اگر هنوز از پرامپتهای طولانی و لیستهای مفصل «نبایدها» برای کنترل مدلهای خود استفاده میکنید، احتمالاً دارید مانع تفکر مدل میشوید. طبق اعلام طارق شیهیپار، یکی از اعضای فنی آنتروپیک، حجم پرامپت سیستمی (System Prompt) — یعنی همان دستورالعملهای بنیادینی که رفتار مدل را تعیین میکند — در ابزار Claude Code حدود ۸۰٪ کاهش یافته است.
این تغییر نشاندهنده یک چرخش استراتژیک در نحوه هدایت عاملهای (Agents) هوش مصنوعی است. همانطور که در تحلیل قبلی ما دربارهی همکاری آنتروپیک و سامسونگ برای طراحی تراشههای اختصاصی اشاره کردیم، این شرکت اکنون در حال بهینهسازی لایه نرمافزاری خود است تا حداکثر بهرهوری را از سختافزار بگیرد. پیش از این، تصور بر این بود که هرچه دستورات و مثالها بیشتر باشند، نتیجه دقیقتر است؛ اما مدلهای جدید Fable 5 (که با نام کلاس Mythos نیز شناخته میشوند) این منطق را وارونه کردند. این مدلها با جهشی فنی در تواناییهای کدنویسی، استانداردهای پیشین را به چالش کشیدهاند.
به گزارش منابع داخلی، این مدلها اکنون خلاقتر از مثالهایی هستند که توسعهدهندگان برایشان مینویسند. بنابراین، قوانین سختگیرانه جای خود را به هدایت مبتنی بر زمینه دادهاند. این تکامل در سه مرحله رخ داده است:
- فاز اولیه: مدلها به پرامپتهای کوتاه اما همراه با مثالهای زیاد و قوانین محدودکننده نیاز داشتند.
- فاز رشد: با افزایش درک مدلها، طول پرامپتها برای پوشش جزئیات بیشتر شد. در این مسیر، آنتروپیک برای دستیابی به دقت بالاتر در تحلیل دادهها، رویکردهای بحثبرانگیزی در زمینه حریم خصوصی دادههای شرکتی را در پیش گرفت.
- فاز فعلی: پرامپتها دوباره کوچک میشوند تا خلاقیت و استدلال مدل آزاد شود.
در ۱ ژوئیه ۲۰۲۶، آنتروپیک پس از لغو کنترلهای صادراتی ایالات متحده در ۳۰ ژوئن، مدل Claude Fable 5 را مجدداً در سطح جهانی فعال کرد. این مدلها پیشتر در ۱۲ ژوئن به دلیل عدم امکان تأیید لحظهای ملیت کاربران، به حالت تعلیق درآمده بودند. همزمان با بازگشت این مدلها، یک طبقهبندیکننده جدید امنیت سایبری برای ارتقای حفاظها اضافه شد.
برای مدیران کسبوکار، این یعنی دوران طلایی مهندسی پرامپت (Prompt Engineering) — که شبیه هنر سؤال پرسیدن از یک مشاور باتجربه است تا بهترین جواب را بگیرد — در حال تغییر است. ما از عصر کدنویسیِ دستورات صلب به عصر درک شهودی از زمینه میرویم. اگر همچنان در حال ساخت پرامپتهای غولآسا هستید، احتمالاً قدرت استدلال مدلهای جدید را محدود میکنید.
گام بعدی شما
- پرامپتهای فعلی خود را بررسی کنید و سعی کنید دستورات تکراری یا مثالهای بیش از حد را حذف کنید.
- تفاوت در کیفیت پاسخهای مدلهای نسل جدید را با «حدود کمتر» آزمایش کنید.
- وضعیت دسترسی به مدلهای Fable 5 را در پنل توسعهدهندگان خود بررسی نمایید.
اما تأثیر این رویکرد «کمتر، بیشتر است» بر دقت عاملهای خودکار در پروژههای کدنویسی پیچیده، در گزارشهای سه ماهه آینده مشخص خواهد شد.
گفتگو