Anthropic ने Fable 5 के लिए Claude Code के सिस्टम प्रॉम्प्ट में 80% की कटौती की
Anthropic बड़े भाषा मॉडलों (large language models) को निर्देशित करने के तरीके में एक युगांतरकारी परिवर्तन (paradigm shift) देख रहा है, जो भारी निर्देश सेटों से हटकर हल्के और अधिक सहज मार्गदर्शन की ओर बढ़ रहा है। यह विकास नए Fable 5 (Mythos class) मॉडलों के आगमन से प्रेरित है, जो कम बाधाओं और अधिक संदर्भ (context) के साथ बेहतर प्रदर्शन करते हैं।
लंबे सिस्टम प्रॉम्प्ट का अंत
वर्षों से, AI प्रदर्शन को अनुकूलित करने के लिए उद्योग का मानक विशाल सिस्टम निर्देशों और विस्तृत 'few-shot' उदाहरणों के माध्यम से "प्रॉम्प्ट इंजीनियरिंग" करना रहा है। डेवलपर्स का मानना था कि अधिक नियम और अधिक "यह न करें" जैसे प्रतिबंध विश्वसनीयता की कुंजी हैं। हालाँकि, Anthropic इस प्रवृत्ति को उलट रहा है।
Anthropic के तकनीकी स्टाफ के सदस्य, Tariq Shihipar ने खुलासा किया कि कंपनी ने Claude Code के सिस्टम प्रॉम्प्ट में आश्चर्यजनक रूप से 80 प्रतिशत की कटौती की है। यह कमी मॉडल के सरलीकरण का संकेत नहीं है, बल्कि नए Fable 5 मॉडलों की परिष्कृत संज्ञानात्मक क्षमताओं (cognitive capabilities) की प्रतिक्रिया है। जैसे-जैसे मॉडल अधिक उन्नत होते जा रहे हैं, लंबे प्रॉम्प्ट के माध्यम से "हाथ पकड़कर चलाने" (hand-holding) का पारंपरिक तरीका प्रतिगामी (counterproductive) होता जा रहा है।
Fable 5 मॉडल बाधाओं का विरोध क्यों करते हैं
Fable 5 (या Mythos class) मॉडलों की ओर यह बदलाव मॉडल के व्यवहार में एक मौलिक परिवर्तन का प्रतिनिधित्व करता है। Shihipar के अनुसार, इन विशिष्ट मॉडलों को व्यापक उदाहरण और कठोर नियम प्रदान करने से वास्तव में उनका प्रदर्शन कम हो जाता है। इसका कारण अप्रत्याशित है: ये मॉडल अपने पूर्ववर्तियों की तुलना में स्वाभाविक रूप से अधिक "कल्पनाशील" (imaginative) हैं।
जब एक डेवलपर विशिष्ट उदाहरणों की एक लंबी सूची प्रदान करता है, तो यह एक बाधा के रूप में कार्य करता है जो मॉडल की तर्क करने की क्षमताओं (reasoning capabilities) को सीमित कर देता है। किसी समस्या के सबसे कुशल या रचनात्मक समाधान की खोज करने के बजाय, मॉडल प्रॉम्प्ट में दिए गए विशिष्ट पैटर्न की नकल करने के लिए मजबूर महसूस करता है। Mythos class की वास्तविक क्षमता को अनलॉक करने के लिए, Anthropic कठोर नियमों से हटकर "संदर्भ के माध्यम से मार्गदर्शन" (steering through context) की ओर बढ़ रहा है। यह मॉडल को अत्यधिक निर्देशात्मक बोझ में फंसे बिना कार्यों को पूरा करने के लिए अपनी तर्क क्षमताओं का उपयोग करने की अनुमति देता है।
प्रॉम्प्ट इंजीनियरिंग का चक्रीय विकास
जैसे-जैसे मॉडल विकसित हुए हैं, प्रॉम्प्ट इंजीनियरिंग की यात्रा ने एक विशिष्ट, चक्रीय पैटर्न का पालन किया है। Anthropic के आंतरिक निष्कर्ष मॉडल विकास के तीन अलग-अलग चरणों पर प्रकाश डालते हैं:
- प्रारंभिक मॉडल (Early Models): किसी भी स्तर की सुसंगतता बनाए रखने के लिए कई उदाहरणों और अत्यंत प्रतिबंधात्मक निर्देशों द्वारा समर्थित छोटे, अत्यधिक विशिष्ट प्रॉम्प्ट की आवश्यकता होती थी।
- मध्यवर्ती मॉडल (Intermediate Models): जैसे-जैसे समझ में सुधार हुआ, प्रॉम्प्ट काफी लंबे होते गए। डेवलपर्स ने मॉडल के व्यवहार के हर पहलू को नियंत्रित करने वाले विशाल, जटिल सिस्टम प्रॉम्प्ट बनाने के लिए इस बढ़ी हुई "निर्देशों का पालन करने" (instruction following) की क्षमता का लाभ उठाया।
- Fable 5 युग: हम एक ऐसे चरण में प्रवेश कर चुके हैं जहाँ प्रॉम्प्ट फिर से छोटे होते जा रहे हैं। ध्यान मॉडल को यह बताने से कि उसे क्या करना है (नियम), बदलकर मॉडल को स्वायत्त रूप से कार्य करने के लिए आवश्यक वातावरण (संदर्भ) प्रदान करने पर केंद्रित हो गया है।
यह विकास AI परिदृश्य के लिए एक मील का पत्थर है। यह सुझाव देता है कि जैसे-जैसे हम अधिक एजेंटिक (agentic) और तर्क-प्रधान मॉडलों की ओर बढ़ेंगे, डेवलपर की भूमिका "नियम बनाने वाले" (rule-maker) से बदलकर "संदर्भ प्रदान करने वाले" (context-provider) की हो जाएगी, जो निर्देशों की मात्रा के बजाय सूचना की गुणवत्ता को प्राथमिकता देगी।
मुख्य बातें
- 80% की कटौती: Anthropic ने Fable 5 (Mythos class) मॉडलों की क्षमताओं के साथ बेहतर तालमेल बिठाने के लिए Claude Code के सिस्टम प्रॉम्प्ट में 80% की कटौती की।
- बाधाएं रचनात्मकता को सीमित करती हैं: अत्यधिक उदाहरण और कठोर "न करें" वाले नियम वास्तव में उन्नत मॉडलों की तर्क और कल्पना करने की क्षमताओं को सीमित कर सकते हैं।
- नियमों के बजाय संदर्भ: AI मार्गदर्शन (steering) की नई सीमा में लंबे, प्रतिबंधात्मक निर्देश सेटों के बजाय समृद्ध संदर्भ प्रदान करना शामिल है।