نموذج مصمم للعمل، لا للإجابة فقط
كشفت شركة أنثروبيك عن نموذجها الجديد "كلود سونيت 5"، الذي تصفه بأنه الأكثر ذكاءً واستقلالية في عائلة سونيت حتى الآن. يستطيع النموذج تخطيط المهام المعقدة عبر خطوات متعددة، والتنقل داخل صفحات الويب، والتعامل مع الطرفيات البرمجية وأدوات أخرى، إضافة إلى العمل بشكل مستقل على مشكلات كانت تتطلب قبل أشهر قليلة فقط نماذج ذكاء اصطناعي أكبر حجماً وأعلى كلفة بكثير.
أداء يقترب من "أوبوس 4.8" بتكلفة أقل بكثير
تُظهر مقاييس الأداء الرسمية التي نشرتها أنثروبيك أن سونيت 5 يتفوق على سلفه "سونيت 4.6" في كل الاختبارات المعلنة، مع اقترابه بشكل لافت من أداء "أوبوس 4.8" الأكبر والأغلى. ففي اختبار SWE-bench Pro الخاص بالبرمجة الاستقلالية، سجّل النموذج الجديد نسبة 63.2 بالمئة مقابل 58.1 بالمئة لسونيت 4.6، في حين بلغ أوبوس 4.8 نسبة 69.2 بالمئة. أما في اختبار Terminal-Bench 2.1 الخاص بالتعامل مع الطرفيات البرمجية، فقد حقق سونيت 5 قفزة أكبر بلوغه 80.4 بالمئة مقارنة بـ67.0 بالمئة فقط لسونيت 4.6. وفي اختبار الاستدلال متعدد التخصصات "Humanity's Last Exam"، سجّل النموذج 43.2 بالمئة دون استخدام الأدوات، و57.4 بالمئة عند استخدامها، وهو رقم يقترب كثيراً من نتيجة أوبوس 4.8 البالغة 57.9 بالمئة. أما في اختبار استخدام الحاسوب OSWorld-Verified فبلغت نسبة سونيت 5 نحو 81.2 بالمئة، وفي مؤشر أعمال المعرفة GDPval-AA v2 سجّل 1618 نقطة، متجاوزاً بذلك أوبوس 4.8 نفسه في هذا المقياس تحديداً.
ردود فعل إيجابية من المختبرين الأوائل
يؤكد المختبرون الأوائل للنموذج أن سونيت 5 ينجز مهام معقدة كانت الإصدارات السابقة تعجز عن إتمامها، وأنه قادر على مراجعة عمله الخاص والتحقق منه من دون أن يُطلب منه ذلك صراحة. ويرى مراقبون في هذا التحول مؤشراً على أن أنثروبيك تقدّم اليوم واحداً من أفضل النماذج من حيث التوازن بين السعر والأداء في مجال الوكلاء الرقميين (AI agents)، إذ يقترب النموذج المتوسط من قدرات النموذج الأعلى فئة بتكلفة تشغيل أقل بكثير، وهو ما قد يعيد رسم خريطة المنافسة بين مزوّدي نماذج الذكاء الاصطناعي التوليدي خلال الأشهر المقبلة.