina

Nors našumo šuolis įspūdingas, kainodara sukuria dilemą kasdieniam vartotojui. Liepos mėnesį „Anthropic“ išleido „Opus 5“. Šis modelis tapo didžiuliu hitu, nes buvo geresnis už senąjį „Fable 5“, bet kainavo lygiai perpus mažiau. Kelias savaites atrodė, kad aukščiausios klasės „Fable“ lygmuo mirė, nes pigesnis modelis buvo tiesiog geresnis.

„Fable 5.1“ tai keičia susigrąžindamas našumo karūną, tačiau išlaiko pradinę aukštą kainą — 10 USD už milijoną įvesties žetonų ir 50 USD už milijoną išvesties žetonų. Žetonai yra skaitmeninė žalia nafta, varanti DI. Tai nedideli duomenų fragmentai, kuriuos modelis apdoroja, maždaug atitinkantys 750 žodžių. Jei esate kūrėjas, per valandą vykdantis tūkstančius užklausų, mokėti 10 USD vietoj 5 USD yra skirtumas tarp pelningo mėnesio ir nuostolio.

„Anthropic“ bando sušvelninti šį smūgį nauja funkcija, vadinama mąstymo pastangomis (angl. reasoning effort). Užuot naudoję modelį pilna galia kiekvienai užduočiai, vartotojai gali pasukti metaforišką reguliatorių. Bendrovė teigia, kad naudojant „Fable 5.1“ mažu ar vidutiniu pastangų lygiu gaunami geresni rezultatai nei su senuoju „Fable 5“, tačiau mažesnėmis sąnaudomis. Tačiau vartotojams, kuriems reikia, kad modelis išspręstų problemas, kurių kiti DI neįveikia, teks mokėti pilną „premium“ tarifą.

Duomenų talpyklos valdymas

Yra viena sritis, kurioje naujasis modelis objektyviai pigesnis visiems. „Anthropic“ sumažino talpyklos skaitymo (angl. cache reads) išlaidas 75 %. DI architektūros pasaulyje talpyklos naudojimas yra tarsi knygos laikymas atverstos tam tikrame puslapyje, kad nereikėtų jos ieškoti iš naujo. Jei paprašysite DI dešimt kartų per valandą išanalizuoti tą patį 500 puslapių dokumentą, talpykla apsaugo DI nuo viso teksto skaitymo iš naujo kiekvieną kartą.

Įprastam darbui tai sumažina išlaidas apie 25 %. Labai agentiško pobūdžio darbo krūviams — kai DI atlieka dešimtis mažų žingsnių iš eilės, kad užbaigtų projektą — sutaupymas siekia iki 45 %. Tai daro 10 USD kainą labiau pakeliamą pažengusiems vartotojams, tačiau nekeičia fakto, kad pradinė vieno klausimo kaina išlieka aukšta.

Prieiga prie naujojo modelio taip pat suskirstyta pakopomis, kurios gali nuvilti standartinius prenumeratorius. Jei turite „Claude Pro“ planą arba standartinę „Team“ vietą, „Fable 5.1“ nėra įtrauktas į jūsų fiksuotą mėnesinį mokestį. Turite pirkti naudojimo kreditus atskirai, panašiai kaip veikia išankstinio mokėjimo telefonas. Tik tie, kurie naudojasi brangiais „Max“ planais arba „Enterprise“ vietomis, gauna šį modelį kaip savo prenumeratos dalį, ir net tada jis padengia tik iki 50 % jų savaitinio naudojimo limitų.

Kodėl filtrai svarbūs

Kartu su „Fable 5.1“ „Anthropic“ išleido ir „Mythos 5.1“. Bendrovė juos apibūdina kaip tą patį pagrindinį modelį su skirtingais saugos filtrais. „Fable 5.1“ yra versija, skirta plačiajai visuomenei. Ji turi griežtas apsaugos priemones, neleidžiančias jai padėti vykdyti pavojingą veiklą.

„Mythos 5.1“ yra kitoks. Jis skirtas tik patikrintiems kibernetinio saugumo ir gyvybės mokslų specialistams. Šiems ekspertams reikia, kad DI suprastų, kaip veikia virusai arba kaip hakeriai įsilaužia į sistemas, kad jie galėtų sukurti geresnę gynybą. Kadangi „Mythos 5.1“ turi lengvesnius filtrus, jis iš tikrųjų surinko daugiau taškų programavimo testuose — 60,9 %, palyginti su „Fable 5.1“ pasiektais 55,8 %. Šis atotrūkis atsiranda todėl, kad standartiniai saugos filtrai kartais palaiko teisėtas programavimo užduotis piktavališkomis ir neleidžia DI jų užbaigti.

Ką tai reiškia jūsų darbo eigai

Jei naudojate DI pagrindinėms užduotims, pavyzdžiui, el. laiškų santraukoms ar motyvacinių laiškų rašymui, tikriausiai turėtumėte ignoruoti „Fable 5.1“. „Opus 5“ modelis išlieka geresniu pasirinkimu kasdieniam darbui. Jis greitas, pigus ir daugiau nei pajėgus įprastoms rašymo užduotims. Naudoti „Fable 5.1“ el. pašto santraukai yra tas pats, kas samdyti raketų mokslininką, kad jis padėtų atlikti ketvirtos klasės matematikos namų darbus.

Tačiau jei esate programinės įrangos inžinierius ar tyrėjas, matematika pasikeičia. Gebėjimas atlikti mokslinių tyrimų užduotis su 52 % sėkmės rodikliu yra esminis pokytis. Tai reiškia, kad DI iš paprasto teksto generatoriaus tampa funkcionaliu agentu, galinčiu valdyti daugiapakopius procesus. Šiems vartotojams aukšta kaina yra praktiškas kompromisas už sutaupytą laiką.

Žvelgiant į bendrą vaizdą, „Fable 5.1“ rodo, kad DI pramonė skyla į du kelius. Vienas kelias sutelktas į tai, kad DI būtų kuo pigesnis masėms. Kitas kelias, kurį reprezentuoja „Fable 5.1“, stumia kompiuterių galimybių ribas, nepaisant kainos. Kaip vartotojas, dabar turite nuspręsti, ar mokate už bazinį įrankį, ar už didelio našumo variklį. Stebėkite savo naudojimo įpročius kitą savaitę. Jei pastebėsite, kad prašote DI atlikti tą pačią užduotį tris kartus, kol jis ją atlieka teisingai, „premium“ kaina už protingesnį modelį ilgainiui gali jums net sutaupyti pinigų.

Šaltiniai:
Anthropic Official Technical Announcement (September 2026)
Terminal-Bench Science 0.1 Performance Report
Anthropic API Pricing Schedule
Cyber and Life Sciences Verification Program Documentation