آنتروپیک تنها ۶ روز پس از اوپوس ۵.۵ مدل سونت ۵.۵ را عرضه کرد

به گزارش خبرگزاری آنا آنتروپیک با فاصله‌ای کمتر از یک هفته ۲ عضو خانواده کلود ۵.۵ را روانه بازار کرده است. اوپوس ۵.۵ به‌عنوان مدل قدرتمندتر این خانواده ۳۱ شهریور معرفی شد و سونت ۵.۵ نیز ۶ مهر از راه رسید؛ مدلی که قرار است گزینه سریع‌تر و ارزان‌تر برای وظایفی باشد که لزوماً به بیشترین توان استدلالی اوپوس نیاز ندارند. آنتروپیک می‌گوید سونت ۵.۵ در کار‌های روزمره با محدوده مشخص، پیدا کردن و اصلاح خطا‌های کد و ساخت اسناد، اسلاید‌ها و صفحات گسترده عملکرد مناسبی دارد و هایکو ۵.۵ نیز طی هفته‌های آینده به این خانواده اضافه خواهد شد.

جهش بزرگ در برنامه‌نویسی

بزرگ‌ترین پیشرفت سونت ۵.۵ در ارزیابی‌های برنامه‌نویسی دیده می‌شود. این مدل در Terminal-Bench ۴.۰ که توانایی یک ایجنت را برای انجام کار‌های چندمرحله‌ای در محیط خط فرمان می‌سنجد، امتیاز ۷۰.۶ درصد گرفته است؛ در حالی که سونت ۵ در همین آزمون تنها ۱۰.۳ درصد کسب کرده بود. نتیجه به این معنی نیست که مدل جدید در همه کار‌های برنامه‌نویسی حدود ۷ برابر بهتر شده، اما فاصله زیاد ۲ نسخه در این آزمون مشخص می‌کند توان مدل برای انجام مستقل‌تر وظایفی که به اجرای چند فرمان، بررسی نتیجه و ادامه کار نیاز دارند به شکل محسوسی افزایش یافته است.

پیشرفت فقط به یک بنچمارک محدود نیست. سونت ۵.۵ در FrontierCode ۱.۱ و CursorBench ۴.۰ نیز نسبت به نسل قبل عملکرد بالاتری داشته و آنتروپیک می‌گوید مدل تازه سریع‌تر می‌تواند ساختار یک مجموعه کد را درک کند و برای رسیدن به نتیجه، مراحل کمتری طی می‌کند. آزمایش‌کنندگان اولیه همچنین گزارش کرده‌اند مدل بیشتر از قبل چند ابزار را به‌صورت هماهنگ به کار می‌گیرد و به همین دلیل وظایف را با تعداد اقدامات و توکن‌های کمتری تکمیل می‌کند.

توان سونت به اوپوس نزدیک‌تر شده است

آنتروپیک سونت ۵.۵ را جایگزین مستقیم اوپوس معرفی نمی‌کند و همچنان مدل گران‌تر را برای کار‌های پیچیده، باز و طولانی که به قضاوت مداوم نیاز دارند قوی‌تر می‌داند. با این حال فاصله میان ۲ رده کمتر شده است. سونت ۵.۵ در آزمون GDPval-AA که وظایف واقعی چندین شغل و صنعت را شبیه‌سازی می‌کند، تنها حدود ۲ امتیاز پایین‌تر از اوپوس ۵.۵ قرار گرفته و در بعضی ارزیابی‌ها با افزایش سطح تلاش به نتایجی نزدیک به مدل رده‌بالاتر می‌رسد.

همین روند در کار با رایانه و تحلیل محتوای تصویری نیز دیده می‌شود. سونت ۵.۵ در OSWorld ۲.۱ امتیاز ۸۰.۱ درصد را ثبت کرده، در حالی که نتیجه سونت ۵ برابر با ۵۷ درصد بوده است. در آزمون تشخیص و درک نمودار Chartography نیز امتیاز مدل از ۱۵.۶ درصد به ۶۱.۶ درصد رسیده است. آنتروپیک همچنین می‌گوید این نخستین مدل از خانواده سونت است که توانسته بازی Pokémon Red را تنها با مشاهده تصاویر صفحه به پایان برساند؛ آزمایشی که توان مدل در دنبال کردن یک هدف طولانی و تصمیم‌گیری بر اساس اطلاعات تصویری را می‌سنجد.

بیش از ۳۰ درصد سریع‌تر، اما قیمت توکن تغییر نکرده است

قیمت اسمی سونت ۵.۵ نسبت به سونت ۵ افزایش پیدا نکرده و هر یک میلیون توکن ورودی ۲ دلار و هر یک میلیون توکن خروجی ۱۰ دلار هزینه دارد. خواندن یک میلیون توکن از کش نیز ۲۰ سنت قیمت‌گذاری شده است. تفاوت اصلی در میزان توکنی است که مدل برای رسیدن به نتیجه مصرف می‌کند؛ آنتروپیک می‌گوید سونت ۵.۵ معمولاً همان وظیفه را با توکن‌های کمتری انجام می‌دهد و در آزمایش‌های داخلی هزینه اجرای هر کار می‌تواند تا ۳۰ درصد کمتر از نسل قبل باشد. سرعت تولید پاسخ نیز بیش از ۳۰ درصد افزایش یافته و شرکت آن را سریع‌ترین مدل سونت خود تا امروز توصیف می‌کند.

این تفاوت زمانی ملموس‌تر می‌شود که مدل در یک پروژه چندمرحله‌ای بار‌ها کد بخواند، ابزار اجرا کند و نتیجه را بررسی کند. اگر هر مرحله با خروجی کوتاه‌تر و تعداد اقدامات کمتر انجام شود، حتی ثابت ماندن قیمت هر توکن نیز می‌تواند هزینه کل را کاهش دهد. آنتروپیک می‌گوید در بعضی بنچمارک‌ها سونت ۵.۵ با سطح تلاش پایین یا متوسط از بهترین نتیجه سونت ۵ عبور کرده، در حالی که هزینه هر وظیفه حدود یک‌دهم بوده است.

کار با سند، اسلاید و رابط کاربری بهتر شده است

آنتروپیک سونت ۵.۵ را فقط به‌عنوان مدل برنامه‌نویسی معرفی نکرده و روی کار‌های اداری و طراحی نیز تأکید دارد. آزمایش‌کنندگان اولیه گفته‌اند نوشته‌های مدل نسبت به سونت ۵ طبیعی‌تر و واضح‌تر شده‌اند و خروجی‌های مربوط به رابط کاربری نیز پرداخت بیشتری دارند. مدل می‌تواند قالب یک ارائه را دنبال کند، اسلاید بسازد و اسناد و صفحات گسترده را با ویرایش کمتری آماده کند. در یکی از آزمایش‌های داخلی، آنتروپیک گزارش‌های مالی و متن تماس درآمدی یک شرکت عمومی را همراه با قالب ارائه در اختیار مدل قرار داده و از آن خواسته یک بررسی عملیاتی ۱۰ اسلایدی بسازد؛ ۲ ارزیاب نسخه نخست را آماده ارسال تشخیص داده‌اند.

بهبود سرعت نیز در چنین کار‌هایی اهمیت دارد، زیرا سونت بیشتر برای وظایفی در نظر گرفته شده که رفت‌وبرگشت سریع با کاربر یا اجرای مکرر ابزار‌ها در آن‌ها مهم است. شرکت Slack در آزمایش‌های خود اعلام کرده بدون تغییر دستور‌های قبلی، سونت ۵.۵ در تقریباً همه ارزیابی‌های آفلاین Slackbot بهتر از سونت ۵ عمل کرده و این کار را با حدود ۱۴ درصد توکن خروجی کمتر و تعداد مراحل پایین‌تر انجام داده است.

مدل تازه محافظت‌های امنیتی بیشتری هم دارد

افزایش توان برنامه‌نویسی و امنیت سایبری باعث شده آنتروپیک برای نخستین بار یک مدل سونت را با برخی از همان محدودیت‌ها و سازوکار‌های حفاظتی مدل‌های قدرتمندتر خود عرضه کند. شرکت می‌گوید درخواست‌های معمول برای ساخت نرم‌افزار یا پیدا کردن و اصلاح باگ همچنان بدون تغییر انجام می‌شوند، اما در تعداد محدودی از درخواست‌های امنیتی پرخطر، سامانه می‌تواند از مدل‌های محدودتر استفاده کند یا دسترسی را کاهش دهد. محافظت‌های حوزه زیست‌شناسی نیز مشابه سونت ۵ باقی مانده‌اند.

سونت ۵.۵ اکنون روی پلتفرم‌های آنتروپیک و همچنین خدمات ابری آمازون، گوگل و مایکروسافت در دسترس است و توسعه‌دهندگان می‌توانند آن را با شناسه کلود-سونت-۵-۵ در API فراخوانی کنند. معرفی این مدل تنها ۶ روز پس از اوپوس ۵.۵ همچنین سرعت بالای تکمیل خانواده جدید کلود را مشخص می‌کند و آنتروپیک گفته هایکو ۵.۵ نیز طی هفته‌های آینده به‌عنوان گزینه ارزان‌تر برای استفاده‌های پرتعداد عرضه خواهد شد.