Codoloper

هوش مصنوعی

Fable 5 برگشت، Sonnet 5 اومد - و ما باید با یه پرامپت و نصفی کنار بیایم نوشته شده توسط عرفان دهقانی

Fable 5 برگشت، Sonnet 5 اومد - و ما باید با یه پرامپت و نصفی کنار بیایم

۹ ژوئن، آنتروپیک Fable 5 رو با سروصدا لانچ کرد. سه روز بعد، همه‌ی دسترسی‌ها قطع شد. اگه اون روزها پای Claude بودی و یهو دیدی مدل پیش‌فرضت دوباره همون Sonnet قدیمیه، تخیلات نبود — دولت آمریکا دخالت کرده بود.

۱۲ ژوئن، وزارت بازرگانی آمریکا یک دستورالعمل کنترل صادرات اعمال کرد که به‌خاطرش آنتروپیک مجبور شد دسترسی به Fable 5 و Mythos 5 رو برای همه قطع کند. دلیل رسمی این بود که شرکت نمی‌توانست در لحظه تشخیص دهد کاربر اهل کجاست، پس به‌جای محدودیت جغرافیایی، کل سرویس رو خواباند. بعداً مشخص شد محققی در آمازون روشی برای دور زدن safeguardهای Fable 5 پیدا کرده که مدل رو به پیدا کردن آسیب‌پذیری و نوشتن کد اکسپلویت وادار می‌کرده. آنتروپیک بلافاصله یه کلاسیفایر جدید آماده کرد تا این حفره رو ببندد، و بعد از ۱۸ روز توقف، ۳۰ ژوئن وزارت بازرگانی آمریکا محدودیت رو برداشت.

از اول جولای، Fable 5 برگشته — این‌بار با دسترسی جهانی و safeguardهای تقویت‌شده.

این ۱۸ روز برای کاربران معمولی یعنی چی بود

بذار صادق باشیم: اگه از نسخه‌ی رایگان یا Pro استفاده می‌کردی، احتمالاً اصلاً Fable 5 رو لمس نکردی. مدل از همان ابتدا فقط تا ۲۲ ژوئن روی پلن‌های Pro، Max و Team رایگان بود، و بعدش به کردیت نیاز داشت. یعنی پنجره‌ی دسترسی رایگان برای اکثر کاربران از اول هم کوتاه بود.

و همین‌جا بود که Sonnet 5 وارد شد — نه به‌عنوان جایگزین Fable، بلکه به‌عنوان چیزی که قرار بود برای بیشتر کاربران مدل روزمره باشد. آنتروپیک Sonnet 5 رو همزمان با اعلام بازگشت Fable معرفی کرد، و از همان روز اول به‌عنوان مدل پیش‌فرض برای پلن‌های Free و Pro تعریف شد.

ولی اگه روی نسخه‌ی رایگان یا حتی High توی پلن پولی امتحانش کردی، احتمالاً همون چیزی رو دیدی که من دیدم: با یه پرامپت و نصفه جواب برنمی‌گردوند. نه یه مکالمه‌ی طولانی، نه یه کار سنگین — یه سوال معمولی. محدودیت نرخ Sonnet 5 فعلاً خیلی سریع‌تر از نسخه‌های قبلی فعال می‌شود، مخصوصاً توی ساعت‌های شلوغ. آنتروپیک گفته که rate limitها رو برای پلن‌های مختلف افزایش داده، ولی در تستی که من انجام دادم در مدل رایگان جدید واقعا اینطور بنظر نیومد.

Sonnet 5 واقعاً چقدر فرق دارد

ادعای اصلی آنتروپیک این است که Sonnet 5 به عملکرد Opus 4.8 نزدیک است، ولی با قیمت خیلی پایین‌تر. در API، نرخ تعارفی تا پایان اوت ۲۰۲۶ برای هر یک‌میلیون توکن ورودی دو دلار و خروجی ده دلار است، بعدش به سه و پانزده دلار می‌رسد. Opus 4.8 روی همین مقیاس پنج و بیست‌وپنج دلار است. از نظر اعداد، Sonnet 5 روی بنچمارک‌های BrowseComp و OSWorld-Verified خیلی به Opus 4.8 نزدیک‌تر از Sonnet 4.6 است.

تفاوت اصلی در agentic قابلیت‌هاست: برنامه‌ریزی چندمرحله‌ای، کنترل مرورگر و ترمینال، و چک‌کردن خودکار خروجی بدون این‌که لازم باشد توی پرامپت بگویی «جوابت رو بررسی کن». اینا قابلیت‌هایی بودند که قبلاً بیشتر مختص مدل‌های Opus بود. از نظر امنیت سایبری هم آنتروپیک می‌گوید Sonnet 5 هیچ‌وقت روی داده‌های تخصصی امنیتی آموزش ندیده، و در تست‌هایی که با موزیلا انجام شده، روی آسیب‌پذیری‌های شناخته‌شده‌ی فایرفاکس هیچ اکسپلویت کاملی تولید نکرده. به همین خاطر هم دولت آمریکا سراغش نیامده.

Fable 5 الان چه وضعیتی دارد

Fable 5 برگشته، ولی نه به همان شکلی که اول لانچ شده بود. دسترسی رایگان روی پلن‌های Pro و Max تموم شده — حالا به کردیت نیاز دارد. Anthropic گفته هدفش این است که در آینده Fable رو دوباره به‌عنوان بخشی از پلن‌های اشتراکی برگرداند، ولی زمان مشخصی نداده.

Mythos 5 هنوز محدود است. آنتروپیک دسترسی رو برای یه سری سازمان‌های آمریکایی تاییدشده برقرار کرده و داره فهرست Project Glasswing رو گسترش می‌دهد، ولی برای عموم در دسترس نیست و ظاهراً تا مدتی هم نخواهد بود.

یه چیز جالب توی این ماجرا این بود که آنتروپیک، آمازون، مایکروسافت و گوگل با هم یه چارچوب مشترک برای رتبه‌بندی شدت jailbreakها پیشنهاد دادند. این نشان می‌دهد که وقتی مدل‌ها به این سطح از توانایی می‌رسند، بحث‌های امنیتی دیگر فقط داخلی نیست — صنعت داره سعی می‌کند یه زبان مشترک برای این مکالمات پیدا کند.

یه نکته‌ی مهم که باید بدانی: Fable 5 فعلاً فقط از طریق API در دسترس است. اگه انتظار داری توی claude.ai یا Claude Code بروی و از منوی مدل‌ها انتخابش کنی، ناامید می‌شوی. آنتروپیک گفته که قصد دارد Fable رو دوباره به پلن‌های اشتراکی برگرداند، ولی نه الان و نه با زمانبندی مشخص.

یه نظر شخصی که شاید ارزش داشته باشه بشنوی

وسط همه‌ی این سروصداها، یه چیزی هست که کمتر کسی می‌گوید: Sonnet 4.6 هنوز خیلی خوبه. اگه کارت کد نوشتن، توضیح مفاهیم، خلاصه‌سازی، یا همین کارهای روزمره‌ی برنامه‌نویسیه، Sonnet 4.6 تقریباً همه‌شان رو راه می‌اندازد — و مهم‌تر از اون، رایگانه یا خیلی ارزون‌تر.

Sonnet 5 و Fable 5 قابلیت‌های واقعی دارند، مخصوصاً توی کارهای agentic طولانی‌مدت که مدل باید خودش چندین مرحله رو مدیریت کند. ولی برای اکثر کارهای روزانه‌ای که یه توسعه‌دهنده‌ی معمولی باهاشون طرفه، این فاصله‌ای که بین نسخه‌ها هست توی عمل خیلی کمتر از اعداد بنچمارک‌هاست. قبل از اینکه بروی کردیت بخری یا پلن رو ارتقا بدی، ارزش داره یه هفته با همان Sonnet 4.6 کار کنی و ببینی کجا واقعاً به دیوار می‌خوری — اگه اصلاً بخوری.

OpenAI از GPT-5.6 پرده برداشت، ولی فعلاً همه نمی‌توانند استفاده کنند نوشته شده توسط عرفان دهقانی

OpenAI از GPT-5.6 پرده برداشت، ولی فعلاً همه نمی‌توانند استفاده کنند

تا همین چند روز پیش، GPT-5.5 تازه‌ترین مدل OpenAI بود. حالا نسل بعدی رسیده، اما این‌بار ماجرا فقط سر یک عدد جدید نیست؛ یک تغییر نام‌گذاری و یک محدودیت دسترسی غیرمعمول هم همراهش آمده که شاید جالب‌تر از خود مدل باشد.

OpenAI روز جمعه (۲۶ ژوئن ۲۰۲۶) پیش‌نمایش خانواده‌ی GPT-5.6 را منتشر کرد: سه مدل با نام‌های Sol، Terra و Luna. این اولین‌باری است که OpenAI به‌جای فقط افزایش عدد نسخه، یک نام‌گذاری ماندگار هم برایش گذاشته. طبق توضیح خودشان، از این به بعد عدد نشان‌دهنده‌ی نسل مدل است، و Sol/Terra/Luna رده‌های قابلیت هستند که می‌توانند هرکدام با سرعت خودشان پیش بروند. Sol پرچم‌دار و قوی‌ترین عضو خانواده است، Terra برای کارهای روزمره با تعادل بین قیمت و توان طراحی شده (و طبق ادعای OpenAI عملکردی نزدیک به GPT-5.5 دارد ولی دو برابر ارزان‌تر است)، و Luna ارزان‌ترین و سریع‌ترین گزینه است.

از نظر قابلیت، جایی که بیشترین پیشرفت دیده می‌شود کدنویسی، زیست‌شناسی محاسباتی، و امنیت سایبری است. روی Terminal-Bench 2.1 که گردش‌کارهای پیچیده‌ی خط‌فرمان را می‌سنجد، Sol رکورد جدیدی ثبت کرده. در حوزه‌ی ژنومیک هم روی بنچمارک GeneBench v1 نتیجه‌ی بهتری نسبت به GPT-5.5 گرفته، آن‌هم با مصرف توکن کمتر. یک حالت استدلال جدید به اسم max هم اضافه شده که زمان فکر کردن مدل را به حداکثر می‌رساند، و یک حالت ultra که کار را بین چند ساب‌ایجنت تقسیم می‌کند تا کارهای پیچیده سریع‌تر پیش بروند.

اما نکته‌ای که این مدل را از همه‌ی نسخه‌های قبلی متفاوت می‌کند، توانایی‌اش در امنیت سایبری است؛ و دقیقاً همین چیزی است که باعث محدودیت دسترسی شده.

چرا فقط ۲۰ شرکت می‌توانند استفاده کنند

OpenAI می‌گوید Sol قوی‌ترین مدلشان تا الان در کارهای امنیتی طولانی‌مدت مثل پیدا کردن آسیب‌پذیری و exploit‌نویسی است؛ روی بنچمارک ExploitBench، با حدود یک‌سوم توکن خروجی، عملکردی نزدیک به مدل Mythos Preview آنتروپیک دارد. این سطح از توانایی، در عمل یعنی مدل می‌تواند هم به تیم‌های امنیتی برای پیدا کردن و رفع باگ کمک کند، و هم در دست اشتباه، ابزار حمله باشد.

طبق گزارش Axios، دولت آمریکا از OpenAI خواسته که عرضه‌ی این مدل را محدود کند، دقیقاً همان‌طور که پیش‌تر برای مدل‌های Fable 5 و Mythos 5 آنتروپیک هم اتفاق افتاده بود. در نتیجه، فعلاً فقط حدود ۲۰ شرکت که مشارکتشان مورد تایید دولت بوده، به‌صورت پیش‌نمایش محدود به این مدل دسترسی دارند. خود OpenAI هم در پست رسمی‌اش صریح گفته که این رویکرد را راه‌حل بلندمدت نمی‌داند و آن را موقتی می‌خواند، اما معتقد است این مسیر سریع‌ترین راه برای رسیدن به انتشار عمومی در هفته‌های آینده است.

نکته‌ی فنی‌تر این‌جاست: OpenAI می‌گوید Sol از آستانه‌ی «بحرانی سایبری» تعریف‌شده در Preparedness Framework خودشان رد نشده. در آزمایش‌هایی روی Chromium و Firefox، مدل توانسته باگ و قطعات پایه‌ی یک exploit را پیدا کند، اما نتوانسته به‌طور خودکار یک زنجیره‌ی کامل و قابل‌اجرا بسازد. با این حال، خودشان هم تاکید کرده‌اند که هیچ بنچمارکی نمی‌تواند همه‌ی روش‌های استفاده‌ی واقعی را پیش‌بینی کند؛ برای همین کنار قابلیت بالاتر، سیستم ایمنی چندلایه هم گذاشته‌اند: محدودیت‌های آموزش‌دیده در خود مدل، کلاسیفایرهای بررسی لحظه‌ای خروجی، و بازبینی در سطح حساب کاربری برای رفتارهای مشکوک تکرارشونده.

قیمت و زمان‌بندی

برخلاف رفتار همیشگی OpenAI که مدل جدید را معمولاً مستقیم برای همه باز می‌کند، این‌بار فقط از طریق API و Codex، و فقط برای همان گروه محدود تایید‌شده در دسترس است. خودشان گفته‌اند قصد دارند به‌زودی آن را برای کاربران ChatGPT، Codex و API به‌طور عمومی منتشر کنند.

قیمت‌گذاری هم بر اساس هر یک‌میلیون توکن مشخص شده: Sol پنج دلار ورودی و سی دلار خروجی، Terra دو و نیم دلار ورودی و پانزده دلار خروجی، و Luna یک دلار ورودی و شش دلار خروجی. یک تغییر کوچک ولی کاربردی هم در کشینگ پرامپت آمده: حالا می‌توان نقطه‌ی cache مشخص کرد و حداقل عمر کش به سی دقیقه رسیده، با این تفاوت که نوشتن در کش این‌بار ۱.۲۵ برابر نرخ معمولی ورودی هزینه دارد.

اگر شایعات و گزارش‌های قبل از انتشار رسمی را هم در نظر بگیری (که در روزهای منتهی به این پیش‌نمایش زیاد بودند)، رقابت اصلی روی همین نکته است: آنتروپیک به‌خاطر همان نوع محدودیت دولتی، فعلاً مدل Mythos-tier خودش را در دسترس عموم ندارد، و OpenAI به‌وضوح می‌خواهد از این فاصله استفاده کند. این‌که این محدودیت چقدر طول می‌کشد و چه زمانی Sol، Terra و Luna واقعاً به دست همه می‌رسند، چیزی است که باید منتظرش ماند.

مدل پیش‌فرض چت‌جی‌پی‌تی عوض شد: GPT-5.5 Instant جای GPT-5.3 رو گرفت نوشته شده توسط عرفان دهقانی

مدل پیش‌فرض چت‌جی‌پی‌تی عوض شد: GPT-5.5 Instant جای GPT-5.3 رو گرفت

اگه این چند روز یه سوال ساده از چت‌جی‌پی‌تی پرسیده باشی و جوابش یه‌کم کوتاه‌تر و دقیق‌تر از قبل به نظر رسیده، تخیلاتت دروغ نگفته. OpenAI مدل پیش‌فرض Instant رو از GPT-5.3 به GPT-5.5 تغییر داده، و این یعنی برای صدها میلیون کاربری که هر روز بدون انتخاب مدل خاصی فقط سوال می‌پرسند، تجربه‌ی استفاده عوض شده، چه متوجه باشند چه نباشند.

نکته‌ی اصلی که OpenAI روی آن تاکید دارد، کاهش توهم (hallucination) است. طبق اعلام خودشان، روی پرامپت‌های حساس در حوزه‌هایی مثل پزشکی، حقوق و مالی، تعداد ادعاهای اشتباه مدل ۵۲.۵ درصد کمتر از نسخه‌ی قبلی شده. روی مکالماتی که کاربران قبلاً خودشان به‌خاطر اشتباه فکتی فلگ کرده بودند، این عدد ۳۷.۳ درصد است. این چیزی نیست که فقط روی کاغذ خوب به نظر برسد؛ برای کسی که از چت‌جی‌پی‌تی برای کارهای واقعی استفاده می‌کند، یعنی کمتر مجبور است هر جواب را دوباره چک کند.

در آزمون‌های استاندارد هم پیشرفت محسوس است: روی GPQA (سوالات سطح دکترا در علوم) دقت از ۷۸.۵ به ۸۵.۶ درصد رسیده، روی AIME 2025 (مسائل ریاضی سطح مسابقه) از ۶۵.۴ به ۸۱.۲ درصد، و روی MMMU-Pro که استدلال چندوجهی (تصویر + متن) را می‌سنجد، از ۶۹.۲ به ۷۶ درصد. روی OmniDocBench هم که دقت تشخیص اسناد را اندازه می‌گیرد، نرخ خطا کمتر شده، که برای هرکسی که از این مدل برای خواندن عکس یا اسکن سند استفاده می‌کند خبر خوبی است.

یک چیز که توی نمونه‌های منتشرشده جالب بود این بود که مدل جدید همیشه از همان ابتدا درست جواب نمی‌دهد، اما در مسیر حل مسئله خودش را بیشتر چک می‌کند. در یکی از مثال‌های ریاضی که OpenAI منتشر کرده، هر دو مدل ابتدا یک پاسخ نادرست را تایید می‌کنند، اما GPT-5.5 وقتی متوجه می‌شود جواب با معادله‌ی اصلی جور نیست، برمی‌گردد، اشتباه جبری را پیدا می‌کند، و معادله را درست حل می‌کند؛ در حالی که نسخه‌ی قبلی زودتر تسلیم می‌شود و نتیجه می‌گیرد جوابی وجود ندارد. این دقیقاً همان چیزی است که از یک مدل «بهتر» انتظار داری: نه این‌که هیچ‌وقت اشتباه نکند، بلکه این‌که اشتباهش را خودش پیدا کند.

کم‌حرف‌تر شده، نه کم‌محتوا

OpenAI روی این موضوع هم تاکید زیادی دارد که جواب‌ها کوتاه‌تر و کمتر فرمت‌زده شده‌اند؛ یعنی کمتر بولت‌پوینت، کمتر هدر اضافه، کمتر سوال تکمیلی غیرضروری در انتهای جواب. در یکی از مثال‌های منتشرشده (یک سوال ساده درباره‌ی نحوه‌ی صحبت با یک همکار پرحرف)، پاسخ مدل جدید حدود ۳۰ درصد کوتاه‌تر بوده، بدون این‌که چیزی از کاربردی بودن جواب کم شود. اگر تا الان از طولانی‌شدن بی‌دلیل جواب‌های چت‌جی‌پی‌تی خسته شده بودی، این بخش از آپدیت احتمالاً برایت ملموس‌تر از هر بنچمارکی خواهد بود.

شخصی‌سازی بیشتر، با کنترل بیشتر

بخش دیگری از این به‌روزرسانی به نحوه‌ی استفاده از تاریخچه‌ی مکالمات، فایل‌ها، و در صورت اتصال، جیمیل مربوط می‌شود. مدل جدید سریع‌تر تشخیص می‌دهد که چه زمانی شخصی‌سازی به جواب کمک می‌کند و چه زمانی نه، و چه‌بسا لازم نباشد چیزی را که قبلاً گفته‌ای دوباره تکرار کنی.

همراه این تغییر، یک قابلیت به اسم «منابع حافظه» (memory sources) هم به همه‌ی مدل‌ها اضافه شده: می‌توانی ببینی هر پاسخ شخصی‌سازی‌شده دقیقاً از چه چیزی (مکالمه‌ی قبلی، فایل، یا حافظه‌ی ذخیره‌شده) استفاده کرده، و در صورت نیاز آن را حذف یا اصلاح کنی. این یعنی شخصی‌سازی دیگر یک جعبه‌ی سیاه نیست؛ هرچند OpenAI خودش هم گفته این نمایش هنوز کامل نیست و ممکن است همه‌ی منابعی که واقعاً استفاده شده‌اند را نشان ندهد.

از کی در دسترسه

GPT-5.5 Instant از همین حالا به‌عنوان مدل پیش‌فرض برای همه‌ی کاربران چت‌جی‌پی‌تی فعال شده و در API هم با نام chat-latest در دسترس است. کاربرانی که پلن پولی دارند، تا سه ماه دیگر همچنان می‌توانند از طریق تنظیمات مدل به GPT-5.3 Instant دسترسی داشته باشند، قبل از این‌که این نسخه کاملاً بازنشسته شود.

شخصی‌سازی پیشرفته‌تر (با فایل‌ها و جیمیل) فعلاً برای کاربران Plus و Pro روی وب در حال رول‌اوت است و به‌زودی به موبایل و بقیه‌ی پلن‌ها هم می‌رسد. قابلیت منابع حافظه هم به‌مرور برای همه‌ی پلن‌ها فعال می‌شود، با این تفاوت که سرعت دسترسی ممکن است بسته به منطقه‌ی جغرافیایی فرق کند.

دولت آمریکا دسترسی به Fable 5 و Mythos 5 را مسدود کرد! نوشته شده توسط عرفان دهقانی

دولت آمریکا دسترسی به Fable 5 و Mythos 5 را مسدود کرد!

دولت آمریکا به دلیل نگرانی‌های امنیتی، دستور توقف فوری و کامل دسترسی به مدل‌های قدرتمند Fable 5 و Mythos 5 شرکت آنتروپیک (Anthropic) را صادر کرد؛ تصمیمی که با مخالفت شدید این کمپانی روبه‌رو شده است.

داستان از روز گذشته و دقیقاً در ساعت ۵:۲۱ عصر به‌وقت شرقی آمریکا شروع شد؛ زمانی که یک دستور ناگهانی و شوکه‌کننده از سمت دولت ایالات متحده به دفتر شرکت آنتروپیک رسید. واشنگتن با استناد به اختیارات کنترل صادرات و امنیت ملی، دستور داده که دسترسی تمام کاربران خارجی (چه داخل آمریکا و چه خارج از آن) و حتی کارمندان غیرآمریکایی خودِ شرکت آنتروپیک به دو مدل پیشرفته Fable 5 و Mythos 5 قطع شود. نتیجه؟ آنتروپیک برای پایبندی به قانون مجبور شد این دو مدل را به‌طور کامل برای همه کاربران در سراسر جهان غیرفعال کند.

ماجرا چیست؟ داستان یک جیلبریک (Jailbreak) جنجالی بر اساس اطلاعات منتشر شده، به نظر می‌رسد دولت آمریکا مدعی شده که یک روش نفوذ یا همان «جیلبریک» پیدا کرده که می‌تواند لایه‌های امنیتی Fable 5 را دور بزند. اما آنتروپیک اصلاً با این تصمیم موافق نیست! این شرکت می‌گوید چیزی که دولت به عنوان نقطه ضعف پیدا کرده، صرفاً یک باگ جزیی و محدود است؛ در واقع سیستم فقط یک سری کد را خوانده و باگ‌های نرم‌افزاری آن را اصلاح کرده است؛ کاری که مدل‌های رقیب مثل GPT-5.5 شرکت OpenAI نیز هر روز برای متخصصان امنیت شبکه‌ انجام می‌دهند و هیچ قابلیت خطرناکی محسوب نمی‌شود.

سود و زیان این اتفاق برای کاربر نهایی چیست؟ اگر از کاربران خدمات آنتروپیک هستید، این تصمیم مستقیماً روی کار شما تاثیر می‌گذارد:

  • قطعی سرویس: متأسفانه در حال حاضر دسترسی شما به قوی‌ترین و جدیدترین مدل‌های این شرکت یعنی Fable 5 و Mythos 5 کاملاً قطع شده است.

  • سایر مدل‌ها امن هستند: خبر خوب این است که دسترسی به بقیه مدل‌های قدیمی‌تر و استاندارد آنتروپیک (مثل نسخه‌های مختلف کلاود) هیچ تغییری نکرده و مثل قبل کار می‌کنند.

  • پافشاری بر حریم خصوصی: آنتروپیک پیش از این برای بررسی همین حملات، سیاست ذخیره ۳۰ روزه داده‌های کاربران را وضع کرده بود که صدای خیلی‌ها را درآورد؛ حالا مشخص شد این کار برای دفاع چندلایه در برابر چنین روزهایی بوده است.

ویژگی‌های امنیتی Fable 5 از زبان آنتروپیک

آنتروپیک سفت و سخت پای لایه‌های امنیتی محصولش ایستاده و می‌گوید قبل از عرضه، هزاران ساعت تست نفوذ (Red-Teaming) با همکاری دولت آمریکا و سازمان امنیت هوش مصنوعی بریتانیا (UK AISI) انجام داده است. ویژگی‌های این سیستم عبارت بودند از:

  • سخت‌گیری شدید: لایه‌های حفاظتی این مدل آن‌قدر قوی طراحی شده بودند که بسیاری از کاربران عادی از محدودیت‌های زیاد آن شکایت داشتند.

  • نبود جیلبریک همه‌جانبه: تا این لحظه هیچ هکر یا تستر امنیتی نتوانسته یک «جیلبریک جهانی» (Universal Jailbreak) پیدا کند که تمام قفل‌های سیستم را یک‌جا باز کند.

  • استراتژی دفاع چندلایه (Defense in Depth): آنتروپیک معتقد است هوش مصنوعی بی‌نقص وجود ندارد؛ بنابراین استراتژی آن‌ها سخت کردن و گران کردن فرآیند هک برای نفوذگرها بوده، نه ادعای امنیت ۱۰۰ درصدی.

تحلیل کوتاه

این اقدام دولت آمریکا یک زنگ خطر جدی و یک نقطه عطف در تاریخ هوش مصنوعی است. تا پیش از این، دولت‌ها بیشتر در حد توصیه و بیانیه با شرکت‌های بزرگ فناوری تعامل می‌کردند، اما این «احضار و توقیف» ناگهانی نشان می‌دهد که کاخ سفید تعارفی با حوزه فناوری ندارد. نکته نگران‌کننده اینجاست: همان‌طور که آنتروپیک اشاره کرده، اگر استاندارد دولت برای توقیف یک مدل، پیدا شدن یک باگ یا جیلبریک جزیی و محدود باشد، از این به بعد باید منتظر توقف پی‌درپی و زنجیره‌ای تمام مدل‌های پیشرو (Frontier Models) در دنیا باشیم؛ اتفاقی که می‌تواند چرخ توسعه هوش مصنوعی را به شدت کند، یا حتی متوقف کند. آنتروپیک اعلام کرده که این یک سوءتفاهم بزرگ است و در حال رایزنی برای بازگرداندن این دو مدل است، اما بازی قدرت میان رگولاتورها و توسعه‌دهندگان تازه وارد فاز جدی خود شده است.

Claude Fable 5 و Claude Mythos 5 منتشر شدند - قدرتمندترین مدل‌های جدید Anthropic نوشته شده توسط عرفان دهقانی

Claude Fable 5 و Claude Mythos 5 منتشر شدند - قدرتمندترین مدل‌های جدید Anthropic

در دنیای هوش مصنوعی، معمولاً شرکت‌ها تلاش می‌کنند مدل‌های قدرتمندتری بسازند و هرچه سریع‌تر آن‌ها را در اختیار کاربران بگذارند. اما گاهی اوقات یک مدل آن‌قدر پیشرفته می‌شود که حتی سازنده‌اش درباره انتشار عمومی آن دچار تردید می‌شود.

این دقیقاً همان اتفاقی است که برای خانواده Claude Mythos افتاد.

در ۹ ژوئن ۲۰۲۶، Anthropic از دو مدل جدید به نام‌های Claude Fable 5 و Claude Mythos 5 رونمایی کرد. این معرفی، اوج یک فرآیند چند ماهه بود که از آوریل همان سال آغاز شده بود — زمانی که Anthropic برای اولین بار ثابت کرد مدل‌های هوش مصنوعی می‌توانند به مرزهایی برسند که انتشار بی‌قید و شرط آن‌ها دیگر گزینه‌ای مطمئن نیست.

در این مقاله، با تکیه بر اعلامیه رسمی Anthropic، تمام جوانب این دو مدل را بررسی می‌کنیم.


پیش‌زمینه: داستان Mythos Preview

برای درک Fable 5 و Mythos 5، باید به آوریل ۲۰۲۶ برگردیم.

در آن ماه، Anthropic اولین مدل از خانواده Mythos-class خود را با نام Claude Mythos Preview معرفی کرد. اما برخلاف تمام مدل‌های قبلی، این مدل به صورت عمومی منتشر نشد. دلیل آن چیز غیرمنتظره‌ای بود: Mythos Preview توانسته بود آسیب‌پذیری‌هایی در سیستم‌عامل‌ها و مرورگرهای اصلی شناسایی کند — بدون اینکه اصلاً برای این هدف طراحی شده باشد.

به بیان دیگر، این مدل توانایی‌هایی داشت که در دست افراد نادرست می‌توانست به ابزاری خطرناک تبدیل شود.

Anthropic در پاسخ به این وضعیت، پروژه‌ای به نام Project Glasswing راه‌اندازی کرد: یک برنامه همکاری کنترل‌شده با سازمان‌های منتخب، از جمله Apple، Google، Amazon، Microsoft، Cisco، JPMorgan Chase و دولت ایالات متحده. هدف این پروژه استفاده از توانایی‌های Mythos برای تقویت امنیت زیرساخت‌های حیاتی بود — نه بهره‌برداری از آن برای حمله.

چند هفته بعد، Anthropic دسترسی را به حدود ۱۵۰ سازمان در بیش از پانزده کشور گسترش داد. و حالا، با معرفی Fable 5، برای اولین بار این فناوری در اختیار عموم قرار گرفته است.


Claude Fable 5 چیست؟

Claude Fable 5 اولین مدل Mythos-class است که برای همه کاربران در دسترس قرار گرفته. Anthropic درباره آن صریح است: «توانایی‌های Fable 5 از هر مدلی که تا به حال به صورت عمومی عرضه کرده‌ایم فراتر می‌رود.»

اما این قدرت بیشتر با یک مکانیزم امنیتی همراه شده است. Fable 5 از سیستمی به نام classifier استفاده می‌کند — مجموعه‌ای از مدل‌های هوش مصنوعی جداگانه که درخواست‌های بالقوه مخرب را شناسایی می‌کنند. هر بار که این سیستم یک درخواست را مشکل‌دار تشخیص دهد، پاسخ به‌طور خودکار توسط Claude Opus 4.8 داده می‌شود — به جای اینکه درخواست کاملاً رد شود. این رویکرد هوشمندانه‌ای است؛ چرا که کاربر یک پاسخ مفید دریافت می‌کند، اما از توانایی‌های پیشرفته‌تری که می‌توانند مورد سوءاستفاده قرار بگیرند، محافظت می‌شود.

این fallback در کمتر از ۵ درصد جلسات اتفاق می‌افتد. برای بقیه کاربران، عملکرد Fable 5 عملاً برابر با Mythos 5 است.

سه حوزه اصلی تحت پوشش classifier قرار دارند:

امنیت سایبری. Mythos-class در شناسایی و بهره‌برداری از آسیب‌پذیری‌های نرم‌افزاری فوق‌العاده عمل می‌کند. classifier های Fable 5 نه‌تنها بهره‌برداری از آسیب‌پذیری، بلکه طیف گسترده‌تری از وظایف تهاجمی سایبری — شامل شناسایی، حرکت جانبی و فرار از سیستم‌های دفاعی — را پوشش می‌دهند. یک آزمون خارجی با بیش از ۱۰۰۰ ساعت تست انجام شد و هیچ jailbreak جهانی پیدا نشد.

زیست‌شناسی و شیمی. Mythos 5 در پیش‌بینی خواص ویروس‌های پیچیده، عملکردی بهتر از مدل‌های اختصاصی پروتئین داشت — بدون اینکه برای این کار آموزش دیده باشد. این توانایی dual-use است: در دست محققان، ابزاری ارزشمند برای توسعه درمان‌های ژنی است؛ در دست افراد نادرست، می‌تواند خطرناک باشد. به همین دلیل، اکثر درخواست‌های مرتبط با زیست‌شناسی و شیمی فعلاً به Opus 4.8 ارجاع داده می‌شوند.

Distillation. این classifier از تلاش‌های مقیاس‌بزرگ برای استخراج توانایی‌های Claude و استفاده از آن‌ها برای آموزش مدل‌های رقیب جلوگیری می‌کند.


Claude Mythos 5 چیست؟

Claude Mythos 5 همان مدل پایه‌ای است که Fable 5 بر آن بنا شده، اما با یک تفاوت کلیدی: محدودیت‌های سایبری آن برداشته شده است.

نام‌گذاری این دو مدل نیز بامعناست. «Fable» از ریشه لاتین fabula به معنای «آنچه گفته می‌شود» می‌آید — هم‌ریشه با کلمه یونانی mythos. تنها چیزی که این دو مدل را از هم جدا می‌کند، وجود یا عدم وجود همان safeguardها است.

Mythos 5 در حال حاضر تنها برای شرکای Project Glasswing — شامل سازمان‌های امنیت سایبری و ارائه‌دهندگان زیرساخت‌های حیاتی — در دسترس است. Anthropic قصد دارد به زودی دسترسی را به محققان زیست‌پزشکی تأییدشده نیز گسترش دهد، با این تفاوت که برای آن‌ها safeguardهای زیست‌شناسی برداشته می‌شود، اما محدودیت‌های سایبری همچنان باقی می‌ماند.


قابلیت‌های اصلی این مدل‌ها

Fable 5 و Mythos 5 در چند حوزه به صورت خاص برجسته هستند.

برنامه‌نویسی. شرکت Stripe گزارش داده که Fable 5 یک migration در پایگاه کد ۵۰ میلیون خطی Ruby را در یک روز انجام داد — کاری که یک تیم کامل بیش از دو ماه نیاز داشت. در بنچمارک FrontierCode که کیفیت کد تولیدی در محیط‌های واقعی را ارزیابی می‌کند، Fable 5 بالاترین امتیاز را در بین مدل‌های frontier کسب کرد.

وظایف طولانی‌مدت. این مدل‌ها می‌توانند ساعت‌ها روی یک پروژه کار کنند، پیشرفت خود را ارزیابی کنند و مسیر را در صورت نیاز اصلاح کنند. هر دو مدل از پنجره context یک میلیون توکن با خروجی تا ۱۲۸ هزار توکن در هر درخواست پشتیبانی می‌کنند. آزمایش با بازی Slay the Spire نشان داد که استفاده از حافظه مبتنی بر فایل، عملکرد Fable 5 را سه برابر بیشتر از Opus 4.8 بهبود می‌دهد.

پردازش تصویر. Fable 5 جدیدترین مدل state-of-the-art در حوزه بینایی است. این مدل توانست بازی Pokémon FireRed را تنها با تماشای اسکرین‌شات‌های خام و بدون هیچ ابزار کمکی به پایان برساند — کاری که مدل‌های قبلی Claude حتی با harness های پیچیده هم به سختی از پس آن برمی‌آمدند.

تحقیقات علمی. Mythos 5 فرآیند طراحی دارو را تا ۱۰ برابر سریع‌تر کرده و در ۹ مورد از ۱۴ هدف پروتئینی مورد مطالعه، کاندیداهای قوی شناسایی کرده است. همچنین اولین مدل Anthropic است که به طور مستمر فرضیه‌های علمی نوآورانه تولید می‌کند؛ یکی از این فرضیه‌ها درباره یک پروتئین باکتریایی بعداً توسط یک آزمایشگاه مستقل تأیید شد.

تحلیل مالی و کاری. در Finance Benchmark شرکت Hebbia برای استدلال در سطح ارشد، Fable 5 بالاترین امتیاز را در بین تمام مدل‌های آزمایش‌شده کسب کرد. شرکت IMC نیز گزارش داد که این مدل در تقریباً تمام معیارهای ارزیابی تحلیل معاملاتی نتایج عالی داشت.


سیاست جدید نگهداری داده

یکی از تغییرات مهمی که با این مدل‌ها همراه شده، الزام نگهداری ۳۰ روزه داده برای تمام ترافیک روی مدل‌های Mythos-class است.

Anthropic تأکید می‌کند که این داده‌ها برای آموزش مدل‌های جدید استفاده نمی‌شوند و تمام دسترسی‌های انسانی به آن‌ها ثبت می‌شود. هدف اصلی شناسایی jailbreak های پیچیده‌ای است که ممکن است در طول زمان و در چند مکالمه مختلف طراحی شده باشند — حملاتی که بررسی تک‌به‌تک جلسات قادر به شناسایی آن‌ها نیست.


قیمت‌گذاری و دسترسی

هر دو مدل با قیمت یکسان عرضه شده‌اند: ۱۰ دلار به ازای هر میلیون توکن ورودی و ۵۰ دلار به ازای هر میلیون توکن خروجی. این قیمت کمتر از نصف قیمت Claude Mythos Preview است.

از نظر دسترسی:

Claude Fable 5 از ۹ ژوئن ۲۰۲۶ از طریق Claude API و پلن‌های Enterprise مصرفی کاملاً در دسترس است. برای کاربران اشتراکی (Pro، Max، Team و Enterprise)، این مدل تا ۲۲ ژوئن بدون هزینه اضافه در دسترس است. از ۲۳ ژوئن، استفاده از آن نیاز به usage credit خواهد داشت. Anthropic اعلام کرده که به محض کافی شدن ظرفیت، Fable 5 را دوباره به‌عنوان بخش استاندارد پلن‌های اشتراکی اضافه خواهد کرد.

Claude Mythos 5 فعلاً تنها در اختیار شرکای Project Glasswing است و به زودی برای محققان زیست‌پزشکی تأییدشده نیز باز خواهد شد.


جمع‌بندی

Claude Fable 5 و Mythos 5 را می‌توان مهم‌ترین معرفی Anthropic در سال ۲۰۲۶ دانست — نه فقط به خاطر قدرت بیشتر، بلکه به خاطر رویکردی که پشت آن‌هاست.

برای اولین بار، یک شرکت هوش مصنوعی به جای اینکه یک مدل را به خاطر نگرانی‌های امنیتی کنار بگذارد یا بدون هیچ محدودیتی آن را منتشر کند، مسیر سومی را انتخاب کرد: انتشار با safeguardهای دقیق، ارجاع هوشمند به جای رد کردن، آزمون‌های امنیتی گسترده، و گسترش تدریجی دسترسی بر اساس اعتماد.

این الگو نشان‌دهنده بلوغ صنعتی است — و احتمالاً در مدل‌های آینده نیز استاندارد خواهد شد.


منبع: اعلامیه رسمی Anthropic، ۹ ژوئن ۲۰۲۶

Dreaming در ChatGPT چیست؟ انقلاب جدید OpenAI در حافظه هوش مصنوعی نوشته شده توسط عرفان دهقانی

Dreaming در ChatGPT چیست؟ انقلاب جدید OpenAI در حافظه هوش مصنوعی

هوش مصنوعی زمانی واقعاً هوشمند به نظر می‌رسد که بتواند شما را به خاطر بسپارد. یکی از بزرگ‌ترین مشکلات چت‌بات‌ها در سال‌های اخیر این بود که هر گفتگو را تقریباً از صفر آغاز می‌کردند و درک عمیقی از تاریخچه تعاملات کاربران نداشتند. حالا OpenAI با معرفی سیستم جدیدی به نام Dreaming قصد دارد این مشکل را برای همیشه حل کند.

در این مقاله بررسی می‌کنیم که Dreaming چیست، چگونه کار می‌کند، چه تفاوتی با سیستم حافظه قبلی ChatGPT دارد و چرا می‌تواند آینده دستیارهای هوش مصنوعی را متحول کند.

Dreaming چیست؟

Dreaming نسل جدید سیستم حافظه ChatGPT است که توسط OpenAI توسعه یافته است. این فناوری به ChatGPT اجازه می‌دهد به جای ذخیره چند یادداشت ساده درباره کاربر، یک تصویر پویا و به‌روز از علایق، پروژه‌ها، ترجیحات و نیازهای او ایجاد کند.

در نسخه‌های اولیه حافظه، ChatGPT تنها اطلاعاتی را ذخیره می‌کرد که کاربر مستقیماً از آن می‌خواست به خاطر بسپارد. اما Dreaming به صورت هوشمند تاریخچه گفتگوها را تحلیل می‌کند و اطلاعات مهم را در پس‌زمینه پردازش و سازماندهی می‌کند.


چرا سیستم حافظه قبلی کافی نبود؟

حافظه اولیه ChatGPT در سال 2024 معرفی شد و عملکردی شبیه به یک دفترچه یادداشت داشت. برای مثال اگر به ChatGPT می‌گفتید:

«یادم باشد ماه آینده به سنگاپور سفر می‌کنم.»

این موضوع ذخیره می‌شد و در گفتگوهای آینده قابل استفاده بود.

اما این روش چند مشکل اساسی داشت:

  • بسیاری از اطلاعات مهم هرگز ذخیره نمی‌شدند.

  • حافظه به مرور زمان قدیمی و غیرمرتبط می‌شد.

  • تغییر شرایط کاربر به خوبی در حافظه منعکس نمی‌شد.

  • سیستم توانایی تحلیل ارتباط میان اطلاعات مختلف را نداشت.


Dreaming چگونه کار می‌کند؟

برخلاف سیستم قدیمی، Dreaming صرفاً اطلاعات را ذخیره نمی‌کند؛ بلکه آن‌ها را به صورت مداوم بازبینی، خلاصه‌سازی و بازسازی می‌کند.

OpenAI توضیح می‌دهد که این سیستم از یک فرآیند پس‌زمینه برای ترکیب اطلاعات به دست آمده از گفتگوهای مختلف استفاده می‌کند تا یک حافظه یکپارچه و به‌روز از هر کاربر بسازد.

به زبان ساده:

  1. ChatGPT گفتگوهای قبلی را تحلیل می‌کند.

  2. اطلاعات مهم و پایدار را استخراج می‌کند.

  3. موارد قدیمی یا منقضی شده را به‌روزرسانی می‌کند.

  4. هنگام پاسخ‌گویی، فقط اطلاعات مرتبط را وارد مکالمه می‌کند.

این فرآیند باعث می‌شود حافظه ChatGPT بیشتر شبیه حافظه انسان عمل کند تا یک پایگاه داده ساده.


مهم‌ترین مزایای Dreaming

1. حفظ بهتر اطلاعات مهم

دیگر لازم نیست بارها و بارها اطلاعات یکسان را تکرار کنید.

اگر ChatGPT بداند که شما:

  • برنامه‌نویس هستید

  • به توسعه Full Stack علاقه دارید

  • روی پروژه خاصی کار می‌کنید

می‌تواند در گفتگوهای بعدی پاسخ‌های دقیق‌تر و شخصی‌سازی‌شده‌تری ارائه دهد.

2. جلوگیری از قدیمی شدن حافظه

یکی از مشکلات سیستم‌های حافظه سنتی این بود که اطلاعات منسوخ را همچنان معتبر فرض می‌کردند.

برای مثال اگر ChatGPT بداند شما در ماه جولای به سنگاپور سفر می‌کنید، پس از پایان سفر این اطلاعات به‌روزرسانی می‌شود و دیگر تصور نمی‌کند همچنان در آن کشور حضور دارید.

3. شخصی‌سازی بسیار بهتر

Dreaming باعث می‌شود ChatGPT:

  • سبک نوشتاری شما را بهتر بشناسد

  • علایق شما را درک کند

  • پیشنهادهای مرتبط‌تری ارائه دهد

  • در پروژه‌های بلندمدت عملکرد بهتری داشته باشد

این موضوع به‌خصوص برای توسعه‌دهندگان، تولیدکنندگان محتوا، دانشجویان و مدیران پروژه اهمیت زیادی دارد.

4. مقیاس‌پذیری بیشتر

OpenAI اعلام کرده معماری جدید Dreaming نسبت به نسخه‌های قبلی بسیار بهینه‌تر شده و هزینه پردازشی آن تا حدود 5 برابر کاهش یافته است. این موضوع امکان ارائه حافظه پیشرفته را برای تعداد بسیار بیشتری از کاربران فراهم می‌کند.


آیا کاربران روی حافظه کنترل دارند؟

بله.

OpenAI تأکید کرده است که کاربران همچنان می‌توانند:

  • حافظه را مشاهده کنند

  • اطلاعات ذخیره‌شده را حذف کنند

  • حافظه را ویرایش کنند

  • قابلیت Memory را غیرفعال کنند

  • از Temporary Chat برای گفتگوهای بدون ذخیره‌سازی استفاده کنند.


آیا Dreaming نگرانی‌های حریم خصوصی ایجاد می‌کند؟

هر سیستم حافظه هوشمند طبیعتاً سوالاتی درباره حریم خصوصی ایجاد می‌کند.

هرچند OpenAI ابزارهای متعددی برای مدیریت حافظه در اختیار کاربران قرار داده است، اما برخی کاربران نسبت به خلاصه‌سازی خودکار اطلاعات شخصی و نحوه تفسیر آن‌ها توسط سیستم نگرانی‌هایی مطرح کرده‌اند. در برخی بحث‌های جامعه OpenAI نیز کاربران درباره نحوه تبدیل اطلاعات دقیق به خلاصه‌های کلی‌تر اظهار نظر کرده‌اند.

به همین دلیل آگاهی از تنظیمات Memory و مدیریت دوره‌ای اطلاعات ذخیره‌شده اهمیت زیادی خواهد داشت.


آینده ChatGPT با Dreaming

Dreaming فقط یک قابلیت جدید نیست؛ بلکه زیرساختی برای نسل آینده دستیارهای هوش مصنوعی محسوب می‌شود.

هدف OpenAI ساخت سیستمی است که بتواند در طول ماه‌ها و حتی سال‌ها همراه کاربران باشد، پروژه‌های آن‌ها را بشناسد، ترجیحاتشان را درک کند و با گذشت زمان مفیدتر شود.

اگر این مسیر موفق باشد، ChatGPT از یک چت‌بات ساده به یک دستیار دیجیتال واقعی تبدیل خواهد شد که نه‌تنها به سوالات پاسخ می‌دهد، بلکه شما، اهداف شما و شیوه کاری شما را نیز می‌شناسد.

جمع‌بندی

معرفی Dreaming یکی از مهم‌ترین به‌روزرسانی‌های تاریخ ChatGPT محسوب می‌شود. این فناوری با استفاده از حافظه پویا و خودبه‌روزرسان، مشکل فراموشی، کهنه شدن اطلاعات و شخصی‌سازی محدود را تا حد زیادی برطرف می‌کند.

در دنیایی که هوش مصنوعی به سمت دستیارهای دائمی و همراه حرکت می‌کند، حافظه هوشمند دیگر یک قابلیت جانبی نیست؛ بلکه یکی از مهم‌ترین ارکان تجربه کاربری خواهد بود. Dreaming دقیقاً در همین مسیر قرار گرفته است و می‌تواند آینده تعامل انسان و هوش مصنوعی را متحول کند.

Claude Opus 4.8: خوب است یا نه؟ بررسی صادقانه از نگاه کاربران نوشته شده توسط عرفان دهقانی

Claude Opus 4.8: خوب است یا نه؟ بررسی صادقانه از نگاه کاربران

بررسی نظرات کاربران X، لینکدین و فضای توسعه نرم‌افزار – ژوئن ۲۰۲۶

آنتروپیک در ۲۸ می ۲۰۲۶، تنها ۴۱ روز پس از انتشار Opus 4.7، نسخه جدید Claude Opus 4.8 را معرفی کرد. سرعت بالای این به‌روزرسانی باعث شد بسیاری از کاربران بپرسند: آیا این فقط یک آپدیت جزئی است یا واقعاً ارزش ارتقا دارد؟

جالب اینکه خود آنتروپیک نیز Opus 4.8 را یک «پیشرفت متوسط اما محسوس» توصیف کرده است. برخلاف بسیاری از عرضه‌های اخیر مدل‌های هوش مصنوعی که روی بنچمارک‌ها تمرکز دارند، تمرکز اصلی Opus 4.8 روی صداقت بیشتر، قابلیت اطمینان بالاتر و انجام وظایف پیچیده به صورت مستقل بوده است.


دسته اول: نظر توسعه‌دهندگان و برنامه‌نویسان

اگر بازخوردهای منتشرشده در X، لینکدین، Reddit و انجمن‌های تخصصی را بررسی کنیم، یک الگوی مشخص دیده می‌شود: اکثر توسعه‌دهندگان از Opus 4.8 رضایت دارند، اما تقریباً هیچ‌کس آن را یک انقلاب بزرگ نمی‌داند.

نقاط قوتی که بیشتر توسعه‌دهندگان به آن اشاره کرده‌اند

  • تشخیص بهتر باگ‌ها و مشکلات امنیتی

  • کاهش محسوس هالوسینیشن

  • صداقت بیشتر هنگام مواجهه با عدم قطعیت

  • عملکرد بهتر در پروژه‌های بزرگ و چندفایلی

  • توانایی بالاتر در ریفکتورینگ و مهاجرت پروژه‌های بزرگ

  • همکاری شبیه‌تر به یک مهندس نرم‌افزار واقعی

یکی از مهم‌ترین تغییرات این نسخه این است که مدل کمتر از گذشته خطاهای خودش را پنهان می‌کند. آنتروپیک ادعا می‌کند Opus 4.8 حدود چهار برابر کمتر از نسخه قبلی اشکالات کد تولیدشده را بدون هشدار رها می‌کند. بسیاری از کاربران اولیه نیز این موضوع را تأیید کرده‌اند.

دن شیپر، نویسنده و فعال حوزه AI، Opus 4.8 را بهترین مدلی توصیف کرده که تاکنون برای کدنویسی و کارهای تخصصی استفاده کرده است و معتقد است تفاوت آن با 4.7 بیشتر از چیزی است که شماره نسخه نشان می‌دهد.

کاتی پارات، توسعه‌دهنده نرم‌افزار، نیز گفته پس از ناامیدی از Opus 4.7، این نسخه دوباره اعتماد او را به Claude برگردانده است.

سایمون ویلیسون، پژوهشگر شناخته‌شده حوزه AI، مهم‌ترین ویژگی Opus 4.8 را صداقت بیشتر آن می‌داند؛ مدلی که در بسیاری از موارد ترجیح می‌دهد به عدم اطمینان خود اعتراف کند تا اینکه پاسخی اشتباه اما با اعتمادبه‌نفس بالا ارائه دهد.

اما همه راضی نیستند

برخی کاربران حرفه‌ای انتقادهای مهمی نیز مطرح کرده‌اند.

چندین توسعه‌دهنده گزارش کرده‌اند که تفاوت عملکرد روزمره میان Opus 4.7 و Opus 4.8 آن‌قدر زیاد نیست که بتوان آن را یک جهش بزرگ نامید. برخی دیگر معتقدند GPT-5.5 هنوز در بعضی وظایف ترمینالی، اتوماسیون و پروژه‌های بسیار بزرگ عملکرد بهتری دارد.

در حوزه خلاقیت نیز انتقادهایی مطرح شده است. برخی کاربران معتقدند Opus 4.6 هنوز در طراحی بازی، داستان‌نویسی و دنبال کردن جزئیات هنری عملکرد بهتری دارد.

همچنین حذف پارامترهای سنتی مانند temperature، top_p و top_k در API باعث شده برخی تیم‌ها برای مهاجرت به نسخه جدید نیاز به تغییر کدهای خود داشته باشند.

جمع‌بندی برای توسعه‌دهندگان

اگر از Claude Code استفاده می‌کنید و روی پروژه‌های واقعی، ریفکتورینگ، طراحی معماری، مهاجرت سیستم‌ها یا Agentic Coding کار می‌کنید، Opus 4.8 احتمالاً ارزش ارتقا دارد.

اما اگر انتظار دارید کیفیت آن دو یا سه برابر بهتر از Opus 4.7 باشد، احتمالاً ناامید خواهید شد. بیشتر کاربران حرفه‌ای آن را یک ارتقای باکیفیت و کاربردی می‌دانند، نه یک جهش انقلابی.


دسته دوم: نظر کاربران عادی

برای کاربران غیر فنی، وضعیت کمی متفاوت است.

بیشتر کاربران روزمره به این موارد اشاره کرده‌اند:

  • پاسخ‌های دقیق‌تر

  • قضاوت بهتر

  • مکالمات طبیعی‌تر

  • اعتراف بیشتر به ندانستن پاسخ

  • ثبات بالاتر در گفتگوهای طولانی

کلر وو، تحلیلگر AI، معتقد است Opus 4.8 نسبت به نسخه قبلی قضاوت بهتری دارد و می‌تواند مستقل‌تر از قبل کار کند.

برخی کاربران نیز آن را «پخته‌تر» توصیف کرده‌اند؛ مدلی که شاید الزاماً باهوش‌تر به نظر نرسد، اما کمتر دچار اشتباهات عجیب می‌شود.

با این حال بسیاری از کاربران عادی گفته‌اند که تفاوت آن در استفاده روزمره چندان چشمگیر نیست. اگر استفاده شما محدود به نوشتن متن، ایمیل، تولید محتوا یا گفتگوهای معمولی باشد، احتمالاً تفاوت بزرگی با مدل‌های ارزان‌تر احساس نخواهید کرد.


Dynamic Workflows چیست و چرا این‌قدر درباره آن صحبت می‌شود؟

مهم‌ترین قابلیت جدید Opus 4.8 بدون شک Dynamic Workflows است.

در مدل‌های سنتی، یک درخواست وارد می‌شود و یک پاسخ خارج می‌شود. اما در Dynamic Workflows، Claude ابتدا مسئله را تحلیل می‌کند، سپس آن را به چندین بخش کوچک‌تر تقسیم می‌کند و برای هر بخش یک یا چند عامل مستقل (Subagent) ایجاد می‌کند. این عوامل به صورت موازی روی بخش‌های مختلف پروژه کار می‌کنند، نتایج یکدیگر را بررسی می‌کنند و در نهایت خروجی نهایی را تولید می‌کنند.

در عمل، این قابلیت برای پروژه‌هایی مانند:

  • مهاجرت پروژه‌های بزرگ

  • تحلیل چندصد هزار خط کد

  • ریفکتورینگ گسترده

  • تست و اعتبارسنجی سیستم‌ها

  • تحلیل همزمان چندین سرویس

بسیار قدرتمند است.

برخی توسعه‌دهندگان در Reddit گزارش کرده‌اند که وظایفی که قبلاً ۴۵ دقیقه زمان نیاز داشتند، اکنون در حدود ۱۰ تا ۱۵ دقیقه انجام می‌شوند.

اما این قابلیت یک نقطه ضعف مهم هم دارد: مصرف توکن.

چندین کاربر گزارش کرده‌اند که Workflowهای بزرگ می‌توانند هزینه استفاده را به شدت افزایش دهند و در صورت عدم مدیریت صحیح، صدها Agent موازی حجم زیادی از توکن مصرف می‌کنند.


تغییرات مهم برای برنامه‌نویسان

علاوه بر Dynamic Workflows، چند تغییر فنی مهم دیگر نیز وجود دارد:

Adaptive Thinking

مدل دیگر نیازی به تعیین دستی بودجه استدلال ندارد و خودش تصمیم می‌گیرد چه مقدار برای حل مسئله زمان و منابع صرف کند.

Effort Levels

سطوح جدید Low، Medium، High، Extra و Max به کاربران اجازه می‌دهد بین سرعت و کیفیت تعادل ایجاد کنند.

Fast Mode

نسخه Fast Mode اکنون چند برابر ارزان‌تر از گذشته است و برای بسیاری از تیم‌ها شاید مهم‌تر از خود بهبود هوش مدل باشد.

صداقت بیشتر

بزرگ‌ترین تغییر رفتاری Opus 4.8 همین موضوع است. مدل بیشتر از قبل اشتباهات خود را اعلام می‌کند و کمتر سعی می‌کند پاسخ‌های حدسی را به عنوان حقیقت ارائه دهد.


نتیجه نهایی: ارزش خرید دارد؟

برای توسعه‌دهندگان

بله.

اگر روی پروژه‌های واقعی، سیستم‌های بزرگ، Agentic Coding و Claude Code کار می‌کنید، Opus 4.8 یکی از بهترین مدل‌های فعلی بازار محسوب می‌شود. مزیت اصلی آن نه هوش بیشتر، بلکه قابلیت اطمینان و صداقت بیشتر است.

برای کاربران عادی

تا حدی.

اگر هم‌اکنون از Claude استفاده می‌کنید، تجربه بهتری خواهید داشت. اما اگر فقط برای گفتگو، تولید محتوا و استفاده روزمره به مدل نیاز دارید، تفاوت آن با بسیاری از مدل‌های ارزان‌تر آن‌قدر زیاد نیست که به تنهایی دلیل خرید باشد.

برای Dynamic Workflows و پروژه‌های سازمانی

اینجاست که Opus 4.8 واقعاً می‌درخشد.

برای تیم‌هایی که با مخازن بزرگ، مهاجرت سیستم‌ها و پروژه‌های پیچیده کار می‌کنند، Dynamic Workflows می‌تواند بهره‌وری را به شکل محسوسی افزایش دهد.

جمع‌بندی نهایی

Claude Opus 4.8 یک نسخه بالغ‌تر، صادق‌تر و قابل‌اعتمادتر از Opus 4.7 است. این مدل قرار نیست شما را با جهشی عظیم در هوش شگفت‌زده کند، اما احتمالاً کمتر اشتباه می‌کند، بهتر محدودیت‌های خود را می‌شناسد و در پروژه‌های بزرگ عملکرد پایدارتری ارائه می‌دهد. برای توسعه‌دهندگان حرفه‌ای ارزش ارتقا دارد؛ برای کاربران عادی، بیشتر یک بهبود تدریجی محسوب می‌شود تا یک تحول بزرگ.