آنتروپیک (Anthropic) ۸۰٪ از دستورالعملهای پرامپت سیستمی خود را حذف کرد و Opus 5 را عرضه کرد؛ مدل جدید Claude Code که میتواند روزها یا هفتهها بهصورت خودکار فعالیت کند و در بنچمارک Arc AGI امتیاز ۳۰٪ را کسب کرده است. این بازطراحی با رویکرد «حذف با کلید Delete» که شرکت آن را استراتژی «از بند رها کردن» (unhobbling) مینامد، اجازه میدهد قابلیتهای خام هوش مصنوعی بدون محدودیتهای نرمافزاری که معمولاً مدلهای زبانی بزرگ را در حالت «فقط چت» نگه میدارند، نمایان شوند.
چرا این تغییر اهمیت دارد
مهندسان Anthropic پیش از این، Claude را با مجموعهای متراکم از نردههای حفاظتی (guardrails) پر میکردند؛ پرامپتهای صریحی که به مدل میگفت چه چیزی بگوید، چه چیزی نگوید و چگونه روی وظیفه خود متمرکز بماند. این پرامپتها مانند یک قلاده عمل میکنند و مانع از آن میشوند که مدل به رفتارهای آزموننشده سوق پیدا کند، اما در عین حال، تواناییهای آن را نیز محدود میکنند. وقتی Opus 5 از راه رسید، تیم سازنده تمام پشتهی پرامپتها را حذف کرد و سپس دستورالعملها را یکییکی دوباره اضافه کرد تا تأثیر هر کدام را بسنجد. از آنجایی که مدل جدید توانمندتر است، آنها بیشتر عبارات اصلی را حذف کردند و همچنان به نتایج قابل اعتمادی رسیدند. اکنون سیستم هدف سطح بالا را درک کرده و فایلها و ویژگیهای کامل را تولید میکند.
دستاوردهای فنی
- جهش در بنچمارک – Opus 5 در بنچمارک Arc AGI امتیاز ۳۰٪ را کسب کرد؛ معیاری که توانایی مدل در حل مسائل نوظهور را میسنجد. نسخههای قبلی Claude امتیاز بسیار پایینتری داشتند که نشاندهنده جهش قابل توجه در قدرت استدلال خام است.
- خودمختاری گسترده – ویژگی «Auto Mode» به مدل اجازه میدهد برای دورههای طولانی فعالیت کند، بافت (context) خود را حفظ نماید و بدون نیاز به تلنگرهای مداوم انسانی، پیشرفت کند. در عمل، یک توسعهدهنده میتواند مشخصات فنی را به مدل بسپارد و اجازه دهد روزها روی آن کار کند و تنها زمانی که به یک نقطه عطف (milestone) رسید، آن را بررسی کند.
- مقاومت در برابر تزریق پرامپت (Prompt Injection) – تزریق پرامپت با گنجاندن دستورالعملهای مخرب در ورودی کاربر، مدل را فریب میدهد تا قوانین ایمنی خود را نادیده بگیرد. Anthropic میگوید Opus 5 به لطف تحقیقات داخلی و طبقهبندیکنندههای تخصصی که الگوهای مشکوک را شناسایی میکنند، در برابر این نوع حملات بهتر از پیشینیان خود مقاومت میکند. آنها همچنین توصیه میکنند که قبل از راهاندازی، معیارهای خروج و نردههای حفاظتی تعریف شود.
مخاطرات و فرصتها برای توسعهدهندگان و سازمانها
برای استارتاپهایی که ابزارهای مبتنی بر هوش مصنوعی میسازند، این تغییر باعث گسترش «شکاف محصول» (product overhang) میشود؛ یعنی فاصله بین آنچه یک مدل میتواند انجام دهد و آنچه نرمافزارهای پیرامونی به آن اجازه میدهند انجام دهد. با رفع این محدودیت، Claude Code میتواند یک رابط چت ساده را به یک دستیار توسعهدهنده فولاستک تبدیل کند که کدها را بهصورت خودکار مینویسد، تست میکند و بازنویسی (refactor) میکند. سازمانهایی که این مدل را به کار بگیرند، میتوانند زمان صرفشده برای وظایف تکراری کدنویسی را کاهش داده و مهندسان را برای کارهای طراحی سطح بالاتر آزاد کنند.
معنای واقعی «از بند رها کردن» (unhobbling) چیست
Cherny اصطلاح «unhobbling» را برای توصیف رها کردن یک مدل توانمند از محدودیتهای مصنوعی ابداع کرد. در بسیاری از محصولات هوش مصنوعی، توسعهدهندگان عمداً آنچه را که مدل میتواند امتحان کند محدود میکنند، زیرا رابط کاربری یا چارچوب سیاستگذاری برای گستره کامل تواناییهای مدل آماده نیست. نتیجه، یک «شکاف محصول» است که در آن هوش مصنوعی بر روی سکوی پتانسیلهای استفادهنشده نشسته است. Claude Code این پتانسیل را به سطح عملیاتی میآورد و اجازه میدهد مدل به جای یک باتِ صرفاً پاسخگو، به عنوان یک همنویسنده (co-author) در نرمافزار عمل کند.
توصیههایی برای بنیانگذاران و دانشجویان
- شکافها را شناسایی کنید – به دنبال وظایفی باشید که ابزارهای هوش مصنوعی فعلی دقیقاً در مرز محدودیتهای خود دچار مشکل میشوند. اینها فرصتهای طلایی هستند که رویکرد «از بند رها کردن» میتواند بازدهی بسیار بالایی داشته باشد.
- مدل را به چالش بکشید – وظایفی را به هوش مصنوعی بسپارید که کمی فراتر از قابلیتهای تبلیغشدهاش به نظر میرسند. استدلال داخلی مدل ممکن است شما را غافلگیر کند، بهویژه زمانی که اصطکاک پرامپت را کاهش دهید.
- نردههای حفاظتی شفاف تعریف کنید – قبل از اینکه اجازه دهید مدل بدون نظارت اجرا شود، شرایط خروج (مانند حداکثر زمان اجرا، محدودیت منابع) و بررسیهای ایمنی را مشخص کنید. این کار اجازه میدهد هوش مصنوعی کاوش کند در حالی که ریسکها در محدوده کنترلشده باقی میمانند.
دانشجویان باید تئوری را با عمل ترکیب کنند. تسلط بر الگوریتمها ارزشمند است، اما ترکیب آن دانش با تفکر محصولمحور و آزمایشهای دادهمحور، موج بعدی سازندگانِ «هوش مصنوعیمحور» را قادر خواهد ساخت.
آنچه باید در آینده زیر نظر داشت
نکته کلیدی: Anthropic با حذف بیشتر پرامپتهای سیستمی خود، اجازه داد یک مدل هوشمندتر با نیاز به راهنمایی بسیار کمتر عمل کند و Claude Code را به یک کدنویس خودکار تبدیل کرد که میتواند پروژههای چند هفتهای را مدیریت کند.