Чому Claude Fable 5 зовсім іншого рівня, ніж Claude Opus? Як його навчали?

Коротко кажучи, Fable 5 — це не просто «Opus, зроблений більшим». Це, скоріше, агентська модель п'ятого покоління, яка заново оптимізована для тривалих міркувань, використання інструментів та самоперевірки. Однак, оскільки Anthropic не оприлюднив кількість параметрів, обсяг даних, обчислювальні потужності чи точну архітектуру, конкретні «секрети» навчання залишаються невідомими.

• Зовсім інший рівень. Anthropic представляє Fable 5 як найпотужнішу зі своїх загальнодоступних моделей, що базується на обмеженій платформі Mythos. Це означає, що вона не є просто наступником Opus; це адаптований для широкого використання варіант більш потужної базової моделі.1

• Тренування для тривалої роботи. Офіційний опис вказує, що модель фокусується на такому робочому процесі: спочатку дослідити, потім утримувати контекст протягом годин або навіть днів, і нарешті — самостійно перевіряти власні результати.11 Саме тому різниця в поколіннях найбільш помітна не в коротких запитах, а в складних проєктах з кодування, багатоетапному аналізі та роботі з багатьма інструментами.

• Величезний контекст і вихідні дані. Підтримка 1 мільйона токенів контексту та до 128 000 вихідних токенів дозволяє працювати з величезними кодебазами та масивами документів як з єдиним завданням.2 Це зменшує розриви в пам'яті та втрати при стисненні, що значно покращує відчуття продуктивності.

• Пряма перевірка поведінки під час навчання. Останні моделі Claude використовують оцінку відповідності в реальному часі під час тренування. Це дозволяє виявляти та виправляти хибні стратегії, які виникають при виконанні довгострокових агентських завдань.12

• Більше, ніж просто навчання з людським зворотним зв'язком. Згідно з опублікованою інформацією, навчання включає «конституцію» Claude, людський зворотний зв'язок, зворотний зв'язок від ШІ та класифікатори безпеки.13 Мета — не просто вивчити список «не можна», а зрозуміти принципи, чому певна поведінка є бажаною.

Відчуття «іншого виміру» виникає, найімовірніше, через одночасне застосування кількох факторів: ① потужніша базова модель, ② тренування для довготривалих агентів, ③ величезний контекст, ④ використання інструментів і самоперевірка, ⑤ покращена післятренувальна підготовка. Чи використовується архітектура MoE, скільки параметрів, який алгоритм підкріплювального навчання — ці ключові деталі не розголошуються, тому все інше — лише здогади.