सार:
एंथ्रोपिक ने आधिकारिक तौर पर 9 नवंबर को अपने नई पीढ़ी के प्रमुख कृत्रिम बुद्धिमत्ता मॉडल क्लाउड फैबल 5.2 और क्लाउड मिथोस 5.2 को लॉन्च किया। नया संस्करण मॉडल की अभिव्यक्ति गुणवत्ता में सुधार करते हुए प्रोग्रामिंग, तार्किक तर्क और दृश्य समझ क्षमताओं में सुधार करने पर केंद्रित है। एंथ्रोपिक द्वारा जारी आंकड़ों के अनुसार, दोनों मॉडलों की आउटपुट स्पीड पिछली पीढ़ी की तुलना में 30% तेज है, जबकि एपीआई कॉल की कीमत 20% कम हो गई है।
फ़ेबल और मिथोस एंथ्रोपिक की उत्पाद प्रणाली में सर्वोच्च स्थान वाली मॉडल श्रृंखला हैं, जो मुख्य रूप से जटिल, खुले तकनीकी कार्यों के लिए उन्मुख हैं। इसके विपरीत, हाइकु, सॉनेट और ओपस क्रमशः अलग-अलग पैमाने और जटिलता के दैनिक कार्य करते हैं। एंथ्रोपिक अनुशंसा करता है कि सामान्य प्रोग्रामिंग और ज्ञान कार्य आमतौर पर पहले क्लाउड ओपस 5.5 का उपयोग कर सकते हैं, और केवल जब विशेष रूप से जटिल और समय लेने वाले कार्यों का सामना करना पड़ता है, तो आपको फ़ेबल या माइथोस पर स्विच करने की आवश्यकता होती है।
प्रदर्शन के संदर्भ में, एंथ्रोपिक ने कहा कि फैबल 5.2 और मिथोस 5.2 न केवल तेजी से सामग्री उत्पन्न करने में सक्षम हैं, बल्कि जटिल कार्यों से निपटने के दौरान विचारों को स्पष्ट रूप से व्यक्त करने में भी बेहतर हैं। मध्यम अनुमान तीव्रता के तहत कठिन कार्यों को पूरा करते समय कल्पित 5.2, कल्पित 5.1 की तुलना में कम टोकन का उपयोग कर सकता है, इस प्रकार वास्तविक उपयोग लागत को और कम कर सकता है।
एंथ्रोपिक द्वारा प्रकाशित बेंचमार्क परीक्षणों से पता चलता है कि Fable 5.2 कई परीक्षणों में अपने स्वयं के Opus 5.5 और पिछली पीढ़ी Fable 5.1 से आगे निकल जाता है। फ्रंटियरकोड 2.0 प्रोग्रामिंग टेस्ट में, फैबल 5.2 ने उच्चतम अनुमान तीव्रता पर 49.1% का स्कोर हासिल किया, जो कि फैबल 5.1 के 32.4% से काफी अधिक था और ओपस 5.5 के 45.5% से भी अधिक था। फ्रंटियरएसडब्ल्यूई वी2 टेस्ट में, नए मॉडल ने 69.9% स्कोर किया, जबकि फैबल 5.1 के लिए 56.3% और ओपस 5.5 के लिए 62.3% स्कोर था।
जटिल ज्ञान तर्क से जुड़े मानवता के अंतिम परीक्षा परीक्षण में, फैबल 5.2 ने टूल के साथ प्रयोग करने पर 74.2% का स्कोर हासिल किया, जो फैबल 5.1 के 65.6% और ओपस 5.5 के 67.7% से अधिक था। रोबोडोजो सिम डुअल-आर्म रोबोट सिमुलेशन टेस्ट में, नए मॉडल ने 64.9% स्कोर किया, जो पिछली पीढ़ी के 27.6% की तुलना में एक महत्वपूर्ण सुधार है। इसके अतिरिक्त, रिमोट लेबर इंडेक्स टेस्ट में, फैबल 5.2 ने 41.3% स्कोर किया, जबकि फैबल 5.1 ने केवल 17.9% स्कोर किया।
हालाँकि, नया मॉडल सभी परीक्षणों में अग्रणी नहीं रहा। उदाहरण के लिए, ऑटोमेशनबेंच एंटरप्राइज़ वर्कफ़्लो परीक्षण में, Google जेमिनी 4 कार्बन ने 53.9% हासिल किया, जो फ़ेबल 5.2 के 51.4% से अधिक है। इन परिणामों से यह भी पता चलता है कि विशिष्ट कार्य प्रकारों पर विभिन्न मॉडलों के प्रदर्शन में अभी भी अंतर हैं, और व्यापक क्षमताओं का आकलन अकेले एक बेंचमार्क परीक्षण के आधार पर नहीं किया जा सकता है।
एंथ्रोपिक ने आंतरिक सॉफ्टवेयर विकास में फैबल 5.2 के वास्तविक प्रदर्शन को भी पेश किया। कंपनी ने कहा कि वर्तमान में उसके कोर कोड बेस में 90% से अधिक मर्ज किए गए कोड संशोधन क्लाउड द्वारा मैन्युअल मार्गदर्शन के तहत पूरे किए गए हैं। इंजीनियरिंग टीम ने लंबे समय से चले आ रहे सॉफ़्टवेयर दोषों को ठीक करने, कई सेवाओं की परिचालन दक्षता को अनुकूलित करने और कुछ परियोजनाओं को पूरा करने के लिए Fable 5.2 का उपयोग किया, जिन्हें लागत या समय की कमी के कारण अतीत में लॉन्च करना मुश्किल था।
एक मामला विशेष रूप से दिलचस्प है: फ़ेबल 5.2 के शुरुआती संस्करण का उपयोग करने वाले एआई एजेंटों के एक समूह ने एक प्रमुख उत्पादन सेवा को पायथन से रस्ट में स्थानांतरित कर दिया। माइग्रेशन पूरा होने के बाद, सेवा लगभग 26 गुना तेजी से शुरू हुई, जबकि परिचालन दक्षता और विश्वसनीयता में भी सुधार हुआ। एंथ्रोपिक का मानना है कि यह इंजीनियरिंग निर्णय और अस्पष्ट आवश्यकताओं को संभालने में नए मॉडल की प्रगति को दर्शाता है।
इस रिलीज़ में कृत्रिम बुद्धिमत्ता सुरक्षा तंत्र में समायोजन भी शामिल है। फ़ेबल 5.2 और मिथोस 5.2 वास्तव में एक ही अंतर्निहित मॉडल का उपयोग करते हैं, लेकिन विभिन्न उपयोगकर्ता समूहों के लिए अलग-अलग सुरक्षा प्रतिबंध कॉन्फ़िगर किए गए हैं। सार्वजनिक रूप से उपलब्ध Fable 5.2 दुरुपयोग किए जा सकने वाले उच्च जोखिम वाले अनुरोधों को रोकने के लिए साइबर सुरक्षा और जीव विज्ञान के क्षेत्र में सुरक्षा सुरक्षा तंत्र स्थापित करता है। एंथ्रोपिक ने कहा कि फ़ेबल 5.1 की तुलना में, नए संस्करण ने शुरुआती परीक्षणों में सुरक्षा अवरोधों की संख्या को लगभग 55% कम कर दिया है, जिसका अर्थ है कि मॉडल सामान्य अनुरोधों को संभालने में अधिक लचीला है जबकि उच्च जोखिम वाले उपयोगों के लिए प्रतिबंध अभी भी बरकरार है।
मिथोस 5.2 ऑडिटेड पेशेवर संगठनों के लिए खुला है, जो मुख्य रूप से नेटवर्क सुरक्षा और जीवन विज्ञान अनुसंधान से संबंधित हैं। क्योंकि इसके सुरक्षा प्रतिबंध सार्वजनिक संस्करण से भिन्न हैं, सामान्य उपयोगकर्ता मिथोस तक सीधे उस तरह नहीं पहुँच सकते जैसे वे फ़ेबल के साथ कर सकते हैं। एंथ्रोपिक को उम्मीद है कि समीक्षा तंत्र के माध्यम से, यह पेशेवर शोधकर्ताओं को प्रौद्योगिकी दुरुपयोग के जोखिम को कम करते हुए कठिन काम करने की अनुमति देगा।
कीमत के मामले में भी यह अपग्रेड महत्वपूर्ण बदलाव लेकर आया है। Fable 5.2 और Mythos 5.2 की API कीमतें US$8 प्रति मिलियन इनपुट टोकन और US$40 प्रति मिलियन आउटपुट टोकन हैं, जबकि पिछली पीढ़ी के मॉडल के लिए क्रमशः US$10 और US$50 की तुलना में 20% की कमी हुई है। इसके अलावा, एंथ्रोपिक एक वैकल्पिक तेज़ मोड भी प्रदान करता है, जो सामान्य मोड की तुलना में टोकन उत्पादन की गति को 2.5 गुना तक बढ़ा सकता है, लेकिन संबंधित कीमत भी बढ़कर 16 अमेरिकी डॉलर प्रति मिलियन इनपुट टोकन और 80 अमेरिकी डॉलर प्रति मिलियन आउटपुट टोकन हो जाएगी।
Fable 5.2 क्लाउड भुगतान वाले उपयोगकर्ताओं के लिए खोला गया है और एपीआई के माध्यम से सेवाएं प्रदान करता है। यह AWS, Google Cloud और Microsoft Azure जैसे प्लेटफ़ॉर्म को भी सपोर्ट करता है। एंथ्रोपिक ने यह भी घोषणा की कि पात्र भुगतान करने वाले ग्राहकों को इस सप्ताह अतिरिक्त उपयोग क्रेडिट प्राप्त होंगे, जिसमें सदस्यता की अवधि के आधार पर एक से तीन उपयोग क्रेडिट रीसेट शामिल होंगे। प्रो प्लान और टीम प्लान मानक सीटों के उपयोगकर्ता फ़ेबल मॉडल के लिए अपने साप्ताहिक उपयोग कोटा का 50% तक उपयोग कर सकते हैं।
कुल मिलाकर, फ़ेबल 5.2 अपग्रेड केवल एक नियमित मॉडल प्रदर्शन पुनरावृत्ति नहीं है। तेज़ पीढ़ी की गति, कम कॉल लागत और जटिल प्रोग्रामिंग और मल्टी-स्टेप एजेंट कार्यों में बेहतर प्रदर्शन का मतलब है कि एंथ्रोपिक पेशेवर तकनीकी कार्यों में क्लाउड की प्रतिस्पर्धात्मकता को और मजबूत कर रहा है। मिथोस 5.2 एक प्रतिबंधित खुली रणनीति को अपनाना जारी रखता है, जो सुरक्षा समीक्षा के साथ सबसे मजबूत क्षमताओं के संयोजन के कंपनी के उत्पाद दर्शन को भी दर्शाता है।
यह ध्यान दिया जाना चाहिए कि उपरोक्त बेंचमार्क परिणाम और आंतरिक अनुप्रयोग मामले सभी एंथ्रोपिक द्वारा जारी की गई जानकारी से हैं और सभी वास्तविक उपयोग परिदृश्यों में स्वतंत्र तृतीय पक्षों के परीक्षण परिणामों के पूरी तरह से समकक्ष नहीं हो सकते हैं।
टिप्पणियाँ