پرش به محتوای اصلی
پرش به محتوای مقاله

چرا Anthropic برای دستیابی به دقت ۹۰٪، حریم خصوصی شرکت‌ها را قربانی کرد؟

·۲۰ خرداد ۱۴۰۵۴ دقیقه مطالعه۱ بازدید
کلود فیبل انثروپیک؛ نسخه‌ای از میتوس که امروز در دسترس عموم است
کلود فیبل انثروپیک؛ نسخه‌ای از میتوس که امروز در دسترس عموم است
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

نخستین مورد استقرار تجاری مدلی با دقت ۹۰ درصدی در تحلیل‌های پیچیده که به‌طور هم‌زمان، تمامی توافقات عدم ذخیره‌سازی داده‌های سازمانی (Zero-retention) را برای نظارت ایمنی باطل می‌کند.

اگر توسعه‌دهنده سازمانی هستید و اپلیکیشن‌های پیچیده می‌سازید، هزینه‌های استنتاج شما دقیقاً دو برابر شده است؛ اما در مقابل، توانایی مدل برای تبدیل یک پرامپت به یک اپلیکیشن کامل (One-shot)، جهش چشم‌گیری داشته است. شرکت آنتروپیک (Anthropic) در ۹ ژوئن ۲۰۲۶ مدل Claude Fable 5 را عرضه کرد. این نخستین باری است که این شرکت فناوری قدرتمند کلاس Mythos را از طریق API و طرح‌های سازمانی مبتنی بر مصرف در اختیار عموم قرار می‌دهد.

این عرضه در لحظه‌ای حساس برای صنعت هوش مصنوعی رخ می‌دهد. هفته گذشته، آنتروپیک از آزمایشگاه‌های جهانی خواست تا یک «ترمز هماهنگ» برای هوش مصنوعی پیشرو بسازند و هشدار داد که سیستم‌ها به مرحله خودبه‌سازی بازگشتی (Recursive Self-Improvement یا RSI) نزدیک می‌شوند؛ وضعیتی که در آن مدل می‌تواند بدون دخالت انسان، کد خودش را بازنویسی کرده و هوشمندتر شود. شرکت اکنون باید میان ترس از شتاب خودکار AI و نیاز به رقابت با OpenAI و SpaceX برای ورود به بازارهای عمومی تعادل ایجاد کند.

زمینه و استقرار

مدل Mythos ابتدا در ماه آوریل به صورت پیش‌نمایش عرضه شد. به دلیل نگرانی‌های جدی در زمینه امنیت سایبری، این دسترسی در ابتدا تنها به تعداد محدودی از شرکا محدود شده بود. طبق اعلام شرکت، هفته گذشته این دسترسی به صدها سازمان در ۱۵ کشور گسترش یافت و به‌طور خاص سازمان‌هایی که زیرساخت‌های حیاتی را مدیریت می‌کنند، هدف قرار گرفتند.

در کنار Fable 5، نسخه Mythos 5 نیز مستقر شده است. این نسخه مخصوص سازمان‌هایی است که پیش‌تر برای دسترسی به مدل‌های پیشرفته تأیید شده‌اند.

برای مدیریت ریسک، Claude Fable 5 با محدودیت‌های امنیتی سخت‌گیرانه عمل می‌کند. در حوزه‌های پرخطر مانند زیست‌شناسی، شیمی، امنیت سایبری و تقطیر (Distillation)، مدل از پاسخ دادن خودداری کرده و به‌طور خودکار به مدل Claude Opus 4.8 بازمی‌گردد. به گزارش تک‌کرانچ (TechCrunch)، داده‌های اولیه نشان می‌دهد این بازگشت نادر است و ۹۵٪ از جلسات در همان Fable 5 باقی می‌مانند.

عملکرد فنی و قیمت‌گذاری

بنچمارک‌های شخص ثالث جهشی قابل‌توجه در توانایی‌های استدلال را نشان می‌دهند:

  • هکس (Hex) گزارش داد که Fable 5 نخستین مدلی است که در بنچمارک تحلیل‌های هسته‌ای خود برای وظایف تحلیلی پیچیده و طولانی، نمره ۹۰٪ کسب کرده است. هکس اشاره کرد که این مدل در سخت‌ترین سؤالات، «قضاوت قوی و توجه به جزئیات» دارد.
  • بیس ۴۴ (Base44)، یک پلتفرم کدنویسی بر اساس حس (Vibe-coding)، بر برتری این مدل در فراخوانی ابزارها و توانایی تولید اپلیکیشن‌های کامل تنها با یک پرامپت تأکید کرد.
  • جنسپارک (Genspark)، یک پلتفرم فضای کاری و ایجنت‌های AI، دریافت که Fable 5 در ارزیابی‌های خود از تمام مدل‌های دیگر پیشی گرفته و به‌ویژه در طراحی رابط کاربری (UI) و کدنویسی بازی، عملکرد به‌مراتب بهتری دارد.

اما این قدرت، قیمت بالایی دارد. هزینه هر میلیون توکن ورودی ۱۰ دلار و خروجی ۵۰ دلار است؛ یعنی دقیقاً دو برابر هزینه مدل Opus 4.8.

این قیمت‌گذاری ممکن است مانع از استفاده گسترده شود. بسیاری از سازمان‌ها پس از اینکه بودجه‌های سالانه خود را زودتر از موعد تمام کردند، نسبت به هزینه‌های AI انتقاد می‌کنند. مدل‌های پیشرفته‌ای مانند Opus 4.8 می‌توانند با تقسیم یک درخواست واحد به چندین وظیفه استدلالی، این هزینه‌ها را تشدید کنند. با این حال، برخی کاربران مانند پلتفرم پاداش‌های خرید راکوتن (Rakuten) معتقدند این مزایا ارزش هزینه را دارند. راکوتن اعلام کرد که Fable «کار خود را بازبینی و تأیید می‌کند» و همین ویژگی، عملیات‌های بسیار خودکار را ممکن می‌سازد.

توازن امنیتی

آنتروپیک یک الزام جدید و جنجالی را معرفی کرده است: ذخیره‌سازی اجباری تمام ترافیک داده‌ها به مدت ۳۰ روز. حتی سازمان‌هایی که پیش از این قراردادهای «عدم ذخیره‌سازی» (Zero-retention) داشتند، اکنون باید از این قانون پیروی کنند. شرکت ادعا می‌کند این داده‌ها برای آموزش استفاده نمی‌شوند و تنها برای دفاع در برابر جیل‌بریک‌های نوظهور، شناسایی موارد مثبت کاذب و «دفاع در برابر حملات پیچیده و جدید» به کار می‌روند.

برای تأیید این تدابیر حفاظتی، آنتروپیک یک برنامه جایزه برای یافتن باگ (Bug Bounty) و تمرینات تیم قرمز (Red-teaming) خارجی اجرا کرد. شرکت اعلام کرد که بیش از ۱۰۰۰ ساعت تست منجر به هیچ جیل‌بریک جهانی نشد، هرچند پذیرفت که حملات نوظهور ممکن است همچنان رخ دهند.

برای کاربران اشتراکی، دسترسی موقتی است. Fable 5 در طرح‌های Pro، Max، Team و طرح‌های سازمانی مبتنی بر صندلی (Seat-based) تا ۲۲ ژوئن بدون هزینه اضافی گنجانده شده است. از ۲۳ ژوئن، آنتروپیک Fable 5 را از این طرح‌ها حذف می‌کند و استفاده از آن مستلزم خرید اعتبار (Credits) خواهد بود تا زمانی که دوباره به عنوان یک ویژگی استاندارد اشتراکی بازگردد.

این تغییر نشان می‌دهد دوران «حریم خصوصی مطلق» در سازمان‌ها ممکن است رو به پایان باشد. وقتی مدل‌ها توانایی بازبینی و تأیید کارهای خود را پیدا می‌کنند، هزینه نظارت بر این فرآیند از طریق ذخیره داده‌ها و قیمت‌های بالاتر به کاربر منتقل می‌شود.

باید منتظر ماند و دید آزمایشگاه‌های پیشرو دیگر به این سیاست ذخیره‌سازی اجباری چه واکنشی نشان می‌دهند. اگر این مورد به استاندارد صنعتی برای مدل‌های «استدلال بالا» تبدیل شود، قراردادهای حریم خصوصی بین فروشندگان AI و شرکت‌های Fortune 500 را به‌طور بنیادین تغییر خواهد داد.

گام بعدی شما

  • اگر از API استفاده می‌کنید، هزینه‌های استنتاج خود را با نرخ جدید (۱۰/۵۰ دلار) بازبینی کنید.
  • در صورت حساسیت شدید روی حریم خصوصی، مفاد قرارداد ۳۰ روزه ذخیره‌سازی داده‌ها را با تیم حقوقی بررسی کنید.
  • قابلیت One-shotting در Fable 5 را برای تبدیل ایده‌های سریع به پروتوتایپ‌های کدنویسی آزمایش کنید.

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

چرا این موضوع مهم است؟

این اتفاق نشان‌دهنده یک چرخش استراتژیک در صنعت است: اعتبار مدل‌های پیشرو دیگر تنها با بنچمارک‌ها نیست، بلکه با توانایی کنترل ریسک‌های سیستمی سنجیده می‌شود. این مدل استانداردی جدید برای قربانی کردن حریم خصوصی در برابر امنیت ملی و فنی ایجاد می‌کند.

تأثیر برای ایران

به‌دلیل هزینه‌ی دوبرابری توکن‌ها و محدودیت‌های API، دسترسی به Fable 5 برای توسعه‌دهندگان ایرانی به‌شدت گران و دشوار خواهد بود. این مدل بیشتر برای پژوهشگران بنیادی اهمیت دارد تا بازار مصرف ایران.

·نگاه ما
تحریریه دات‌هوش

تحلیل ما نشان می‌دهد که Anthropic در حال تغییر پارادایم از «اعتماد به کاربر» به «نظارت اجباری» است. پذیرش هزینه دوبرابری توکن‌ها توسط شرکت‌های بزرگ، ثابت می‌کند که در دنیای عامل‌های هوش مصنوعی، «دقت» بسیار ارزشمندتر از «ارزان بودن» است و حریم خصوصی در برابر ایمنی مدل‌های پیشرو در حال عقب‌نشینی است.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.