В данном случае речь, скорее всего, про LiveRL — обучение с подкреплением, где модель сама себя улучшает. У других крупных лабораторий наверняка есть похожие внутренние системы, просто об этом не объявляют.

Для человека, который получал доступ через знакомых в DeepMind и их инфраструктуру это over.

🌞 Компания уже использовала такую схему перед прошлыми релизами.

🌞 Новые чекпоинты Opus 4.8, Fable 5 и Opus 5 сначала появлялись у части пользователей под названием предыдущей модели.

По нашему предположению, Anthropic хочет заметнее поднять модель и приблизить Opus к производительности Fable 5.1. Новый чекпоинт, вероятно, снова обойдёт её в части бенчмарков — это дефолт.

У каждой модели свои сильные и слабые стороны. Opus 5 уже показывал хорошие результаты, но в обычном общении он до сих пор часто пишет странно и повторяет характерные паттерны Слопа. Эх Anthropic. По нашим наблюдениям, к сожалению, этот недостаток они пока не исправили в предстоящей модели opus.

* По нашим замечаниям Fable тоже испытывает эти трудности, но там намного лучше.

Мы предполагаем, что на стиль может влиять система статистических водяных знаков. Поэтому даже если новый Opus 5 обойдёт Fable 5.1 по бенчмаркам, само общение с моделью может остаться таким же.

big 🚢 this week

Если у вас пишет Opus 4.7 или Opus 4.1, есть неплохая вероятность, что вас уже зароутило на GPT-6 Sol.