सार:
ओपस 5.5 जारी होने के बाद, नेटिज़न्स इसे आज़माने के लिए दौड़ पड़े। एक स्वाइप से, वेब पेज, एनिमेशन से लेकर गेम आदि तक कई काम होते हैं। ये बेंचमार्क मानों की तुलना में अधिक सहज हैं, और कुछ को स्वयं आज़माया जा सकता है। MiaAI लैब नाम के एक निर्माता ने सीधे तौर पर ओपस 5.5 को तीन आवश्यकताओं के साथ "100 HTML फ़ाइलें बनाने" के लिए कहा: अच्छा दिखना, कोई दोहराव वाला डिज़ाइन नहीं, और रचनात्मकता का पूर्ण उपयोग। तैयार उत्पाद अद्भुत है.
https://x.com/MiaAI_lab/status/2102490829306634560
बताने की जरूरत नहीं है, हर क्लिक अच्छा दिखता है। एक ही मॉडल में विभिन्न इंटरैक्शन रूपों और दृश्य शैलियों का बहुत विविध प्रसंस्करण होता है।
वीडियो लिंक: https://mp.weixin.qq.com/s/dVLbNHkM32K5g1cJWJs1hw
इस मामले में, ओपस 5.5 ने खुली आवश्यकताओं से शुरुआत की, तय किया कि कौन सा काम करना है, और पेज संरचना, सीएसएस और इंटरैक्टिव कोड लिखा। रचनात्मक अवधारणा, कार्य विश्लेषण से लेकर तैयार उत्पाद उत्पादन तक, ओपस 5.5 मजबूत स्वायत्तता प्रदर्शित करता है।
मॉडल को एक खुला समग्र लक्ष्य दें, उसे अपने कदमों की योजना बनाने दें, और कार्य को पूरी तरह से सौंप दें।
एंथ्रोपिक इस बार बिल्कुल यही अनुशंसा करता है।
क्या हम सचमुच पूरा काम एक ही बार में ख़त्म कर सकते हैं?
एंथ्रोपिक ओपस 5.5 उपयोगकर्ता गाइड की शुरुआत में सलाह देता है: पूरे कार्य को एक बार में समझाएं, यह स्पष्ट करें कि क्या "पूरा" माना जाता है, और जब ऐसी स्थितियों का सामना करना पड़ता है जहां आपको रुकने और उपयोगकर्ता से पूछने की आवश्यकता होती है, और फिर मॉडल को अपने आप काम करने दें।
गाइड लिंक: https://claude.dev/blog/getting-the-most-out-of-opus-5-5/
गाइड में दिया गया उदाहरण भुगतान इंटरफ़ेस को माइग्रेट कर रहा है।
कार्यों को समझाने के अलावा, सबसे महत्वपूर्ण बात पूर्णता मानकों को बताना है: सभी इंटरफ़ेस नए क्लाइंट का उपयोग करते हैं, पुराने क्लाइंट हटा दिए जाते हैं, और परीक्षण पास हो जाता है। केवल जब मॉडल को अस्पष्टीकृत परीक्षण विफलताओं का सामना करना पड़ता है तो उसे रुकने और पूछने की आवश्यकता होती है। ऐसी आवश्यकताएं मॉडल रूम को अपने आप आगे बढ़ने और अंतिम डिलीवरी के लिए सत्यापन योग्य मानक छोड़ने की अनुमति देती हैं।
वास्तव में, इस सुझाव का उल्लेख तब किया गया था जब Opus5 जारी किया गया था। इस बार एंथ्रोपिक ने विशेष रूप से इस बात पर जोर दिया कि ओपस 5.5 दीर्घकालिक, बहु-चरणीय कार्यों में निरंतर प्रगति करने में अधिक सक्षम है।
आधिकारिक रिलीज़ सामग्री में उल्लेख किया गया है कि एक प्रारंभिक परीक्षक ने कोड की लगभग 200,000 पंक्तियों की समीक्षा करने और उन्हें ठीक करने के लिए कहा था, जो तीन घंटे से भी कम समय में पूरा हो गया था; ओपस 5 को उसी कार्य में 20 घंटे से अधिक का समय लगा। एक अन्य आंतरिक परीक्षण के लिए मॉडल को HAProxy को C से रस्ट में फिर से लिखने की आवश्यकता थी। ओपस 5.5 में 9.5 घंटे लगे, और पुनर्लेखन परिणाम ने मूल परियोजना के लगभग सभी प्रतिगमन परीक्षण पास कर लिए।
हालाँकि, इसे काम करने में काफी समय लगा, लेकिन यह वह नहीं हो सकता जिसे उपयोगकर्ता हासिल करने के लिए सबसे अधिक उत्सुक हों।
वास्तविक परीक्षण में, प्रौद्योगिकी मीडिया हर ने ग्राहक प्रशिक्षण के लिए मिनट-दर-मिनट शेड्यूल लिखने के लिए ओपस 5.5 को दस मिनट दिए। आवश्यकताओं को पढ़ने के बाद, इसके बारे में सोचने में लगभग पाँच मिनट लगे, फिर प्रशिक्षण डेटा तैयार किया, तालिकाओं की जाँच की और छात्र सामग्री संकलित की। लेकिन जब समय आया तो सबसे जरूरी शेड्यूल नहीं सौंपा गया.
वास्तविक परीक्षण रिपोर्ट: https://every.to/vibe-check/vibe-check-opus-5-5-is-pulling-our-codex-converts-back-to-claude/
एवरी का एक अन्य ऐप डेवलपमेंट टेस्ट भी बता रहा है। कार्य पृष्ठ सुंदर दिखता है, और स्वचालित जांच से यह भी पता चलता है कि यह पारित हो गया है, लेकिन जब परीक्षक वास्तव में इसे संचालित करता है, तो मुख्य पृष्ठ अभी भी एक त्रुटि की रिपोर्ट करता है।
ऐसा लगता है कि इसके बारे में एक चरण में सोचना अभी भी अवास्तविक है।
डैश मारें और संगीत और एनिमेशन चलाएं
पाठ अभिव्यक्ति के संदर्भ में, ओपस 5.5 ने महत्वपूर्ण प्रगति की है, और पहले के विशिष्ट "क्लाउड एक्सेंट" को बदल दिया है।
कुछ नेटिज़न्स ने टिप्पणी की कि ओपस 5.5 के परीक्षण के बाद सबसे बड़ी भावना यह है कि लेखन शैली अंततः "ठीक" हो गई है।
https://x.com/theojaffee/status/2102454423041818786
"यह अधिक प्रत्यक्ष, अधिक सामान्य और कम AI-जैसा (नॉन-स्लॉप) हो गया है। आखिरी बार मैंने क्लाउड को लगभग आठ महीने पहले ओपस 4.6 में इतनी सफाई से और स्वाभाविक रूप से लिखते देखा था।"
बाईं ओर की तस्वीर ओपस 5 का आउटपुट है, जो थोड़ा शब्दाडंबरपूर्ण है और इसमें एआई लेखन के स्पष्ट निशान हैं; दाईं ओर का चित्र ओपस 5.5 द्वारा उसी सामग्री का आउटपुट है, जो अधिक संक्षिप्त और स्वाभाविक है।
क्लाउड के आधिकारिक खाते द्वारा जारी ओपस 5.5 अपडेट निर्देशों के अनुसार, नया संस्करण अधिक स्वाभाविक रूप से संचार करता है, महत्वपूर्ण जानकारी को पहले रखता है, और उपयोगकर्ताओं द्वारा दिए गए लेखन नियमों का बेहतर पालन करता है।
कुछ नेटिज़न्स ने पाया कि ओपस 5.5 ने इस बार डैश को ख़त्म कर दिया है! उपरोक्त आधिकारिक तुलना चार्ट में, बाईं ओर ओपस 5 का आउटपुट कई स्थानों पर डैश का उपयोग करता है, जबकि दाईं ओर ओपस 5.5 बिना डैश के समान सामग्री लिखता है।
https://x.com/theo/status/2102474289949868254?s=20
पीडीएफ टेबल पार्सिंग के संदर्भ में, लामाइंडेक्स के सीईओ जेरी लियू ने परीक्षण के लिए अपने स्वयं के पार्सबेंच का उपयोग किया। ओपस 5.5 ने 93.9% स्कोर किया, जो ओपस 5 से 7 प्रतिशत अंक अधिक था और फैबल, जेमिनी और एस्ट्रा जैसे मॉडलों से आगे निकल गया। हालाँकि, इसमें अभी भी चार्ट, प्रारूप और लेआउट को समझने में कमियाँ हैं।
https://x.com/jerryjliu0/status/2102529024841154977
क्लाउड ओपस 5.5 न केवल "कोड लिख सकता है", बल्कि कोड का उपयोग सीधे ऐसे एनिमेशन बनाने के लिए भी कर सकता है जो कलात्मक और सहज दोनों हैं।
एक्स ब्लॉगर केविन न्गो ने ओपस 5.5 को निम्नलिखित एनीमेशन फ्रेम दर फ्रेम बनाने के लिए जावास्क्रिप्ट का उपयोग करने दिया:
वीडियो लिंक: https://mp.weixin.qq.com/s/dVLbNHkM32K5g1cJWJs1hw
कुछ नेटिज़न्स ने समान एनिमेशन बनाने के लिए ओपस 5.5 का भी उपयोग किया:
वीडियो लिंक: https://mp.weixin.qq.com/s/dVLbNHkM32K5g1cJWJs1hw
https://x.com/devteamdrew/status/2102436464323661880
क्लाउड अब शुद्ध जावास्क्रिप्ट का उपयोग करके वास्तव में सुनने योग्य इलेक्ट्रॉनिक संगीत लिख सकता है।
कुछ नेटिज़न्स ने ओपस 5.5 को केवल यह संकेत दिया कि "जावास्क्रिप्ट के साथ कुछ बास संगीत बनाएं" (कुछ बास संगीत बनाने के लिए जावास्क्रिप्ट का उपयोग करें)। परिणामस्वरूप, क्लाउड ने एक बार में पूरा जेएस कोड लिखा और बास संगीत का एक टुकड़ा तैयार किया जो काफी अच्छा लग रहा था।
वीडियो लिंक: https://mp.weixin.qq.com/s/dVLbNHkM32K5g1cJWJs1hw
https://x.com/aj_dev_smith/status/2102504509637587339?s=20
टिप्पणियाँ