Derfor er Claude Fable 5 i en helt annen klasse enn Opus – slik ble den trent

Kort sagt: Fable 5 er ikke bare en «større Opus». Det er en ny generasjons agentmodell som er optimalisert for langvarig resonnering, verktøybruk og selvvalidering – mer enn for korte spørsmål og svar. Men Anthropic har ikke offentliggjort konkrete treningsdetaljer som parameterantall, dataomfang eller arkitektur.

• En helt annen klasse. Anthropic beskriver Fable 5 som den kraftigste generelt tilgjengelige modellen, og som en tilpasset versjon av Mythos 5, som bare er tilgjengelig for et begrenset antall godkjente partnere. Det er altså ikke bare en oppfølger til Opus, men en modell som henter egenskaper fra et enda kraftigere basissystem .

• Trent for lange oppgaver. Offisielt fokuserer Fable 5 på en arbeidsflyt der den først undersøker, så holder kontekst over flere timer eller dager, og til slutt verifiserer sine egne resultater . Derfor merkes forskjellen tydeligst på komplekse kodeoppgaver, omfattende analyser og arbeid som går på tvers av flere verktøy.

• Stor kontekst og output. Modellen har en standard kontekst på 1 million tokens og kan generere opptil 128 000 tokens i én output . Dette reduserer problemet med «glemsel» og komprimeringstap, noe som gir en mer sømløs opplevelse ved store prosjekter.

• Direkte justering under trening. Anthropic har for nylige Claude-modeller tatt i bruk sanntids justeringsevalueringer under trening. Dette gjør det mulig å oppdage og korrigere uønskede strategier som agenten kan utvikle når den jobber mot langsiktige mål .

• Mer enn bare menneskelig tilbakemelding. Etter treningen brukes en kombinasjon av «Claudes grunnlov», menneskelig tilbakemelding, AI-tilbakemelding og sikkerhetsklassifiserere . Målet er å lære modellen prinsipper for hvorfor en handling er riktig, ikke bare å pugge forbud.

Følelsen av at Fable 5 er «i en annen dimensjon» kommer sannsynligvis av en kombinasjon av: ① et kraftigere basissystem, ② trening spesifikt for langvarige agentoppgaver, ③ stor kontekst, ④ avansert verktøybruk og selvvalidering, og ⑤ forbedrede ettertreningsmetoder. Hvorvidt modellen bruker MoE-arkitektur, antall parametere, dataoppsett eller forsterkningslæringsalgoritmer, er ikke offentlig kjent og forblir spekulasjon.