Anthropic បញ្ចេញ Claude Fable 5៖ ម៉ូដែលខ្លាំងបំផុតក្នុងប្រវត្តិសាស្ត្របែងចែកជាពីរជំនាន់គឺ «សាធារណៈ» និង «គ្រប់គ្រង» ការគ្រប់គ្រងសុវត្ថិភាព AI ឈានចូលដំណាក់កាលថ្មី

ថ្ងៃទី 9 जुन ពេលល្ងាច ខ្ញុំទទួលបានសារពីមិត្តភក្តិម្នាក់ជាវិស្វករផ្នែកកម្មវិធី AI នៅទីក្រុងតៃប៉ិ ដោយមានខ្លឹមសារតែមួយឃ្លាថា៖ «គេបានបែងចែកម៉ូដែលជាពីរជំនាន់ហើយ តើឯងបានឃើញទេ?» ខ្ញុំបានចុចមើលសេចក្តីប្រកាសរបស់ Anthropic ហើយមានអារម្មណ៍ស្រឡាំងកាំងអស់រយៈពេលជាច្រើនវិនាទី—ចំណុចសំខាន់ពិតជាមិនមែននៅលើពិន្ទុតេស្តនោះឡើយ។ ក្រុមហ៊ុននេះបានបែងចែកសមត្ថភាពខ្លាំងបំផុតនៃជំនាន់តែមួយជាពីរជំនាន់៖ មួយមានឈ្មោះថា Claude Fable 5 ដែលអ្នក និងខ្ញុំអាចប្រើប្រាស់បាន; ចំណែកឯមួយទៀតមានឈ្មោះថា Claude Mythos 5 ដែលផ្តល់ជូនเฉพาะអង្គភាពជាក់លាក់ដែលបានឆ្លងកាត់ការពិនិត្យផ្ទៀងផ្ទាត់ប៉ុណ្ណោះ។

ក្នុងនាមខ្ញុំជាអ្នកតាមដាននិន្នាការអស់រយៈពេលជាច្រើនឆ្នាំមកនេះ ខ្ញុំបានឃើញការប្រកាសអំពី «ម៉ូដែលខ្លាំងបំផុតក្នុងប្រវត្តិសាស្ត្រ» ជាច្រើនរួចមកហើយ។ ប៉ុន្តែវិធីសាស្ត្រដូចជា «សមត្ថភាពដូចគ្នា ប៉ុន្តែសម្រេចចិត្តថាអ្នកអាចទទួលបានកំណែពេញលេញឬអត់ ផ្អែកលើអត្តសញ្ញាណរបស់អ្នកប្រើប្រាស់» គឺទើបតែត្រូវបានយកមកបង្ហាញជាសាធារណៈយ៉ាងជាក់ស្តែងបែបនេះជាលើកដំបូង។ សារៈសំខាន់នៃរឿងនេះគឺហួសពីការឈ្នះពិន្ទុប៉ុន្មានលើតារាងណាមួយទៅទៀត។

ប្រវត្តិព្រឹត្តិការណ៍

Anthropic គឺជាក្រុមហ៊ុនដែលនៅពីក្រោយស៊េរីម៉ូដែល Claude ដែលក្នុងរយៈពេល ១ ទៅ ២ ឆ្នាំចុងក្រោយនេះ មានទម្ងន់កាន់តែសំខាន់ក្នុងរង្វង់សហគ្រាស និងអ្នកអភិវឌ្ឍន៍—មនុស្សជាច្រើនសរសេរកូដ ធ្វើការស្វែងរកចម្លើយ និងបង្កើត AI agent ដែលមានមូលដ្ឋានភ្ជាប់មកជាមួយ Claude។ កាលពីចុងខែឧសភា ខ្លួនទើបតែបានបញ្ចប់ការរៃអង្គាសថវិកាមួយដែលមានទំហំដ៏គួរឱ្យភ្ញាក់ផ្អើល ដោយតម្លៃទីផ្សារបានកើនឡើងដល់កម្រិតជិតមួយទ្រីដុល្លារ (ពួកយើងធ្លាប់បានពិភាក្សារួចហើយនៅក្នុងអត្ថបទ ការរៃអង្គាសថវិកាដ៏ច្រើនសន្ធឹកសន្ធាប់របស់ Anthropic ស៊េរី H ទឹកប្រាក់ ៦៥ ពាន់លានដុល្លារ)។ នៅពេលដែលលុយ និងថាមពលគណនាមានគ្រប់គ្រាន់ ជំហានបន្តគឺការបញ្ចេញម៉ូដែលជំនាន់ក្រោយ។

អ្វីដែលបានបញ្ចេញនៅពេលនេះគឺខុសប្លែកគ្នាបន្តិច។ នាពេលកន្លងមក នៅពេលដែលម៉ូដែលត្រូវបានប្រកាស យ៉ាងច្រើនបំផុតគឺចែកចេញជា «កែវធំ កែវមធ្យម កែវតូច»—សមត្ថភាពគឺដូចគ្នា ខុសគ្នាត្រង់ល្បឿន និងតម្លៃ។ ការបែងចែករបស់ Fable 5 និង Mythos 5 គឺស្ថិតក្នុងវិមាត្រមួយផ្សេងទៀត៖ មិនមែនបែងចែកតាមប្រសិទ្ធភាពនោះទេ ប៉ុន្តែបែងចែកតាមហានិភ័យ។ Fable 5 គឺជាកំណែដែលត្រូវបានកែសម្រួលសុវត្ថិភាព និងសាកសមសម្រាប់ការប្រើប្រាស់ទូទៅ។ ចំណែកឯ Mythos 5 វិញ បានបន្ធូរបន្ថយការកំណត់សុវត្ថិភាពមួយចំនួន ដោយបើកចំហរតែសម្រាប់ដៃគូសន្តិសុខស៊ីនធឺណិតដែលបានឆ្លងកាត់ការពិនិត្យផ្ទៀងផ្ទាត់ (ដែល Anthropic ហៅថាគម្រោង «Project Glasswing») និងអ្នកស្រាវជ្រាវផ្នែកជីវសាស្ត្រមួយចំនួនតូចប៉ុណ្ណោះ។

និយាយម្យ៉ាងទៀត Anthropic បានកំណត់ថា សមត្ថភាពរបស់ម៉ូដែលជំនាន់នេះគឺខ្លាំងខ្លាពេក រហូតដល់ការ «បើកចំហរទាំងស្រុង» មានហានិភ័យ ដូច្នេះទើបគេលាក់ផ្នែកដែលមុតស្រួចបំផុតទុក ដោយប្រគល់ឱ្យតែអ្នកដែលខ្លួនទុកចិត្ត និងពិតជាត្រូវការវាប៉ុណ្ណោះ។

ចំណុចសំខាន់ៗក្នុងពេលនេះ

យោងតាមសេចក្តីប្រកាសជាផ្លូវការរបស់ Anthropic និងការចេញផ្សាយស្របគ្នារបស់ AWS ព័ត៌មានគន្លឹះនៃការចេញផ្សាយលើកនេះមានដូចខាងក្រោម៖

• ការចេញផ្សាយទ្វេកំណែ៖ Claude Fable 5 (ជាសាធារណៈ ប្រើប្រាស់ទូទៅ) និង Claude Mythos 5 (គ្រប់គ្រង កំណត់ចំពោះអង្គភាពស្រាវជ្រាវសន្តិសុខ និងជីវសាស្ត្រដែលបានឆ្លងកាត់ការពិនិត្យផ្ទៀងផ្ទាត់)។
• តម្លៃទ្វេដង៖ តម្លៃ API របស់ Fable 5 គឺ ១០ ដុល្លារក្នុងមួយលាន input tokens និង ៥០ ដុល្លារក្នុងមួយលាន output tokens ដែលមានតម្លៃប្រហែលពីរដងនៃជំនាន់មុនគឺ Opus 4.8។ សមត្ថភាពត្រូវបាន nâng cấp ដូច្នេះថវិកាក៏ត្រូវតែ nâng cấp តាមនោះដែរ។
• សាកល្បងឥតគិតថ្លៃក្នុងរយៈពេលកំណត់៖ ចាប់ពីថ្ងៃទី ៩ ដល់ថ្ងៃទី ២២ ខែមិថុនា គម្រោង Pro, Max, Team និងគម្រោងសហគ្រាសផ្អែកលើកៅអីមួយចំនួនអាចប្រើប្រាស់ Fable 5 បានដោយឥតគិតថ្លៃ។ ចាប់ពីថ្ងៃទី ២៣ ខែមិថុនា តទៅ នឹងត្រូវកាត់ប្រាក់ពីដែនកំណត់នៃការប្រើប្រាស់ (credits)។ ចំណែកឯគម្រោងសហគ្រាសដែលគិតប្រាក់តាមការប្រើប្រាស់វិញ គឺចាប់ផ្តើមគិតប្រាក់ចាប់ពីថ្ងៃដាក់ឱ្យប្រើប្រាស់ដំបូងតែម្តង។
• ដាក់ដំណើរការលើពពកស្របគ្នា៖ Fable 5 បានដាក់ឱ្យប្រើប្រាស់នៅលើ AWS នៅថ្ងៃប្រកាសតែម្តង ដែលមានភាពងាយស្រួលខ្លាំងសម្រាប់ក្រុមការងារដែលស្ថិតនៅក្នុងប្រព័ន្ធអេកូឡូស៊ីរបស់ AWS រួចជាស្រេច។
• ចំណុចលេចធ្លោជាផ្លូវការ៖ នៅក្នុងសេចក្តីប្រកាស Anthropic បានលើកឡើងពីការវាយតម្លៃកូដ FrontierCode របស់ Cognition ដោយនិយាយថា Fable 5 មានដំណើរការល្អបំផុតក្នុងចំណោមម៉ូដែលកម្រិតមុខ។ ចំពោះតួលេខ «SWE-Bench Pro សម្រេចបាន 80.3%» ដែលកំពុងត្រូវបានចែកចាយខាងក្រៅ គឺត្រូវតែបញ្ជាក់ឱ្យច្បាស់—នោះគឺជារៀបចំឡើងដោយស្ថាប័នវាយតម្លៃភាគីទីបី (ដូចជា Vellum) ហើយមិនមែនជាខ្លឹមសារនៃសេចក្តីប្រកាសជាផ្លូវការរបស់ Anthropic នោះឡើយ សូមចំណាំប្រភពនៅពេលឃើញវា។

ខ្ញុំចង់រំលឹកជាពិសេសអំពីចំណុចចុងក្រោយនេះ។ នៅពេលដែលការប្រកាសម៉ូដែលត្រូវបានចេញផ្សាយ រូបភាពអេក្រង់នៃពិន្ទុតេស្តផ្សេងៗត្រូវបានចែកចាយពេញអ៊ីនធឺណិត ប៉ុន្តែអ្វីដែលខាងផ្លូវការនិយាយ និងអ្វីដែលភាគីទីបីវាស់វែងគឺជារឿងពីរផ្សេងគ្នា។ ការយកតួលេខភាគីទីបីមកធ្វើជាការធានាផ្លូវការ គឺជាអន្ទាក់ដែលងាយនឹងធ្លាក់ចូលបំផុតពេលអានព័ត៌មាន AI។

ការវិភាគផលប៉ះពាល់ទីផ្សារ

ចំពោះអ្នកប្រើប្រាស់ទូទៅនៅតៃវ៉ាន់ អារម្មណ៍ដែលផ្ទាល់បំផុតគឺមានពីរ៖ ឆ្លាតជាងមុន ប៉ុន្តែក៏ថ្លៃជាងមុនដែរ។ ប្រសិនបើអ្នកជាអ្នកสมัครสมาชิกគម្រោង Pro ឬ Max របស់ Claude សូម αδ៑ឱកាសទាញយកប្រយោជន៍ពីរយៈពេលឥតគិតថ្លៃមុនថ្ងៃទី ២២ ខែមិថុនា ដើម្បីសាកល្បង Fable 5 គឺពិតជាមិនខុសទេ—ជាពិសេសគឺយកវាទៅរត់ការងារខ្លាំងៗដែលអ្នកមានអារម្មណ៍ថា ChatGPT ឬ Gemini ដោះស្រាយមិនបានល្អគ្រប់គ្រាន់ ដើម្បីប្រៀបធៀបគម្លាត។ ប៉ុតតែកុំបង្កើតទម្លាប់ «ប្រើប្រាស់ម៉ូដែលដែលថ្លៃបំផុតសម្រាប់គ្រប់រឿង» ឱ្យសោះ ការងារ琐事ប្រចាំថ្ងៃគឺប្រើម៉ូដែលធូរថ្លៃក៏គ្រប់គ្រាន់ហើយ ដោយទុក Fable 5 សម្រាប់ការងារពិបាកៗដែលពិតជាត្រូវការវា។

ចំពោះការប្រើប្រាស់ក្នុងសហគ្រាស តម្លៃដែលកើនឡើងទ្វេដងគឺជាការពិតដែលត្រូវតែគណនាចូលទៅក្នុងបញ្ជីគណនេយ្យ។ ប្រសិនបើក្រុមហ៊ុនមួយភ្ជាប់ Claude ទៅនឹងសេវាអតិថិជន ការ xử lý ឯកសារ និងឧបករណ៍ផ្ទៃក្នុងនោះ បើបរិមាណនៃការហៅប្រើប្រាស់មានច្រើន តម្លៃ ៥០ ដុល្លារក្នុងមួយលាន output tokens នឹងធ្វើឱ្យវិក្កយបត្រចុងខែមានអារម្មណ៍ខ្លាំងណាស់។ យោបល់របស់ខ្ញុំគឺ៖ កុំប្តូរទៅ Fable 5 ទាំងស្រុងដោយគ្មានការគិតគូរ ត្រូវធ្វើការបែងចែកថ្នាក់ជាមុនសិន—ការងារសាមញ្ញប្រើម៉ូដែលធូរថ្លៃ មានតែផ្នែកដែលពិតជាត្រូវការសមត្ថភាពខ្ពស់ប៉ុណ្ណោះទើបប្រើ Fable 5។ នេះគឺស្របគ្នាទៅនឹងការសង្កេតរបស់យើងពីមុននៅពេលពិភាក្សាអំពី ម៉ូដែល MAI ដែលបង្កើតដោយខ្លួនឯងរបស់ Microsoft៖ យុទ្ធសាស្ត្រ AI របស់សហគ្រាសក្នុងឆ្នាំ ២០២៦ គឺស្នូលរបស់វាគឺ «ការច្នៃម៉ូដែលច្រើនមុខចូលគ្នា និងបែងចែកតាមភារកិច្ច» មិនមែនស្មោះស្ម័គ្រនឹងក្រុមហ៊ុនតែមួយនោះទេ។

ចំពោះអ្នកអភិវឌ្ឍន៍ យន្តការ «ទាល់តែពិនិត្យផ្ទៀងផ្ទាត់ទើបឱ្យ» របស់ Mythos 5 គឺជាសញ្ញាដែលគួរតែតាមដានយ៉ាងដិតដល់។ ប្រសិនបើអ្វីដែលអ្នកកំពុងធ្វើគឺជាឧបករណ៍សន្តិសុខ សាកល្បងជ្រៀតចូល ឬ red team នោះប្រសិនបើអ្នកចង់ទទួលបាន «កម្លាំងពេញលេញ» នៃម៉ូដែលនាពេលអនាគត អ្នកប្រហែលជាត្រូវឆ្លងកាត់ការពិនិត្យគុណវុឌ្ឍិពីអ្នកផ្គត់ផ្គង់ជាមុនសិន។ នេះគឺជាកម្រិតសមហេតុផលសម្រាប់ការស្រាវជ្រាវសន្តិសុខប្រកបដោយក្រមសីលធម៌ ប៉ុន្តែវាក៏មានន័យថា៖ ការទទួលបានសមត្ថភាពម៉ូដែលគឺកំពុងផ្លាស់ប្តូរពី «មានលុយទិញបាន» ទៅជា «មានលក្ខណៈសម្បត្តិគ្រប់គ្រាន់ទើបបាន»។ ការភ្ជាប់ Fable 5 នៅក្នុងឧបករណ៍អភិវឌ្ឍន៍ដូចជា Cursor គឺទទួលបានសមត្ថភាពនៃកំណែសាធារណៈ ចំណែកឯផ្នែកដែលបន្ធូរបន្ថយការកំណត់យ៉ាងពិតប្រាកដនោះ គឺមិនមែនគ្រប់គ្នាសុទ្ធតែអាចទទួលបានឡើយ។

និន្នាការអភិវឌ្ឍន៍នាពេលអនាគត

ខ្ញុំគិតថាចំណុចទាក់ទាញពិតប្រាកដនៃការចេញផ្សាយលើកនេះ គឺ «អភិបាលកិច្ចបែងចែកថ្នាក់សុវត្ថិភាព AI» ចាប់ផ្តើមបោះជំហានពីទ្រឹស្តីទៅជាផលិតផល។ នាពេលកន្លងមក នៅពេលនិយាយអំពីសុវត្ថិភាព AI ភាគច្រើនគឺឈប់នៅត្រឹមឯកសារស និងសេចក្តីប្រកាសគោលការណ៍។ Fable 5 / Mythos 5 បានប្រែក្លាយវាទៅជាការសម្រេចចិត្តលើផលិតផលជាក់ស្តែង—ដោយបែងចែកកំណែតាមសមត្ថភាព និងពិនិត្យអត្តសញ្ញាណ ដែលត្រូវបានសរសេរដោយផ្ទាល់ទៅក្នុងដំណើរការចេញផ្សាយ។

គេអាចរំពឹងថា ក្រុមហ៊ុនផលិតម៉ូដែលកម្រិតមុខផ្សេងទៀតនឹងដើរតាមវិធីសាស្ត្រស្រដៀងគ្នានេះ។ នៅពេលដែលម៉ូដែលខ្លាំងដល់កម្រិតណាមួយ ហានិភ័យនយោបាយ និងផ្លូវច្បាប់នៃការ «បើកចំហរទាំងស្រុង» គឺខ្ពស់ពេក ដូច្នេះ «ការចេញផ្សាយបែងចែកថ្នាក់តាមហានិភ័យ និងអត្តសញ្ញាណ» នឹងค่อยៗក្លាយជាអនុវត្តទូទៅក្នុងឧស្សាហកម្ម។ ចំពោះអ្នកប្រើប្រាស់ នេះមានន័យថា «ម៉ូដែលខ្លាំងបំផុត» ដែលអ្នកទទួលបានតាមការពិតអាចជា «កំណែដែលត្រូវបានកាត់បន្ថយសុវត្ថិភាពនៃម៉ូដែលខ្លាំងបំផុត»។ ចំពោះនិយតករ នេះផ្តល់នូវចំណុចប្រទាក់គ្រប់គ្រងដែលអាចអនុវត្តបាន។

និន្នាការមួយទៀតគឺប្រព័ន្ធសមាជិកភាពដែលផ្តាច់ចេញពីតម្លៃ និងសមត្ថភាព។ បង្អួចឥតគិតថ្លៃ បន្ទាប់មកប្តូរទៅប្រើ credits និងការគិតប្រាក់តាមការប្រើប្រាស់របស់សហគ្រាស—Anthropic បានចាត់ចែងវិធីសាស្ត្រ «សាកល្បងមុន ទូទាត់ពេលក្រោយ» យ៉ាងល្អិតល្អន់។ វិធីសាស្ត្រនេះនឹងធ្វើឱ្យអ្នកប្រើប្រាស់កាន់តែមានទម្លាប់ «បង់ប្រាក់បន្ថែមសម្រាប់សមត្ថភាពកម្រិតខ្ពស់» ហើយក៏ធ្វើឱ្យការបែងចែកការងាររវាង «ម៉ូដែលតម្លៃសមរម្យຮັບខុសត្រូវរឿងប្រចាំថ្ងៃ ឯម៉ូដែលកំពូលទទួលខុសត្រូវរឿងពិបាកៗ» កាន់តែច្បាស់លាស់ឡើងៗផងដែរ។

សេចក្តីសន្និដ្ឋាន និងការវាយតម្លៃពី TheAI學院

និយាយឱ្យត្រង់ទៅ ពិន្ទុតេស្តរបស់ Fable 5 មិនថាកម្រិតណាក៏ដោយ នឹងត្រូវជំនួសដោយម៉ូដែលបន្ទាប់ក្នុងរយៈពេលកន្លះឆ្នាំទៀត ដែលមិនមែនជាចំណុចសំខាន់នៃព័ត៌មាននេះទេ។ ចំណុចសំខាន់គឺ Anthropic បានប្រើប្រាស់ការចេញផ្សាយតែមួយ ដើម្បីបង្ហាញពីច្បាប់នៃហ្គេមដែលកំពុងបង្កើតឡើងគឺ «សមត្ថភាពកាន់តែខ្លាំង ការចេញផ្សាយកាន់តែត្រូវបែងចែកថ្នាក់»។

នៅពេលដែល «ម៉ូដែលខ្លាំងបំផុត» ចាប់ផ្តើមសម្រេចចិត្តថាតើត្រូវផ្តល់ឱ្យអ្នកប៉ុណ្ណា ផ្អែកលើអត្តសញ្ញាណរបស់អ្នក អ្វីដែលយើងកំពុងពិភាក្សាមិនមែនគ្រាន់តែជាបច្ចេកវិទ្យាទៀតទេ ប៉ុន្តែគឺថាតើនរណាមានលក្ខណៈសម្បត្តិគ្រប់គ្រាន់ក្នុងការប៉ះពាល់នឹងភ្លើងនេះ។

យោបល់ជាក់ស្តែងសម្រាប់អ្នកអាននៅតៃវ៉ាន់គឺ៖ ទីមួយ កុំខ្ជះខ្ជាយបង្អួចឥតគិតថ្លៃមុនថ្ងៃទី ២២ ខែមិថុនា យកកិច្ចការដែលពិបាកបំផុតរបស់អ្នកមកធ្វើតេស្ត Fable 5 ជាក់ស្តែង ហើយមានអារម្មណ៍ដោយខ្លួនឯងថាតើវាคุ้มតម្លៃពីរដងនោះដែរឬអត់។ ទីពីរ ប្រសិនបើអ្នក ឬក្រុមហ៊ុនរបស់អ្នកពឹងផ្អែកខ្លាំងលើ Claude ឥឡូវនេះគឺជាពេលដែលត្រូវអង្គុយចុះ ហើយធ្វើការ «បែងចែកថ្នាក់ម៉ូដែល»—ដោយបែងចែកកិច្ចការតាមកម្រិតពិបាកទៅកាន់ម៉ូដែលដែលមានតម្លៃខុសៗគ្នា ដើម្បីកុំឱ្យវិក្កយបត្រចេញពីការគ្រប់គ្រង។ ទីបី អ្នកអភិវឌ្ឍន៍ដែលធ្វើការងារសន្តិសុខ និង agent គួរតែចាប់ផ្តើមយកចិត្តទុកដាក់ចំពោះនិន្នាការរបស់ក្រុមហ៊ុននានាដែលថា «ទាល់តែឆ្លងកាត់ការពិនិត្យទើបផ្តល់សមត្ថភាពពេញលេញ» ហើយស្វែងយល់ពីកម្រិតគុណវុឌ្ឍិជាមុន។ ការដែលសមត្ថភាពកាន់តែខ្លាំងឡើងគឺជាការណ៍ល្អ ប៉ុន្តែរបៀបប្រើប្រាស់វាយ៉ាងឆ្លាតវៃ និងអាចបង់ថ្លៃប្រើប្រាស់បាន គឺជាសមត្ថភាពពិតប្រាកដ។

ប្រភពទិន្នន័យ

• សេចក្តីប្រកាសផ្លូវការរបស់ Anthropic៖ Claude Fable 5 និង Mythos 5
• ប្លុកព័ត៌មាន AWS៖ Claude Fable 5 នៅលើ AWS
• CNBC៖ Anthropic បង្ហាញខ្លួន Claude Fable 5 (០៩/០៦/២០២៦)

(អត្ថបទនេះត្រូវបានរៀបចំឡើងយោងតាមព័ត៌មានសាធារណៈ តម្លៃម៉ូដែល ពេលវេលាអាចប្រើប្រាស់បាន និងមុខងារគឺផ្អែកលើការប្រកាសផ្លូវការចុងក្រោយបង្អស់របស់ Anthropic; តួលេខវាយតម្លៃពីភាគីទីបីនៅក្នុងអត្ថបទត្រូវបានសម្គាល់ប្រ