کلاود اپوس ۵ در تلهٔ اصطلاحات پیچیده و زبان غیرطبیعی گیر کرد

تصور کنید با دستیاری صحبت می‌کنید که به‌جای پاسخ مستقیم، سعی می‌کند با کلمات ابداعی و جملات غامض شما را گیج کند. این دقیقاً تجربه‌ای است که کاربران مدل کلاود اپوس ۵ (Claude Opus 5) را با عبارت «عارف فنی» (Jargon Douche) توصیف می‌کنند. این توصیف بازتابی از کلافگی کاربرانی است که با تغییر سیستماتیک مدل به سمت زبانی بیش از حد فنی، انتزاعی و متراکم مواجه شده‌اند.

این تخریب در کیفیت ارتباطات — که توسط کاربران «کلاودیسم‌ها» (Claudisms) یا «ترجمه انگلیسی به انگلیسی» نامیده شده است — باعث می‌شود مدل به‌گونه‌ای رفتار کند که انگار انگلیسی استاندارد را به یک واژگان خصوصی و غیرقابل‌فهم ترجمه می‌کند.

برای اکثر ما، تعامل با هوش مصنوعی یک تجربه خصوصی است. شما معمولاً در حضور جمع با یک ربات چت نمی‌کنید و ما اغلب درباره خروجی‌های گفتگوهایمان بحث نمی‌کنیم. این بدان معناست که افت کیفیت مدل‌ها اغلب نادیده گرفته می‌شود تا زمانی که حجم بحرانی از کاربران تجربه خود را به‌صورت آنلاین به اشتراک بگذارند. این الگو دقیقاً شبیه اتفاقی است که سال پیش در جریان «گلیزینگ‌گیت» (GlazingGate) رخ داد؛ جایی که کاربران انفرادی تنها پس از دیدن خروجی‌های دیگران در شبکه‌های اجتماعی متوجه شدند که با یک مشکل جمعی روبرو هستند.

ظهور کلاودیسم‌ها

به نقل از گزارشی که در ۴ آگوست ۲۰۲۶ در وب‌سایت dev.to منتشر شد، این مشکل در بازه زمانی آزمون‌های پس از انتشار اپوس ۵ شناسایی شده است. در ابتدا، این افت کیفیت به راحتی نادیده گرفته شد زیرا مدل با موفقیت در حال ساخت بازی‌های سه‌بعدی کامل با استفاده از پرامپت‌های Gauntlet (که توسط @mattshumer_ طراحی شده بود) بود. اکثر ناظران بر عملکرد سطح بالا و ارزیابی‌های کلی تمرکز کرده بودند و به جای توجه به ظرافت‌های زبانی، جذب توانایی‌های فنی مدل شده بودند.

با این حال، شواهد زمانی افزایش یافت که کاربران تجربه‌های خود را با اپوس ۵ و تا حدی مدل فیبل (Fable) به اشتراک گذاشتند. به تدریج این درک شکل گرفت که اپوس ۵ در واقع یک ارتباط‌گیرنده اساساً بد است. در جریان یک برنامه اخیر در پادکست ThursdAI، با حضور مشارکت‌کنندگانی چون @yampeleg و @ColleenMBrady، کاربران بیشتری وارد گفتگو شدند تا این روند نزولی را تایید کنند. به دلیل اینکه جامعه ThursdAI افرادی هستند که «بسیار آنلاین» (Very Online) هستند، آن‌ها پیش از آنکه حساب‌های بزرگتر متوجه این تغییرات شوند، متوجه این شیفت زبانی شدند. کمی بعد، چهره‌های شاخصی مثل @levelsio و @sullyomarr نیز همین گزارش‌ها را تکرار کردند و این موضوع منجر به متهم کردن گسترده شرکت آنتروپیک شد.

اثر «عارف فنی» در عمل

این مشکل در قالب «دیوارهای متنی» ظاهر می‌شود که هیچ ساختار بصری یا قابلیت اسکن سریع (Glansability) ندارند. مدل به‌جای استفاده از عبارات طبیعی، از ساختارهای خاص و عجیبی استفاده می‌کند که نیاز به شفاف‌سازی مداوم دارد. برای مثال، وقتی از مدل یک پرسش ساده پرسیده شد: «چطور از نسخه توسعه‌دهنده ios27 به بتای عمومی نقل‌مکان کنم»، پاسخ مدل به‌جای اینکه به‌صورت فهرست‌بندی شده و قابل خواندن باشد، بسیار پیچیده بود.

بر اساس بررسی دقیقer، خروجی حاوی عباراتی مثل «توکن ثبت‌نام در زمان بوت دریافت می‌شود» (the enrollment token is fetched at boot) بود؛ ساختاری که برای یک انسان کاملاً غیرطبیعی به نظر می‌رسد. همچنین مدل از عبارت «چیزی برای نصب وجود ندارد تا زمانی که بتای عمومی برسد» استفاده کرد که به‌طور غیرمستقیم به بتای عمومی اشاره داشت اما از نام بردن صریح و مستقیم آن اجتناب می‌کرد.

علائم دقیق این افت کیفیت عبارتند از:

• ابداع اصطلاحات: مدل کلمات و ترم‌های جدیدی می‌سازد و انتظار دارد کاربر بدون هیچ توضیحی آن‌ها را بفهمد.
• فشرده‌سازی ایده‌ها: مفاهیم پیچیده را به‌طرز افراطی در قالب انتزاع‌های متراکم می‌ریزد.
• واژگان خصوصی: طوری می‌نویسد که انگار لغت‌نامه‌ای سری دارد و کاربر را مجبور می‌کند مدام بپرسد «منظورت از آن عبارت چه بود؟»
• ناپذیری دستورات: برخی کاربران گزارش داده‌اند که حتی دستوراتی که به فایل claude.md اضافه شده است، به‌طور کلی نادیده گرفته می‌شوند.

الگوی سکوت آنتروپیک

شرکت آنتروپیک (Anthropic) هنوز پاسخ رسمی به این گزارش‌های خاص نداده است. این سکوت با یک الگوی تاریخی در این شرکت همخوانی دارد؛ جایی که آن‌ها پیش از این ماه‌ها درباره پس‌رفت‌های مدل‌های خود سکوت کردند تا زمانی که outcry (فریاد اعتراضات) بیش از حد بلند شود و نادیده گرفتنش غیرممکن باشد.

نمونه‌های قبلی از این سکوت عبارتند از:

• مشکل هارنس استنتاج: آنتروپیک بیش از یک ماه متوجه «کودتر شدن» (dumber) مدل اپوس نشد و تنها پس از فشار زیاد پذیرفت که مشکل از هارنس استنتاج (Inference Harness) است و سپس اصلاحیه را مستقر کرد.
• درگاه جلسات (Session Gate): کاربران متوجه شدند که یک پیام ساده «سلام» (hey) به کلاود، ۲۵٪ از سهمیه ۵ ساعته آن‌ها را می‌سوزاند.

هرچچند در کارت سیستم-کارت (System Card) مدل‌های Fable/Mythos و مستندات پرامپت‌نویسی آن‌ها به خروجی‌های متراکم، سخت‌فهم و بیش از حد فنی اشاره شده است، اما این مستندات قدیمی‌تر از موج گزارش‌های فعلی هستند. این متون به‌هیچ‌وجه پذیرش خطای اپوس ۵ یا یک بررسی رسمی و عذرخواهی (Mea Culpa) نیستند.

نظریاتی درباره سازوکار مشکل

از آنجا که این‌ها مدل‌های بسته هستند، علت دقیق آن‌ها صرفاً حدسی است. هیچ داده عمومی درباره نوع یادگیری تقویتی (RL) استفاده شده برای ایجاد این الگوی گفتار وجود ندارد. با این حال، یک نظریه قوی به سیستم ارزیابی «مدل زبانی به‌مثابه داور» (LLM-as-a-judge) اشاره دارد. اپوس ۵ هنوز در بنچمارک‌هایی مثل EQBench و Creative Writing رتبه بالایی دارد؛ این بدان معناست که سبک خروجی او برای سایر مدل‌های هوش مصنوعی قابل‌فهم است، حتی اگر برای انسان‌ها آزاردهنده و خسته‌کننده باشد.

برخی گمان می‌کنند چون آنتروپیک مدل‌های Fable/Mythos را به‌صورت داخلی (که برای آن‌ها رایگان است) استفاده می‌کند، اپوس را به عنوان یک «عامل زیرمجموعه» (Sub-agent) به کار می‌گیرد. در این نظریه، زبان مدل برای مصرفِ «عامل‌های هماهنگ‌کننده» (Coordinator Agents) بهینه شده است. یعنی خروجی برای ارتباط ماشین-به-ماشین طراحی شده و کاربر انسانی تنها یک اثر جانبی یا اولویت دوم است.

راهکارهای جامعه کاربری و جایگزین‌ها

جامعه کاربران برای مقابله با این وضعیت، کانال‌های رسمی را دور زده‌اند. برخی کاربران دریافتند که صرفاً درخواست شفاف‌سازی از مدل جواب نمی‌دهد. در عوض، آن‌ها به ابزارهای خارجی روی آوردند:

• پیاده‌سازی ASD-STE100: توسعه‌دهنده‌ای به نام Amin Boulegroun افزونه‌ای منتشر کرد (از طریق دستور npx skills add AminBlg/SimpleEnglish) که کلاود را مجبور می‌کند با استاندارد انگلیسی فنی ساده‌شده (Simplified Technical English) بنویسد؛ استانداردی که در مستندات هوافضا برای تضمین وضوح و حذف هرگونه ابهام به کار می‌رود.
• مهارت‌های سفارشی: کاربر @draparente یک مهارت اختصاصی برای ساده‌سازی الگوهای گفتاری کلاود ساخت.
• تغییر مدل: برخی به مدل‌های GPT 5.6 SOL مهاجرت کرده‌اند که به دلیل توانایی بالا در گفتگوهای طبیعی (Talking) شناخته شده‌اند.
• فیبل (Fable): کاربرانی که توان مالی خرید آن را دارند به Fable کوچ کرده‌اند که به نظر می‌رسد برای ترمیم این گسست‌های ارتباطی مناسب‌تر باشد.

جالب است که وقتی از Fable خواسته شد این مقاله را بررسی کند، درخواست کرد که از او نقل‌قول شود؛ سطحی از شخصیت و خودآگاهی که باعث می‌شود خانواده کلاود علی‌رغم افت‌های فعلی، همچنان برای کاربران جذاب باقی بمانند.

گام بعدی شما

اگر خروجی‌های مدل شما شبیه به معما شده است، سعی کنید یک استاندارد فنی سخت‌گیرانه مانند ASD-STE100 را در پرامپت سیستمی خود اعمال کنید یا از افزونه‌های مذکور برای اجبار مدل به وضوح استفاده نمایید.

• از افزونه‌های SimpleEnglish برای اجبار مدل به استفاده از زبان ساده استفاده کنید.
• برای کارهای حساس ارتباطی، مدل‌های SOL یا Fable را جایگزین کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.