Anthropic تطلق Claude Fable 5.2 وMythos 5.2: أسرع من 5.1 وأقوى في البرمجة

حدّثت Anthropic نموذجين من تشكيلتها دفعة واحدة: Claude Fable 5.2 وClaude Mythos 5.2. وبحسب الشركة، فقد صُمّما للمهام التقنية «الضخمة». وهذه هي الفئة من الأعمال التي يبدو فيها المساعد الحواري العادي كفؤًا، لكنه يفقد الخيط في الساعة الثالثة من العمل على المهمة. دعونا نستعرض ما هو معروف من الإعلان وما الذي ينبغي فعله حياله.

ما الذي تعلنه Anthropic

تتحدث الشركة عن تحسّن في ثلاثة مجالات: البرمجة والاستدلال والرؤية. كما أن النموذجين يولّدان الإجابة أسرع من سابقَيهما 5.1. والسرعة هنا ليست أمرًا شكليًا. فإذا كنتم تشغّلون وكيلًا عبر عشرات الخطوات، فإن كل ثانية تأخير تتضاعف بعدد الاستدعاءات. ويمكن لنموذج أسرع من الفئة نفسها أن يختصر بشكل ملحوظ زمن التشغيل بالكامل، وأحيانًا الفاتورة أيضًا.

وبشأن Fable 5.2 تحديدًا: تكتب Anthropic أنه يحل بكفاءة مسائل هندسية معقدة، ويستطيع تنسيق فرق الوكلاء، ومواصلة المشاريع الطويلة. وهناك ادعاء آخر: أن النموذج حلّ عدة مسائل علمية معقدة، بينها مسألتان مفتوحتان في الفيزياء النظرية. يبدو ذلك لافتًا، لكنه كلام الشركة. ولا توجد تفاصيل في الجزء المتاح لنا، ويكاد يكون من المستحيل التحقق من ذلك بشكل مستقل.

ماذا تعني «أوركسترا الوكلاء» عمليًا

تخيّلوا مهمة نموذجية: نقل خدمة إلى إصدار جديد من إطار العمل. يقرأ وكيل واحد الشيفرة ويضع خطة. ويعدّل الثاني الوحدات. ويشغّل الثالث الاختبارات ويحلل حالات الفشل. ويراجع الرابع الفروقات (diff) النهائية. أما النموذج في دور المنسّق فيوزّع المهام ويجمع النتائج ولا ينسى ما أُنجز قبل ساعة.

وهنا تحديدًا تنهار الحلقات الضعيفة. فإما أن يفقد النموذج السياق، أو يدخل في حلقة مفرغة، أو يعلن بحماس إتمام العمل بينما نصف الاختبارات حمراء. وتصرّح Anthropic بأن Fable 5.2 أقوى تحديدًا في هذا النوع من العمل. وإن صحّ ذلك، فلن يكون المكسب في عرض توضيحي جميل، بل في أن الوكيل سيحتاج إلى تدخلكم بشكل أقل.

ما الذي لا نعرفه بعد

لا يظهر من مقتطف الإعلان عدة أمور مهمة:

• أرقام محددة في اختبارات الأداء، ومع أي نماذج تجري المقارنة؛
• الأسعار والحدود لواجهة API والاشتراكات؛
• ما الفرق في الغرض بين Mythos 5.2 وFable 5.2؛
• نتائج اختبارات ما قبل الإطلاق: إذ ينقطع النص في المصدر عند هذه النقطة تحديدًا.

حتى الآن هذا وصف تسويقي وليس تقييمًا مستقلًا. وينبغي التعامل مع الادعاء بحل مسائل الفيزياء بوصفه استعراضًا للقدرات، لا ضمانًا لمستودعكم البرمجي.

ما الذي ينبغي على المطوّر ومدير المنتج فعله

لا تنقلوا بيئة الإنتاج إلى النموذج الجديد بناءً على بيان صحفي. والخطة العملية كالتالي:

1. خذوا من 10 إلى 20 مهمة حقيقية من قائمة أعمالكم المتراكمة (backlog): خطأ ذو سبب غير واضح، وإعادة هيكلة تشمل عدة ملفات، ومهمة تتضمن صورة أو لقطة شاشة.
2. شغّلوها على 5.1 و5.2 بالموجّهات والأدوات نفسها. قارنوا نسبة الحلول الناجحة والزمن والتكلفة، لا الانطباع عن الإجابة.
3. إذا كانت لديكم خطوط معالجة متعددة الوكلاء، فاختبروا أضعف نقطة: سلاسل الخطوات الطويلة. هناك سيظهر التحسن المعلن أو لن يظهر.
4. قيسوا السرعة بشكل منفصل. وإذا كانت أعلى فعلًا، فأعيدوا حساب اقتصاديات وكلائكم.

المهم في هذا الإصدار ليس الأسماء بل الاتجاه. فقادة السوق لم يعودوا يتنافسون على من يجيب أفضل عن سؤال واحد، بل على من يقود النموذج عبر عمل طويل بشكل أكثر موثوقية. وهذا ما ينبغي اختباره قبل أي شيء آخر.