सार:
फेबल 5.1 और मिथोस 5.1 जारी! यह सभी 8 सार्वजनिक बेंचमार्क परीक्षणों में पहले स्थान पर रहा और कीमत में 45% तक की गिरावट आई। विशेष रूप से वैज्ञानिक अनुसंधान और कोडिंग के क्षेत्र में, इसने फैबल 5 और इसके पड़ोसी GPT-5.6 Sol को स्पष्ट रूप से पीछे छोड़ दिया है। अधिक सहज परिप्रेक्ष्य से, अब मध्यम और निम्न अनुमान स्तरों के साथ Fable 5.1 चल रहा है, प्रदर्शन मूल रूप से अत्यंत उच्च या उच्चतम अनुमान स्तर के साथ Mythos 5 के पुराने संस्करण के बराबर है। इस लहर में, "फेबल" ने "माइथोस" को मार डाला।
कीमत के संदर्भ में, फ़ेबल 5.1 ने कैश रीड मूल्य को घटाकर 0.25 अमेरिकी डॉलर प्रति मिलियन टोकन कर दिया, जो कि 75% की कमी है।
इनपुट और आउटपुट कीमतें फ़ेबल 5 के अनुरूप हैं, क्रमशः $10 और $50 प्रति मिलियन टोकन पर।
ऐसा लगता है कि केवल एक कीमत कम की गई है, लेकिन वास्तविक प्रभाव अपेक्षाकृत बड़ा है, क्योंकि एजेंट कार्य में, कैश रीडिंग अधिकांश लागत के लिए जिम्मेदार होती है।
एंथ्रोपिक द्वारा दिया गया डेटा यह है कि सामान्य कार्यभार की लागत फ़ेबल 5 की तुलना में लगभग 25% कम है। यदि यह एक अत्यधिक बुद्धिमान कार्य है, तो यह 45% तक बचा सकता है।
आधिकारिक रिलीज़ वीडियो में कुछ कहने को है:
इससे कोई फर्क नहीं पड़ता कि आपने क्लाउड को पहले कौन सा कार्य संभालने के लिए कहा था, कल्पित कहानी 5.1 अधिक काम कर सकती है और सबसे कठिन हिस्सों को बेहतर ढंग से कर सकती है।
यह ऐसा इसलिए करता है क्योंकि यह बहु-चरणीय कार्यों को संभालने में अच्छा है।
इस प्रकार के कार्य में, यदि दूसरे चरण में एक छोटी सी त्रुटि होती है, तो 40वें चरण तक पूरी चीज़ ढह जाएगी, लेकिन कल्पित 5.1 पूरी प्रक्रिया के दौरान स्थिर आउटपुट प्रदान कर सकता है।
यदि आप किसी ऐसी समस्या का सामना करते हैं जिसे हल नहीं किया जा सकता है, तो यह आपको बताएगा कि आपने कौन से समाधान आज़माए हैं और आप कहां फंस गए हैं।
शोधकर्ता फ़्लिक्स रिसेबर्ग ने यह भी विशेष रूप से उल्लेख किया है कि लेखन के संदर्भ में, फ़ेबल 5.1 बोल्ड फ़ॉन्ट के उपयोग को कम करता है, कम शीर्षक, सूचियों या उद्धरण चिह्नों का उपयोग करता है, और शैली संकेतों का बेहतर ढंग से पालन करता है।
मैं जो कह रहा हूं वह यह है कि क्या आप अपने स्टाइल टिप्स का स्रोत खोल सकते हैं?
अभी भी सच है, फ़ेबल 5.1 सभी उपयोगकर्ताओं के लिए खुला है, और मिथोस 5.1 केवल ट्रस्टेड एक्सेस प्रोग्राम के माध्यम से जांचे गए साइबर सुरक्षा और जीवन विज्ञान संगठनों के लिए उपलब्ध है।
व्यावहारिक वैज्ञानिक अनुसंधान: प्रोटीन डिज़ाइन, शुक्र मानचित्र बनाना, GPU त्वरण
रनिंग स्कोर के अलावा, एंथ्रोपिक ने वैज्ञानिक अनुसंधान के क्षेत्र में फैबल 5.1 और मिथोस 5.1 के व्यावहारिक परिणामों का भी प्रदर्शन किया।
प्रोटीन डिज़ाइन के संदर्भ में, एंथ्रोपिक ने हाई-एफ़िनिटी बाइंडिंग प्रोटीन डिज़ाइन करने के लिए ओपन सोर्स प्रोटीन डिज़ाइन और फोल्डिंग टूल का उपयोग करने के लिए मिथोस 5.1 का उपयोग किया, और प्रयोगात्मक सत्यापन के लिए योजना को दो बाहरी संस्थानों को भेजा।
तीन लक्ष्यों में, मिथोस 5.1 डिज़ाइन की बाइंडिंग एफ़िनिटी एडाप्टिव बायो प्रोटीन डिज़ाइन प्रतियोगिता में सर्वोत्तम समाधान से 10 गुना अधिक थी। सभी 12 लक्ष्यों में, हिट दर 50 प्रतिशत के करीब थी, जबकि प्रोटीन डिज़ाइन के वर्तमान क्षेत्र में 10 से 15 प्रतिशत सामान्य हिट दर थी।
उच्च-एफ़िनिटी बाइंडिंग प्रोटीन कई सामान्य दवा विकास प्रक्रियाओं में पहला कदम है और सीधे यह निर्धारित करते हैं कि दवा कम खुराक पर काम कर सकती है या नहीं।
खगोल विज्ञान में, फैबल 5.1 ने शुक्र की सतह के एक तिहाई हिस्से का एक नया उच्च-रिज़ॉल्यूशन स्थलाकृतिक मानचित्र तैयार करने के लिए 30 साल से अधिक पहले नासा के मैगलन अंतरिक्ष यान द्वारा ली गई रडार छवियों के आधार पर एक तंत्रिका नेटवर्क को प्रशिक्षित किया।
पहले उपलब्ध स्थलाकृतिक मानचित्र शुक्र ग्रह के केवल पांचवें हिस्से को कवर करते थे, जिसका रिज़ॉल्यूशन 10 से 20 किलोमीटर के बीच था। कल्पित 5.1 रिज़ॉल्यूशन को 2 से 3 किलोमीटर तक बढ़ा देता है, और ऊंचाई सटीकता पहले की तुलना में 25% अधिक है। यह मानचित्र CC लाइसेंस के तहत ओपन सोर्स के रूप में जारी किया गया है और भविष्य के अवलोकनों के लिए प्रमुख भूवैज्ञानिक विशेषताओं की पहचान करने में मदद के लिए आगामी NASA VERITAS और ESA EnVision मिशनों के लिए एक संदर्भ के रूप में उपयोग किया जाएगा।
कम्प्यूटेशनल बायोलॉजी के संदर्भ में, माइथोस 5.1 कस्टम जीपीयू कर्नेल लिखकर और मध्यवर्ती परिणामों को कैशिंग करके 7 ओपन सोर्स डीप लर्निंग मॉडल की रनिंग गति को 2.5 गुना तक सुधारता है, और आउटपुट पूरी तरह से सुसंगत है।
वास्तविक शोध में, जीवविज्ञानियों को प्रत्येक मानव जीन के निकट सभी संभावित उत्परिवर्तनों का परीक्षण करते हुए, इन मॉडलों को हजारों बार चलाने की आवश्यकता हो सकती है। अनुकूलित मॉडल GPU लागत को 30% से 60% तक कम कर सकते हैं।
इस प्रकार के अनुकूलन को पूरा करने में आमतौर पर एक प्रदर्शन इंजीनियरिंग टीम को कई सप्ताह लग जाते हैं, और कई शैक्षणिक प्रयोगशालाएँ इसे वहन नहीं कर सकतीं। हालाँकि, मिथोस 5.1 ने इसे कुछ ही दिनों में पूरा कर लिया और पूरी तरह से ओपन सोर्स कोड पर निर्भर रहा।
एंथ्रोपिक निकट भविष्य में इन अनुकूलनों का स्रोत खोलने की योजना बना रहा है।
आसवनरोधी तंत्र ऑनलाइन है
फ़ेबल 5.1 के रिलीज़ के साथ, कुछ विशेष नियम और एपीआई परिवर्तन हैं।
आइए पहले सुरक्षा के बारे में संक्षेप में बात करते हैं।
Fable 5.1 की नेटवर्क सुरक्षा झूठी सकारात्मक दर Fable 5 की तुलना में 60% कम है। अब इसे सॉफ़्टवेयर कमजोरियों की खोज के लिए उपयोग करने की अनुमति है, लेकिन शोषण का विकास अभी भी निषिद्ध है। दोहरे उद्देश्य वाले कार्य जैसे प्रवेश परीक्षण, शोषण पीढ़ी, बाइनरी-आधारित भेद्यता स्कैनिंग इत्यादि को अभी भी ओपस श्रृंखला मॉडल पर पुनर्निर्देशित किया जाएगा।
बुनियादी जीव विज्ञान और चिकित्सा प्रश्नों के लिए गलत सकारात्मक दर 85% कम हो गई है, लेकिन जीवन विज्ञान अनुसंधान और विकास से जुड़े प्रश्नों को अभी भी ओपस मॉडल प्रसंस्करण के लिए भेजा जाता है, और पेशेवरों को मिथोस 5.1 के जीवन विज्ञान सत्यापन कार्यक्रम (एलएसवीपी) के माध्यम से पहुंच प्राप्त करने की आवश्यकता है।
तो आइए नए जोड़े गए आसवनरोधी तंत्र के बारे में बात करते हैं।
आज से, नए पंजीकृत एपीआई खाते विचार श्रृंखला रिकॉर्ड बनाए रखते हुए कई दौर की बातचीत में क्लाउड संदर्भ को मैन्युअल रूप से संपादित नहीं कर सकते हैं।
एक सामान्य तकनीक है जिसे पहले सार्वजनिक रूप से रिकॉर्ड किया गया है: बातचीत के कई दौरों में क्लाउड के पिछले संदर्भ के साथ मैन्युअल रूप से छेड़छाड़ करना, लेकिन जानबूझकर विचार श्रृंखला रिकॉर्ड को बनाए रखना। यह मॉडल को निर्देशों के एक नए, संभवतः प्रतिकूल, निर्देशों के एक अन्य सेट के तहत उत्पन्न तर्क को फिर से चलाने की अनुमति देता है।
यह सड़क अब अवरुद्ध है।
दृष्टिकोण प्रत्येक सोच श्रृंखला ब्लॉक में एक हस्ताक्षर जोड़ने का है।
जब उपयोगकर्ता बाद के अनुरोधों में सहायक के उत्तर को एपीआई पर वापस भेजता है, तो सिस्टम इस हस्ताक्षर का उपयोग दो काम करने के लिए करेगा: सत्यापित करें कि क्या वर्तमान मॉडल के पास इस ब्लॉक को पढ़ने का अधिकार है, और यह सत्यापित करें कि क्या इस ब्लॉक से पहले की पूरी बातचीत (सिस्टम प्रॉम्प्ट शब्द, टूल सूची और सभी ऐतिहासिक संदेशों सहित) बिल्कुल वैसी ही है, जब यह मूल रूप से उत्पन्न हुई थी।
जब भी बातचीत में कुछ भी छुआ जाएगा तो हस्ताक्षर सत्यापन विफल हो जाएगा।
विफलता के बाद क्या करना है यह डेवलपर द्वारा निर्धारित पैरामीटर prefix_mismatch_behavior पर निर्भर करता है: डिफ़ॉल्ट मान "त्रुटि" है, जो सीधे 400 स्थिति कोड लौटाता है और अनुरोध अस्वीकार कर दिया जाता है; यदि इसे "ड्रॉप_ब्लॉक" पर सेट किया गया है, तो सिस्टम चुपचाप ब्लॉक और उसके बाद की सभी विचार श्रृंखलाओं को हटा देगा, और अनुरोध हमेशा की तरह निष्पादित हो जाएगा।
खारिज किए गए हिस्से की गिनती नहीं की जाती है (लोग अजीब तरह के होते हैं) और प्रतिक्रिया में इनपुट_ट्रांसफॉर्मेशन सरणी में सूचीबद्ध किया जाएगा।
कौन से ऑपरेशन सत्यापन विफलता को ट्रिगर करेंगे?
दस्तावेज़ीकरण एक विस्तृत सूची देता है: किसी भी पिछले उपयोगकर्ता/सहायक/सिस्टम संदेशों को संपादित करना, पुनर्व्यवस्थित करना या हटाना, शीर्ष-स्तरीय सिस्टम प्रॉम्प्ट शब्द को बदलना, टूल सूची में कोई जोड़ना, हटाना या नाम बदलना, वार्तालाप इतिहास से एक विचार श्रृंखला ब्लॉक को हटाना लेकिन बाद के ब्लॉक को बनाए रखना, और एक छवि या दस्तावेज़ यूआरएल को संदर्भित करना जो अनुरोधों के बीच अलग-अलग सामग्री लौटाता है।
उपरोक्त में से कोई भी बाद की सभी सोच श्रृंखलाओं को अमान्य कर देगा।
इसके विपरीत, कुछ ऑपरेशन सुरक्षित हैं:
बातचीत के अंत में नए संदेश जोड़ना, इतिहास की शुरुआत से सोच श्रृंखला ब्लॉक को हटाना, max_tokens जैसे अनुरोध पैरामीटर बदलना, कैश_कंट्रोल टैग बढ़ाना या घटाना, और सर्वर-साइड कॉम्पैक्शन या संदर्भ संपादन सत्यापन विफलताओं को ट्रिगर नहीं करेगा।
एक श्रृंखला सत्यापन डिज़ाइन भी है। प्रत्येक सोच श्रृंखला ब्लॉक एक क्रॉस-राउंड श्रृंखला बनाते हुए, अपने पिछले ब्लॉक की जानकारी रिकॉर्ड करेगा। ब्लॉक को श्रृंखला के शीर्ष से हटाया जा सकता है, लेकिन यदि बीच से एक को हटा दिया जाता है, तो उसके बाद का प्रत्येक ब्लॉक अमान्य हो जाएगा, और पूरी श्रृंखला टूटने के बिंदु से अमान्य हो जाएगी।
डेवलपर्स को फंसने से बचाने के लिए, एंथ्रोपिक विकल्पों की एक श्रृंखला भी प्रदान करता है जो इतिहास को छुए बिना समान प्रभाव प्राप्त कर सकता है।
निर्देशों को बीच में बदलने की आवश्यकता है? शीर्ष-स्तरीय संकेत शब्द को सीधे बदलने के बजाय मध्य-वार्तालाप सिस्टम संदेशों का उपयोग करें।
प्रत्येक राउंड के लिए एक अस्थायी अनुस्मारक जोड़ने की आवश्यकता है? "पहले डालें और फिर हटाएं" की पुरानी पद्धति को बदलने के लिए क्लियर_एट पैरामीटर के साथ राउंड-लेवल सिस्टम संदेश का उपयोग करें।
बीच में टूल जोड़ने या हटाने की आवश्यकता है? टूल सूची को सीधे संपादित करने के बजाय टूल_एडिशन और टूल_रिमूवल ब्लॉक का उपयोग करें।
संदर्भ को क्लिप करने की आवश्यकता है? रफ क्लाइंट-साइड ट्रंकेशन को सर्वर-साइड कम्प्रेशन और प्रासंगिक संपादन से बदलें।
यदि आप क्लाउड कोड, claude.ai, क्लाउड प्रबंधित एजेंट या क्लाउड एजेंट एसडीके जैसे आधिकारिक उत्पादों का उपयोग कर रहे हैं, तो आपको कुछ भी बदलने की आवश्यकता नहीं है। उन्होंने स्वचालित रूप से यह सुनिश्चित किया है कि वार्तालाप उपसर्ग के साथ छेड़छाड़ नहीं की जाएगी।
लेकिन यदि आप एक डेवलपर हैं जो सीधे संदेश एपीआई को कॉल करते हैं, तो एंथ्रोपिक का सुझाव है कि संदेश सरणी को केवल परिशिष्ट के रूप में उपयोग करें, और फिर यह देखने के लिए कि लॉग में कोई उपसर्ग_बाइंडिंग_मिसमैच प्रविष्टियां हैं या नहीं, prefix_mismatch_behavior को "drop_block" मोड पर सेट करके एक पूर्ण मल्टी-राउंड सत्र परीक्षण चलाएं।
अंतिम दस्तावेज़ में विशेष रूप से उस परिदृश्य का भी उल्लेख किया गया है जहां मुसीबत में फंसना आसान है।
यदि आप कोई टूल या फ्रेमवर्क बनाए रखते हैं और उपयोगकर्ता इसे कॉल करने के लिए अपनी स्वयं की एपीआई कुंजियों का उपयोग करते हैं, तो नए पंजीकृत उपयोगकर्ता इस सत्यापन में पहले चलेंगे। क्योंकि डेवलपर की अपनी कुंजी 31 अगस्त से पहले पंजीकृत होने की संभावना है, इसे अभी तक लागू नहीं किया गया है।
इस मामले में, सक्रिय रूप से prefix_mismatch_behavior सेट करने और पहले से इसका परीक्षण करने की अनुशंसा की जाती है। पता लगाने से पहले उपयोगकर्ताओं के क्रैश होने की प्रतीक्षा न करें।
एक और बात
कंपनी ए की ओर से इतने बड़े हंगामे के साथ, अगला दरवाजा ओपनएआई निश्चित रूप से शांत नहीं बैठ पाएगा।
लेकिन उनका नया मॉडल एस्ट्रा वास्तव में अभी तक तैयार नहीं है, इसलिए उन्हें पहले एक प्रतीकात्मक पूर्वावलोकन देना होगा।
फ़ेबल 5.1 और ओपनएआई एस्ट्रा की रिलीज़ के अवसर पर, इल्या भी शायद ही कभी बोलने के लिए सामने आए, और नेटवर्क सुरक्षा को मजबूत करने का आह्वान किया।
टिप्पणियाँ