Anthropic تخفض أسعار Fable 5.2 بنسبة 20%، لكن تكلفة المهمة في أحد الاختبارات ترتفع 31%

إذا كان وكيل الذكاء الاصطناعي لديكم يقضي ساعات في إصلاح الشيفرة، فإن خفض أسعار التوكنات لا يضمن تحقيق وفورات. أطلقت Anthropic نموذج Fable 5.2 بأسعار تقل بنسبة 20% عن الإصدار السابق، لكن متوسط فاتورة المحاولة ارتفع بنسبة 31% في أحد الاختبارات المستقلة للمهام المهنية. والسبب واضح: النموذج يدقق في عمله بدرجة أكبر. وهذا يمنح الفرق سببًا لمراجعة إعدادات الاستدلال وحساب تكلفة النتيجة التي اجتازت التحقق.

صدر Fable 5.2 بالتزامن مع Mythos 5.2. وتطرح Anthropic النموذجين للمشاريع التقنية المعقدة التي تستمر متطلبات المهمة فيها بالتغير أثناء العمل. وتزامن الإطلاق مع بدء الشركة تقديم عروضها للمستثمرين تمهيدًا للطرح العام الأولي، لكن ما يهم المطور أكثر هو جانب آخر: كم يستحق أن يدفع للنموذج مقابل عمليات التحقق الإضافية؟

لماذا أدت التوكنات الأرخص إلى مهمة أعلى تكلفة؟

يبلغ سعر مليون توكن إدخال في Fable 5.2 نحو $8، مقابل $40 لمليون توكن إخراج. وكانت الأسعار في Fable 5.1 تبلغ $10 و$50 على الترتيب. لكن الفاتورة النهائية تعتمد أيضًا على حجم العمل: مقدار ما يستغرقه النموذج في الاستدلال، وعدد مرات استخدامه للأدوات، وإعادة التحقق من الحلول المرحلية.

بحسب تحليل SemiAnalysis، كان الإصدار الجديد يولّد أحيانًا في اختبار GDPx مئات أو آلاف عمليات التحقق، بينما كانت النماذج السابقة تكتفي بنحو عشرين. وكان أيضًا أكثر ميلًا إلى الاستعانة بوكلاء إضافيين للتحقق من الحل بصورة مستقلة. وارتفع متوسط تكلفة المهمة من $67.16 إلى $88.15. وبلغت نتيجة Fable نسبة 16.4%، وهي الأفضل في هذا الاختبار، لكن لا يمكن تعميم هذه النسبة على أعمال التطوير المعتادة.

تخيلوا نقل خدمة إلى مكتبة برمجية جديدة. يعدّل الوكيل استدعاءات API، ويشغّل الاختبارات، ثم يبدأ بفحص تركيبات نادرة من المعلمات، ويطلب من وكيل آخر إعادة مراجعة التعديل البرمجي. قد يكشف هذا العمل خطأ مزعجًا قبل الإطلاق. أما إذا كان التعديل يخص نموذجًا أوليًا داخليًا يُستخدم لليلة واحدة، فإن تكلفة هذا القدر من التدقيق تصبح موضع تساؤل. هذا مثال افتراضي يوضح آلية تراكم النفقات، وليس تجربة منشورة.

أقصى استدلال لا يضمن أقصى فائدة

يتيح Fable خمسة مستويات للجهد: Low وMedium وHigh وXhigh وMax. ويُستخدم Medium افتراضيًا في تطبيقي Claude وClaude Code. ويؤثر هذا الإعداد في مقدار الموارد التي يمكن للنموذج إنفاقها لحل المهمة.

من التفاصيل المهمة في هذا الإصدار أن عدة تقييمات أظهرت أن زيادة الجهد لا تحسّن النتيجة دائمًا. ففي Vals، تفوق مستوى High على Xhigh وMax. وبحسب Anthropic، عادل Fable بمستوى High أداء Opus 5.5 بمستوى Max على FrontierCode 2.0، بتكلفة للمهمة تقارب النصف. وهذا الادعاء الأخير صادر عن الشركة المطوّرة، ويستحق التحقق منه بصورة منفصلة على شيفرتكم.

ولا يوجد تفوق شامل أيضًا. ففي القياسات المستقلة المذكورة، تراجع Fable أمام بعض المنافسين في مهام الطرفية والأتمتة. لذلك لا يخبرنا احتلال المركز الأول في الترتيب الإجمالي بالكثير عما إذا كانت تكلفة عملية محددة ستنخفض، سواء كانت إصلاح الأخطاء الارتدادية، أو إعداد المستندات المالية، أو العمل عبر المتصفح.

يوضح الإعلان الرسمي تموضع Fable وMythos، بينما تساعد وثائق Cursor على التحقق من خصائص استخدام النموذج داخل المحرر. وعند الانتقال، من المهم إعادة تقييم الإعدادات: فتطابق اسم المستوى بين الإصدارات لا يضمن تطابق استهلاك الموارد.

ما الذي ينبغي التحقق منه قبل الانتقال؟

اختاروا بضع عشرات من المهام المنجزة في مشروعكم، وشغّلوها على النموذج الحالي، وعلى Fable بمستوى Medium، وعلى Fable بمستوى High. حددوا معيار القبول مسبقًا: هل تجتاز الشيفرة الاختبارات؟ هل تستوفي المتطلبات؟ وكم تعديلًا طلبه المراجع البشري؟ قارنوا النفقات مع مراعاة وقت الانتظار والعمل اليدوي اللازم لاستكمال التصحيحات.

من المقاييس المفيدة قسمة إجمالي نفقات جميع المحاولات على عدد النتائج المقبولة. فهذا المقياس يحتسب المحاولات الفاشلة الرخيصة والمحاولات الناجحة المكلفة على حد سواء. ولعمليات التشغيل الطويلة، حددوا ميزانية ومدة عمل وشروطًا للتوقف، وإلا فقد تتحول عملية تحقق إضافية بسهولة إلى نفقة غير مخطط لها.

يستحق Fable 5.2 التجربة في عمليات الانتقال المعقدة والمهام ذات المتطلبات غير المكتملة. أما نقل الطلبات اليومية إليه على نطاق واسع، فينبغي أن يستند إلى قياساتكم الخاصة. وإذا كان High يقدم بالفعل حلًا صالحًا للاستخدام، فعلى مستوى الجهد التالي أن يثبت فائدته.