Anthropic ജൂലൈ 24-ന് Claude Opus 5 പുറത്തിറക്കി, Opus 4.8-ന്റെ വില നിലനിർത്തിക്കൊണ്ടുതന്നെ കോൺടെക്സ്റ്റ് വിൻഡോ (context window) പത്ത് ലക്ഷം ടോക്കണുകളായി വർദ്ധിപ്പിച്ചു. ഓട്ടോമേറ്റഡ് വർക്ക്ഫ്ലോകൾ നിർമ്മിക്കുന്ന ഡെവലപ്പർമാർ ഇത് ശ്രദ്ധിക്കേണ്ടതുണ്ട്: ഈ അപ്‌ഡേറ്റ് എഫർട്ട്-ലെവൽ കൺട്രോളുകൾ (effort-level controls), നിർബന്ധിതമായിരിക്കേണ്ട ഒരു “thinking” ഘട്ടം, ചെറിയ പ്രോംപ്റ്റുകൾക്കായി പ്രോംപ്റ്റ് കാഷിംഗ് (prompt caching), സംഭാഷണത്തിനിടയിൽ ടൂളുകൾ മാറ്റാനുള്ള കഴിവ് എന്നിവ ഉൾപ്പെടുത്തുന്നു—ഈ ഫീച്ചറുകൾ ഇന്റഗ്രേഷൻ രീതികളെയും ചെലവ് ഘടനയെയും മാറ്റിമറിച്ചേക്കാം.

ഈ അപ്‌ഗ്രേഡ് പ്രധാനമാകുന്നത് എന്തുകൊണ്ട്

പകുതി ചെലവിൽ “Fable 5” ബെഞ്ച്മാർക്കിന് സമാനമായ ബുദ്ധിശക്തി Opus 5 വാഗ്ദാനം ചെയ്യുന്നു. പ്രായോഗികമായി, ഫീസുകൾ വർദ്ധിപ്പിക്കാതെ തന്നെ ഈ മോഡലിന് പത്ത് ലക്ഷം ടോക്കണുകൾ വരെയുള്ള ഇൻപുട്ടുകൾ കൈകാര്യം ചെയ്യാനും 128k ടോക്കണുകൾ വരെ ഔട്ട്പുട്ട് നൽകാനും കഴിയും.

പുതിയ ഡെവലപ്പർ കേന്ദ്രീകൃത നിയന്ത്രണങ്ങൾ

എഫർട്ട്-ലെവൽ കൺട്രോളുകൾ (Effort-level controls)

ഈ മോഡൽ ഡിഫോൾട്ട് ആയി “high” എഫർട്ട് സെറ്റിംഗിലാണ് പ്രവർത്തിക്കുന്നത്, എന്നാൽ ഇതിൽ അഞ്ച് തലങ്ങൾ (tiers) ലഭ്യമാണ്: low, medium, high, xhigh, max. ഓരോ തലവും ഉത്തരത്തിന്റെ ഗുണനിലവാരത്തിന് അനുസൃതമായി കമ്പ്യൂട്ട് സമയത്തിലും ചെലവിലും വ്യത്യാസം വരുത്തുന്നു. ഡെവലപ്പർമാർക്ക് ഒരു ജോബ് 'high' എഫർട്ടിൽ തുടങ്ങാം, ജോലി ലളിതമാണെന്ന് കണ്ടാൽ കുറഞ്ഞ തലത്തിലേക്ക് മാറാം, അല്ലെങ്കിൽ പ്രശ്നം സങ്കീർണ്ണമാണെങ്കിൽ xhigh/max ലേക്ക് ഉയർത്താം.

നിർബന്ധിത thinking mode

Claude ഇപ്പോൾ ഏതൊരു ഔട്ട്പുട്ട് നൽകുന്നതിന് മുമ്പും ഒരു “thinking” ഘട്ടം പൂർത്തിയാക്കുന്നു. ഏറ്റവും ഉയർന്ന രണ്ട് എഫർട്ട് തലങ്ങളിൽ (xhigh, max) ഈ ഘട്ടം നിർബന്ധമാണ്, ഇത് ഓഫ് ചെയ്യാൻ കഴിയില്ല.

512-ടോക്കൺ പ്രോംപ്റ്റുകൾക്കായി പ്രോംപ്റ്റ് കാഷിംഗ്

512 ടോക്കണുകൾ വരെയുള്ള ചെറിയ പ്രോംപ്റ്റുകളിലും ഇപ്പോൾ പ്രോംപ്റ്റ് കാഷിംഗ് പ്രവർത്തിക്കും.

സംഭാഷണത്തിനിടയിൽ ടൂളുകൾ മാറ്റാനുള്ള സൗകര്യം (beta)

ഒരു ബീറ്റ ഫീച്ചറിലൂടെ, നിലവിലുള്ള ഒരു Claude സെഷൻ സംഭാഷണം പുനരാരംഭിക്കാതെ തന്നെ ഉപയോഗിക്കുന്ന എക്സ്റ്റേണൽ ടൂൾ മാറ്റാൻ സാധിക്കും—ഉദാഹരണത്തിന്, ഒരു വെബ്-സെർച്ച് മോഡലിന് പകരം ഒരു ഡാറ്റാബേസ് ക്വറി ഉപയോഗിക്കാം.

ഇന്റഗ്രേഷൻ വർക്ക്ഫ്ലോകൾ നേരിടുന്ന വെല്ലുവിളികൾ

പുതിയ നിയന്ത്രണങ്ങൾ എഞ്ചിനീയർമാർക്ക് ചെലവും പ്രകടനവും കൂടുതൽ കൃത്യതയോടെ നിയന്ത്രിക്കാൻ സഹായിക്കുന്നുണ്ടെങ്കിലും, അവ പുതിയ തകരാറുകൾക്കും (failure modes) കാരണമായേക്കാം. xhigh/max തലങ്ങളിൽ നിർബന്ധിതമായിരിക്കേണ്ട 'thinking' ഘട്ടം കാരണം, ഇന്റേണൽ റീസണിംഗ് (internal reasoning) ഒഴിവാക്കുന്ന നിലവിലുള്ള കോഡുകൾ ഇനി എററുകൾ കാണിച്ചേക്കാം. സംഭാഷണത്തിനിടയിലെ ടൂൾ സ്വിച്ചിംഗ് ഇപ്പോഴും ബീറ്റ ഘട്ടത്തിലായതിനാൽ അതിന്റെ സ്ഥിരത ഉറപ്പില്ല.

മറ്റൊരു വശം

Anthropic വിലയിൽ മാറ്റം വരുത്തിയില്ലെങ്കിലും, ഉയർന്ന എഫർട്ട് തലങ്ങൾ കൂടുതൽ കമ്പ്യൂട്ട് ഉപയോഗിക്കുന്നു.

ഇനി ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

  • “fast mode” പ്രിവ്യൂവിലെ അപ്‌ഡേറ്റുകൾ; ഇത് റിസർച്ച് വർക്ക്ലോഡുകൾക്ക് കുറഞ്ഞ ലാറ്റൻസി (latency) വാഗ്ദാനം ചെയ്യുന്നുണ്ടെങ്കിലും ഇതുവരെ പൊതുവായി ലഭ്യമായിട്ടില്ല.

Claude ഓട്ടോമേറ്റഡ് ആയി ഉപയോഗിക്കുന്ന ഡെവലപ്പർമാരെ സംബന്ധിച്ചിടത്തോളം, ഓരോ ഡോളറിൽ നിന്നും കൂടുതൽ ബുദ്ധിശക്തി പുറത്തെടുക്കാൻ സഹായിക്കുന്ന ഒരു ടൂൾബോക്സ് Opus 5 വാഗ്ദാനം ചെയ്യുന്നു—എന്നാൽ ഇതിനായി thinking ഘട്ടങ്ങൾ ഉൾക്കൊള്ളുന്ന രീതിയിൽ കോഡ് ക്രമീകരിക്കുകയും പുതിയ കാഷിംഗ്, ടൂൾ-സ്വിച്ചിംഗ് വഴികൾ പരിശോധിക്കുകയും ചെയ്യേണ്ടതുണ്ട്.