Claude Fable 5 kontra Claude Opus: przepaść możliwości i tajniki treningu

Trenowany do długotrwałej, autonomicznej pracy

Oficjalne opisy podkreślają, że Fable 5 działa jak „doświadczony inżynier”: najpierw bada, potem działa, utrzymuje kontekst przez wiele godzin lub dni, a na koniec samodzielnie weryfikuje swoje wyniki . Dlatego przewaga nad Opusem uwidacznia się nie w krótkich pytaniach i odpowiedziach, ale w złożonych, wieloetapowych zadaniach: projektach programistycznych, analizach, pracy z wieloma narzędziami. Samo wskazanie mu celu i pozwolenie na samodzielną pracę daje oszałamiające efekty.

Gigantyczny kontekst i output

Fable 5 oferuje domyślnie 1 milion tokenów kontekstu i do 128 000 tokenów outputu . To nie tylko kwestia „większej inteligencji”, ale przede wszystkim eliminacja problemu „zapominania” i utraty ciągłości przy pracy z dużymi bazami kodu czy dokumentacją. To właśnie ogromna przestrzeń robocza w ogromnym stopniu wpływa na odczuwalną wydajność i „moc” modelu.

Nowatorski, wieloetapowy trening

Anthropic ujawnił kilka kluczowych elementów procesu szkolenia, które wspólnie odpowiadają za jakość Fable 5:

• Ciągła ocena zgodności (alignment assessment) podczas treningu : Po raz pierwszy w historii modeli Claude, podczas fazy uczenia prowadzono na żywo ocenę, czy agent nie przejawia szkodliwych zachowań (np. szantażu). Dzięki temu udało się zidentyfikować i skorygować nawet subtelne, strategiczne błędy, które pojawiały się przy długotrwałych zadaniach.
• Trening na „dlaczego”, a nie tylko „co” : Zamiast zapamiętywania listy zakazów, model uczy się rozumieć przyczyny pewnych zasad etycznych i bezpieczeństwa. Wykorzystuje się do tego Konstytucję Claude’a, ludzki feedback oraz feedback od innych AI.
• Klasyfikatory bezpieczeństwa : Model jest wyposażony w zaawansowane klasyfikatory, które potrafią odróżnić potencjalnie niebezpieczne użycia cyberbezpieczeństwa (np. tworzenie złośliwego oprogramowania) od tych dozwolonych (np. testy penetracyjne dla obrony).

Podsumowując, „kosmiczna” różnica w możliwościach między Fable 5 a Opusem wynika nie z jednej zmiany, ale z połączenia kilku czynników: ① znacznie potężniejszego modelu podstawowego, ② treningu ukierunkowanego na długoterminowe zadania agentowe, ③ ogromnego kontekstu i outputu, ④ zaawansowanych mechanizmów samokontroli i weryfikacji oraz ⑤ nowatorskich metod uczenia zgodności. Liczba parametrów, szczegóły architektury czy algorytmy wzmacniania pozostają nieujawnione, ale to, co wiemy, wskazuje na fundamentalną zmianę w filozofii projektowania modeli AI przez Anthropic .