Anthropic تسرّع Claude Fable 5.2 بنسبة تصل إلى 30% وتخفض سعر الرموز

موقف مألوف: يعدّل الوكيل عشرات الملفات بنشاط، ومع ذلك لا تجتاز عملية الترحيل الاختبارات. لمثل هذه المهام أطلقت Anthropic نموذجي Claude Fable 5.2 وMythos 5.2. السؤال العملي هنا: هل سيتمكن النموذج الجديد من إيصال عمل معقد إلى تصحيح مقبول بتكلفة معقولة؟ ينبغي اختبار ذلك على مستودعكم الخاص: فالقياسات المستقلة الأولى تُظهر نتائج قوية، لكنها تحذّر في الوقت نفسه من طول زمن تنفيذ المهام.

ما الذي تغيّر بالنسبة للمطوّر

وفقًا لـبيان Anthropic، يعتمد Fable وMythos على نموذج أساسي واحد. يخضع Fable لقيود مشددة في مهام الأمن السيبراني والأحياء؛ أما الوصول إلى Mythos فتحصل عليه المؤسسات عبر برامج التحقق. لذلك فإن وصف Mythos بأنه نموذج «بلا قيود» وصف قاطع أكثر من اللازم: فالأمر يتعلق بنمط وصول مختلف لاستخدامات محددة.

تعلن الشركة عن تسريع التوليد بنسبة تصل إلى 30% مقارنة بالإصدار 5.1. التعرفة العادية 8 دولارات لكل مليون رمز إدخال و40 دولارًا لكل مليون رمز إخراج. أما الوضع السريع الاختياري (fast mode) فيَعِد بتوليد أسرع بما يصل إلى 2.5 مرة، لكنه يضاعف التعرفة: 16 و80 دولارًا على التوالي. هذه معايير للتوليد، وليست وعدًا بإنجاز أي مهمة هندسية أسرع بالنسبة نفسها.

لنفترض أن فريقًا ينقل خدمة إلى إصدار جديد من مكتبة. على الوكيل العثور على الاستدعاءات غير المتوافقة، وتحديث الأغلفة (wrappers)، وتشغيل الاختبارات، ومعالجة العواقب. السرعة في إخراج الكود تفيد في جزء فقط من هذا المسار. وإذا أطال النموذج التفكير، أو شغّل الأدوات مرارًا، أو أنشأ تغييرات زائدة، فقد يضيع مكسب سرعة الكتابة. ولهذا بالذات ينبغي مقارنة دورة العمل بأكملها.

المركز الأول لا يلغي مدة الانتظار

في Artificial Analysis حصلت إعدادات Fable 5.2 بأقصى مستوى من الاستدلال على 65 نقطة والمركز الأول في Intelligence Index. وفي الوقت نفسه بلغ متوسط زمن تنفيذ مهمة المؤشر 47.5 دقيقة، والتكلفة 26.54 دولارًا. تصف هذه الأرقام مجموعة اختبارات وإعدادات محددة؛ ولا يمكن نقلها مباشرة إلى خدمتكم.

هذا تحفّظ جوهري لمدير المنتج. فقد يكون النموذج مفيدًا في وكيل يعمل في الخلفية، تُسند إليه مهمة صعبة ويُعاد إليه لاحقًا لاستلام النتيجة. أما في واجهة ينتظر فيها المستخدم استجابة فورية، فيحتاج الوضع نفسه إلى فحص مستقل لزمن الاستجابة. فالمركز المرتفع في التصنيف لا يحسم بحد ذاته مسألة تجربة المستخدم.

كما يضع Vals AI النموذج في المركز الأول في المؤشر العام: 71.31% بهامش خطأ ±0.96 نقطة مئوية. وفي Vibe Code Bench بلغت النتيجة 93.77%، وفي اختبار ترحيل الأكواد 83.27% مع المركز الثاني. وتتغير الصورة بوضوح بحسب التخصص: ففي المؤشر القانوني يحتل النموذج المركز 20، وفي اختبار الوكلاء الضريبي المركز 27. ولا يخرج من هذه النتائج فائز شامل لكل سير عمل.

كيف تختبر الفائدة على مشروعك

خذوا عدة مهام منجزة يُعرف فيها السلوك الصحيح ومعايير القبول: ترحيل اعتمادية (dependency)، إصلاح خطأ يمتد عبر عدة وحدات، تغيير في واجهة API مع تحديث العملاء. أعطوا النموذجين، الجديد والحالي، الشروط الأولية نفسها. واحسبوا الزمن حتى اجتياز الاختبارات، وتكاليف جميع المحاولات، ووقت المهندس في المراجعة.

اختبروا الوضع السريع على حدة. قد تتحقق جدوى التعرفة المضاعفة إذا قصر الانتظار فعلًا وبقيت الجودة كما هي. أما إذا كان معظم الوقت يذهب في البناء والاختبارات، فقد يكون الأثر متواضعًا. هذه فرضية تحتاج إلى قياس، وليست استنتاجًا جاهزًا من الإعلان.

وينبغي للمؤسس أن ينظر إلى تكلفة العمل المكتمل. فالنموذج الأغلى مبرَّر عندما يقلل عدد مرات إعادة العمل أو يفتح مهمة أضاع الفريق عليها أيامًا. ويستحق Fable 5.2 هذا الاختبار. أما قرار الانتقال الشامل فالأفضل اتخاذه بعد فحص التغييرات المقبولة وأزمنة الاستجابة والفاتورة الكاملة للتنفيذ.