शीर्ष श्रेणी में एक सस्ता मॉडल
एंथ्रोपिक ने मंगलवार को क्लॉड ओपस 5.5 जारी किया और कहा कि यह अधिकांश काम में कंपनी के सबसे बड़े मॉडल क्लॉड फ़ेबल 5.1 जैसे स्तर पर प्रदर्शन करता है। कीमत उल्टी दिशा में गई: इनपुट प्रति दस लाख टोकन 5 डॉलर से घटकर 4 डॉलर, और आउटपुट 25 से घटकर 20 डॉलर।
सबसे तीखी कटौती कैश किए गए इनपुट पर है, जो 0.50 डॉलर से घटकर 0.20 डॉलर प्रति दस लाख टोकन रह गया है। यह 60 प्रतिशत की कमी उन एजेंटों के लिए सबसे अधिक मायने रखती है जो हर चरण पर लंबा संदर्भ दोहराते हैं। एंथ्रोपिक सामान्य कार्यभार पर कुल असर लगभग 40 प्रतिशत कम लागत बताता है, और कहता है कि मॉडल ओपस 5 से करीब 30 प्रतिशत तेज़ी से पाठ बनाता है।
आंकड़े, और वे किसके हैं
नीचे दिए सभी आंकड़े एंथ्रोपिक के अपने हैं, कंपनी के अपने परीक्षण ढांचे पर मापे गए, और इनमें से किसी को भी अभी तक स्वतंत्र रूप से दोहराया नहीं गया है।
कंपनी टर्मिनल-बेंच 4.0 पर 66.4 प्रतिशत बताती है, जबकि ओपस 5 का आंकड़ा 52.3 प्रतिशत था। फ्रंटियरकोड v1.1 पर वह 54.4 प्रतिशत देती है, जो पहले 48.0 था। ओएसवर्ल्ड 2.0, जो डेस्कटॉप चलाते मॉडल को परखता है, 74.0 से बढ़कर 81.8 प्रतिशत हो गया है। जीडीपीवैल-एए v2.1 पर, जो दफ़्तरी काम का एलो-आधारित मूल्यांकन है, एंथ्रोपिक ओपस 5.5 को 1846 पर रखता है, जबकि ओपस 5 का अंक 1708 था।
एंथ्रोपिक ने टेकक्रंच से कहा कि यह “अब तक परखा गया हमारा सबसे बेहतर प्रदर्शन करने वाला मॉडल” है। दिलचस्प बात अलग-अलग अंक नहीं, बल्कि उनका आकार है: चक्र के बीच में आया एक मॉडल अपने पूर्ववर्ती से मामूली आगे निकलने के बजाय कंपनी के प्रमुख मॉडल के करीब पहुंच रहा है।
साथ आया सुरक्षा का काम
एंथ्रोपिक का कहना है कि कंपनी के स्वचालित व्यवहार ऑडिट में ओपस 5.5 ने उसके सभी मॉडलों में सबसे अच्छा प्रदर्शन किया, और नियंत्रण सीमाओं को लांघने की कोशिशें ओपस 5 के मुकाबले 85 प्रतिशत घट गईं। कंपनी प्रॉम्प्ट इंजेक्शन के खिलाफ बेहतर प्रतिरोध का भी दावा करती है, जो इस साल की ज़्यादातर एजेंट घटनाओं के पीछे रही है।
सुरक्षा उपाय असामान्य रूप से ठोस हैं। साइबर सुरक्षा से जुड़े काम पुराने ओपस 4.8 को भेजे जाते हैं, जब तक उपयोगकर्ता विस्तारित साइबर सत्यापन कार्यक्रम पूरा न कर ले। जीव विज्ञान की क्षमता को क्लॉड मिथॉस 5.1 के बराबर बताया गया है और वह एक नए जीवन विज्ञान सत्यापन कार्यक्रम के पीछे रखी गई है। विस्तारित चिंतन अब अनिवार्य है, और चिंतन के निशान छिपाने वाला आसवन-रोधी उपाय बरकरार रखा गया है।
यह कहां चलता है
मॉडल शुरुआत से ही एंथ्रोपिक के अपने प्लेटफ़ॉर्म पर claude-opus-5-5 के रूप में उपलब्ध है, और अमेज़न वेब सर्विसेज़, गूगल क्लाउड तथा माइक्रोसॉफ्ट एज़्योर पर भी। गिटहब ने उसी दिन इसे कोपायलट में जोड़ा। एंथ्रोपिक कहता है कि शून्य डेटा संग्रहण उपलब्ध है और आउटपुट पर ईयू एआई एक्ट के तहत ज़रूरी वॉटरमार्क लगा है।
यह रिलीज़ एंथ्रोपिक के मुख्य कार्यकारी डारियो अमोदेई के उस सार्वजनिक तर्क के तीन दिन बाद आई है कि क्षमता पर काम की रफ़्तार धीमी की जाए ताकि अलाइनमेंट शोध उसके साथ चल सके, और उसी दिन जब ओपनएआई ने जीपीटी-6 सोल और लूना के साथ अपनी कीमतें घटाईं।
आगे क्या देखना है
क्लॉड सॉनेट 5.5 और क्लॉड हाइकू 5.5 “आने वाले हफ़्तों” में वादा किए गए हैं, जिससे वही कीमत और विलंब संबंधी बदलाव पूरी श्रेणी तक पहुंचेंगे। दूसरी देखने लायक बात स्वतंत्र माप है: एंथ्रोपिक की तालिका अपने ही उत्पाद पर एक विक्रेता का ब्योरा है, और फ़ेबल 5.1 तथा ओपनएआई की नई श्रेणी के सामने मॉडल की असली जगह तब तक तय नहीं होगी जब तक बाहरी मूल्यांकनकर्ता नतीजे प्रकाशित न करें।
