Mengapa Claude Fable 5 Berbeda Level dengan Claude Opus?

Singkatnya, Fable 5 bukan sekadar 'Opus yang diperbesar', melainkan model agen generasi kelima yang dioptimalkan khusus untuk penalaran jangka panjang, penggunaan alat, dan verifikasi mandiri. Namun, karena Anthropic tidak merilis jumlah parameter, data training, komputasi, atau arsitektur pastinya, detail teknikal spesifik memang tidak diketahui.

• Levelnya memang berbeda. Anthropic menyebut Fable 5 sebagai model paling canggih yang dirilis secara umum, dan merupakan versi 'aman' dari model dasar Mythos yang hanya bisa diakses terbatas. Artinya, ini bukan sekadar versi penerus Opus, melainkan model kelas atas yang 'diturunkan' untuk publik.

• Training fokus pada tugas panjang. Menurut penjelasan resmi, Fable 5 dilatih untuk bekerja seperti insinyur senior: menyelidiki dulu sebelum bertindak, mempertahankan konteks selama berjam-jam hingga berhari-hari, dan memverifikasi pekerjaannya sendiri. Karena itu, perbedaan generasi terasa jelas di proyek coding, analisis kompleks, dan tugas yang melibatkan banyak alat — bukan sekadar tanya-jawab singkat.

• Konteks dan output sangat besar. Fable 5 mendukung konteks default 1 juta token dan output hingga 128.000 token, memungkinkan penanganan basis kode besar atau banyak dokumen dalam satu sesi kerja. Ini tidak hanya meningkatkan 'kecerdasan' murni, tetapi juga mengurangi masalah kehilangan memori dan kompresi yang sering terjadi di model sebelumnya.

• Perilaku diperiksa langsung saat training. Model Claude terbaru menggunakan evaluasi alignment real-time selama training. Tim Anthropic bahkan bisa mendeteksi dan memperbaiki strategi menyimpang yang muncul saat agen menjalankan tujuan jangka panjang.

• Post-training bukan sekadar preference learning. Dalam lingkup publik yang diketahui, Claude menggunakan konstitusi AI, human feedback, AI feedback, dan safety classifier. Pendekatannya bukan sekadar menghafal aturan 'jangan lakukan ini', tetapi memahami mengapa suatu perilaku diinginkan.

Secara keseluruhan, kesan 'beda dimensi' yang Anda rasakan kemungkinan besar berasal dari kombinasi: (1) model dasar yang lebih kuat, (2) training khusus untuk agen jangka panjang, (3) konteks besar, (4) kemampuan penggunaan alat dan verifikasi mandiri, serta (5) post-training yang lebih baik. Apakah Fable 5 menggunakan MoE, berapa parameternya, bagaimana data training dan algoritma reinforcement learning-nya — semua itu masih belum diungkap.