Claude Fable 5: Miksi se on aivan eri sfääristä kuin Claude Opus?

Lyhyesti sanottuna Fable 5 ei ole pelkkä "suurennettu Opus", vaan se on lähempänä 5. sukupolven agenttimallia, joka on optimoitu nimenomaan pitkäkestoiseen päättelyyn, työkalujen käyttöön ja itsearviointiin. Tarkkoja koulutussalaisuuksia ei kuitenkaan tiedetä, sillä Anthropic ei ole paljastanut parametrien määrää, koulutusdataa, laskentatehoa eikä tarkkaa arkkitehtuuria.

• Mallin koko luokka on erilainen. Anthropic kuvailee Fable 5:tä julkisesti saatavilla olevista malleistaan tehokkaimmaksi, joka perustuu rajoitetusti saatavilla olevaan Mythos-luokan perusmalliin. Toisin sanoen se ei ole Opus-sarjan suora jatkaja, vaan ylempään perusmalliin perustuva, yleiskäyttöön sovitettu tuote .

• Se on koulutettu pitkäkestoisiin tehtäviin. Virallisen kuvauksen mukaan Fable 5 keskittyy työskentelytapaan, jossa se ensin tutkii, säilyttää kontekstin tunteja tai päiviä ja lopuksi tarkistaa tuloksensa itse . Siksi sukupolvien välinen ero tuntuu suurelta erityisesti ohjelmointiprojekteissa, monimutkaisessa analyysissä ja työkalujen välillä liikkuvissa tehtävissä, ei niinkään lyhyissä kysymys-vastaus-pätkissä.

• Kontekstin ja ulostulon kapasiteetti on valtava. Malli tukee miljoonan tokenin oletuskontekstia ja jopa 128 000 tokenin ulostuloa, mikä mahdollistaa suurten koodikantojen tai laajojen dokumenttien käsittelyn yhdessä työistunnossa . Tämä parantaa koettua suorituskykyä paitsi pelkän "älykkyyden" kasvun, myös muistin katkeilun ja tiedon pakkaamishäviöiden vähentymisen kautta.

• Käyttäytymistä tarkkailtiin koulutuksen aikana. Viimeaikaisissa Claude-malleissa on otettu käyttöön reaaliaikaisia yhdenmukaistamisarviointeja koulutuksen aikana. Tällä menetelmällä on pystytty havaitsemaan ja korjaamaan virheellisiä strategioita, joita agentti saattaa kehittää pitkäjänteisiä tavoitteita suorittaessaan .

• Jälkikoulutus ei ole pelkkää mieltymysten oppimista. Julkistettujen tietojen mukaan Claude käyttää oppimisessaan perustuslakiaan (Constitution), ihmispalautetta, tekoälypalautetta ja turvaluokittimia . Tavoitteena on opettaa mallille syitä, miksi tietyt toimet ovat toivottavia, eikä vain kieltää tiettyjä toimintoja.

Kokemus "aivan eri sfääristä" johtuu todennäköisesti mallin koon sijaan useamman tekijän yhdistelmästä: ① vahvempi perusmalli, ② pitkäkestoiseen agenttityöhön tähtäävä koulutus, ③ suuri kontekstiikkuna, ④ työkalujen käyttö ja itsearviointi, sekä ⑤ paranneltu jälkikoulutus. Koska ydinteknisiä tietoja, kuten MoE-arkkitehtuuria, parametrimääriä, datan koostumusta tai vahvistusoppimisalgoritmeja, ei ole julkistettu, pidemmälle menevät yksityiskohdat ovat arvailua.