اگر از مدلهای هوش مصنوعی خسته شدهاید که با جملات تکراری و ادبِ بیش از حد پاسخ میدهند، Claude Fable 5.1 دقیقاً برای شماست. این مدل حالا بهجای «بلهقربان» گفتن، ترجیح میدهد پاسخهای مفصلتر و صریحتری ارائه دهد.
طبق گزارش ۱۰ سپتامبر ۲۰۲۶ از Arena.ai، پاسخهای این مدل ۳۰٪ طولانیتر شدهاند، اما این افزایش حجم با حذف لحن خشک شرکتی همراه است. مدل زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن کتابها جواب میدهد — در نسخه جدید دیگر به دنبال جملات احتیاطآمیز یا شروعهای فرمولوار نیست.
همانطور که در تحلیل قبلی ما دربارهی رقابت مدلهای استدلالی اشاره کردیم، آنتروپیک در حال بازنگری در نحوه تعامل مدلهایش است. این تغییر در حالی رخ میدهد که GPT-6 Astra در محک Vending-Bench عملکرد بهتری نسبت به Fable 5.1 داشت؛ بنابراین به نظر میرسد آنتروپیک برای رقابت در بازار مدلهای سطح بالا، روی «طبیعیتر شدن» لحن تمرکز کرده است.
بر اساس بررسی دهها هزار خروجی توسط Arena.ai، تغییرات ساختاری زیر در مدل مشاهده شده است:
- طول و پیچیدگی: میانگین طول پاسخها از ۳۱۹ به ۴۱۴ کلمه افزایش یافت، اما سهم کلمات محتواییِ طولانی از ۴۲.۶٪ به ۳۸.۶٪ رسید.
- علائم نگارشی: استفاده از خط تیره (Em dash) کاهش یافت، اما بهکارگیری نقطهویرگول (Semicolon) از ۳.۷۳ به ۶.۰۹ در هر ۱۰۰۰ کلمه رسید.
- عبارات: استفاده از جملات کلیشهای ۲۰٪ و عبارات احتیاطی مثل «شاید» یا «احتمالاً» ۳۶٪ کاهش یافت.
- لحن: جملات تحسینآمیز و تاییدکننده از ۳.۱۷٪ در نسخه قبلی به ۱.۹۸٪ رسید.
برای کاربران تجاری، این یعنی هوش مصنوعی از یک «دستیار مطیع» به یک «همکار مستقیم» تبدیل شده است. با کاهش ۲۵ درصدی اسامی انتزاعی و حذف حاشیههای اضافی، مدل محتوای بیشتری را بدون تکلف ارائه میدهد. در واقع خروجیها دیگر شبیه به یک ربات خدمات مشتری نیستند، بلکه بیشتر به پاسخهای یک متخصص فنی شبیه شدهاند. این رویکرد تخصصیتر با تلاشهای آنتروپیک برای تبدیل محیط ترمینال به فضای طراحی بصری در ابزارهای توسعهدهنده همسو است.
این تکامل نشان میدهد که مفهوم همراستاسازی (Alignment) — شبیه تنظیم کردن یک ساز موسیقی برای رسیدن به نت درست — دیگر به معنای ادبِ افراطی نیست، بلکه به معنای دقت و کاربردی بودن است. این تحول در تعاملات، در کنار ادغام حافظه یکپارچه بین چت و Cowork، تجربه کاربری را از دستورات تکراری به سوی گفتگوهای مستمر سوق میدهد. البته هنوز مشخص نیست که آیا این تغییر سبک، دقت استدلال مدل را هم بالا برده است یا خیر.
گام بعدی شما
- خروجیهای Fable 5.1 را با نسخههای قبلی در تحلیلهای فنی مقایسه کنید تا تفاوت صراحت را ببینید.
- در پرامپتهای خود از مدل بخواهید بدون مقدمهچینی مستقیم به سراغ اصل مطلب برود. برای مدیریت بهتر این خروجیها در پروژههای کدنویسی، میتوانید از الگوهای CLAUDE.md برای جلوگیری از تخریب کدهای مشترک استفاده کنید.
- نتایج بنچمارکهای Text Arena را دنبال کنید تا ببینید آیا این لحن جدید منجر به پیروزی در برابر مدلهای OpenAI میشود یا خیر.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو