Anthropic తన సిస్టమ్-ప్రాంప్ట్ సూచనలలో 80%ను తొలగించి, Opus 5ని విడుదల చేసింది. ఇది ఒక కొత్త Claude Code మోడల్, ఇది రోజులు లేదా వారాల పాటు స్వతంత్రంగా (autonomously) పనిచేయగలదు మరియు Arc AGI బెంచ్‌మార్క్‌లో 30% స్కోరు సాధించింది. కంపెనీ దీనిని "unhobbling" వ్యూహం అని పిలిచే "press-delete" రీడిజైన్, సాధారణంగా లార్జ్ లాంగ్వేజ్ మోడల్స్‌ను కేవలం చాట్ మోడ్‌లోనే ఉంచే సాఫ్ట్‌వేర్ బంధనాల (shackles) లేకుండా AI యొక్క అసలు సామర్థ్యాలను బయటకు తీస్తుంది.

ఈ మార్పు ఎందుకు ముఖ్యం

Anthropic ఇంజనీర్లు గతంలో Claudeకి అనేక గార్డ్‌రైల్స్ (guardrails) జోడించేవారు—అంటే మోడల్ ఏమి చెప్పాలి, ఏమి చెప్పకూడదు మరియు పనిపై ఎలా దృష్టి పెట్టాలి అని చెప్పే స్పష్టమైన ప్రాంప్ట్‌లు. ఆ ప్రాంప్ట్‌లు ఒక పట్టీ (leash) లాగా పనిచేస్తాయి, మోడల్ పరీక్షించబడని ప్రవర్తన వైపు వెళ్లకుండా నిరోధిస్తాయి, కానీ అది సాధించగలిగే సామర్థ్యాన్ని కూడా పరిమితం చేస్తాయి. Opus 5 వచ్చినప్పుడు, బృందం మొత్తం ప్రాంప్ట్ స్టాక్‌ను తొలగించి, ఆపై ఒక్కొక్కటిగా సూచనలను తిరిగి జోడించి, ప్రతి దాని ప్రభావం ఎలా ఉందో కొలవసాగారు. కొత్త మోడల్ మరింత సామర్థ్యం కలిగి ఉండటం వల్ల, వారు అసలు పదజాలాన్ని ఎక్కువగా తగ్గించినప్పటికీ నమ్మదగిన ఫలితాలను పొందారు. ఇప్పుడు ఈ సిస్టమ్ ఒక ఉన్నత స్థాయి లక్ష్యాన్ని (high-level goal) అర్థం చేసుకుని, పూర్తి ఫైల్‌లు మరియు ఫీచర్లను రూపొందిస్తుంది.

సాంకేతిక ప్రయోజనం

  • బెంచ్‌మార్క్ లీప్ (Benchmark leap) – కొత్త సమస్యలను పరిష్కరించే మోడల్ సామర్థ్యాన్ని కొలిచే Arc AGI బెంచ్‌మార్క్‌లో Opus 5 30% స్కోరు సాధించింది. అంతకుముందు Claude వెర్షన్లు ఆ మార్కు కంటే చాలా తక్కువ స్కోరు సాధించాయి, ఇది మోడల్ యొక్క ప్రాథమిక తార్కిక శక్తిలో (raw reasoning power) గణనీయమైన పెరుగుదలను సూచిస్తుంది.
  • దీర్ఘకాలిక స్వయంప్రతిపత్తి (Extended autonomy) – "Auto Mode" ఫీచర్ మోడల్ ఎక్కువ కాలం పనిచేయడానికి అనుమతిస్తుంది, ఇది తన స్వంత కాంటెక్స్ట్‌ను నిలుపుకుంటూ, నిరంతర మానవ జోక్యం లేకుండా పురోగతిని సాధిస్తుంది. ఆచరణలో, ఒక డెవలపర్ మోడల్‌కు ఒక స్పెసిఫికేషన్‌ను ఇచ్చి, అది రోజులు పాటు పని చేసేలా వదిలేయవచ్చు, కేవలం ఒక మైలురాయి (milestone) చేరుకున్నప్పుడు మాత్రమే తనిఖీ చేయవచ్చు.
  • ప్రాంప్ట్ ఇంజెక్షన్ (Prompt injection) నిరోధకత – యూజర్ ఇన్‌పుట్‌లో హానికరమైన సూచనలను చేర్చడం ద్వారా మోడల్ తన భద్రతా నియమాలను విస్మరించేలా చేసే పద్ధతే ప్రాంప్ట్ ఇంజెక్షన్. అంతర్గత పరిశోధన మరియు అనుమానాస్పద నమూనాలను గుర్తించే ప్రత్యేక క్లాసిఫైయర్‌ల (classifiers) వల్ల Opus 5 తన పూర్వ వెర్షన్ల కంటే ఈ దాడిని మెరుగ్గా ఎదుర్కోగలదని Anthropic పేర్కొంది. లాంచ్ చేసే ముందు ఎగ్జిట్ క్రైటీరియా (exit criteria) మరియు గార్డ్‌రైల్స్‌ను నిర్వచించాలని వారు కూడా సిఫార్సు చేస్తున్నారు.

డెవలపర్లు మరియు సంస్థల (Enterprises) కోసం ప్రాముఖ్యత

AI ఆధారిత సాధనాలను నిర్మిస్తున్న స్టార్టప్‌ల కోసం, ఈ మార్పు "ప్రొడక్ట్ ఓవర్‌హ్యాంగ్" (product overhang)—అంటే ఒక మోడల్ చేయగలిగే సామర్థ్యానికి మరియు చుట్టూ ఉన్న సాఫ్ట్‌వేర్ దానికి అనుమతించే సామర్థ్యానికి మధ్య ఉన్న అంతరాన్ని పెంచుతుంది. ఆ అడ్డంకిని తొలగించడం ద్వారా, Claude Code ఒక సాధారణ చాట్ ఇంటర్‌ఫేస్‌ను స్వతంత్రంగా కోడ్‌ను రాసే, పరీక్షించే మరియు రీఫ్యాక్టర్ చేసే ఫుల్-స్టాక్ డెవలప్‌మెంట్ అసిస్టెంట్‌గా మార్చగలదు. ఈ మోడల్‌ను అనుసరించే సంస్థలు పునరావృతమయ్యే కోడింగ్ పనులపై వెచ్చించే సమయాన్ని తగ్గించుకోవచ్చు, తద్వారా ఇంజనీర్లు ఉన్నత స్థాయి డిజైన్ పనులపై దృష్టి పెట్టవచ్చు.

"Unhobbling" అంటే నిజంగా ఏమిటి?

సమర్థవంతమైన మోడల్‌ను కృత్రిమ పరిమితుల నుండి విముక్తి చేయడాన్ని వివరించడానికి Cherny "unhobbling" అనే పదాన్ని ఉపయోగించారు. అనేక AI ఉత్పత్తులలో, UI లేదా పాలసీ ఫ్రేమ్‌వర్క్ మోడల్ యొక్క పూర్తి పరిధికి సిద్ధంగా లేకపోవడం వల్ల, డెవలపర్లు మోడల్ ప్రయత్నించగలిగే వాటిని కావాలనే పరిమితం చేస్తారు. దీని ఫలితంగా "ప్రొడక్ట్ ఓవర్‌హ్యాంగ్" ఏర్పడుతుంది, ఇక్కడ AI ఉపయోగించబడని సామర్థ్యంతో నిలిచిపోతుంది. Claude Code ఆ సామర్థ్యాన్ని వాస్తవ రూపంలోకి తెస్తుంది, తద్వారా మోడల్ కేవలం ప్రశ్నలకు సమాధానం ఇచ్చే బాట్ లా కాకుండా, సాఫ్ట్‌వేర్ యొక్క కో-ఆథర్‌గా (co-author) పనిచేయగలదు.

వ్యవస్థాపకులు (Founders) మరియు విద్యార్థుల కోసం సలహాలు

  • ఓవర్‌హ్యాంగ్‌ను గుర్తించండి – ప్రస్తుతం ఉన్న AI సాధనాలు వాటి పరిమితులకు కొంచెం మించి ఎక్కడ తడబడుతున్నాయో ఆ పనులను గమనించండి. అటువంటి పనులే "unhobbling" విధానం ద్వారా గొప్ప ఫలితాలను ఇచ్చే అత్యంత సులభంగా లభించే అవకాశాలు.
  • మోడల్‌ను పరీక్షించండి (Stretch the model) – AI యొక్క ప్రకటించిన సామర్థ్యాల కంటే కొంచెం కష్టమైన పనులను ఇవ్వండి. ముఖ్యంగా మీరు ప్రాంప్ట్ ఘర్షణను (prompt friction) తగ్గించినప్పుడు, మోడల్ యొక్క అంతర్గత తార్కికత మిమ్మల్ని ఆశ్చర్యపరచవచ్చు.
  • స్పష్టమైన గార్డ్‌రైల్స్‌ను నిర్వచించండి – మోడల్‌ను పర్యవేక్షణ లేకుండా నడపడానికి ముందు, ఎగ్జిట్ కండిషన్స్ (ఉదాహరణకు, గరిష్ట రన్ టైమ్, రిసోర్స్ క్యాప్స్) మరియు భద్రతా తనిఖీలను సిద్ధం చేయండి. ఇది ప్రమాదాలను పరిమితం చేస్తూనే, AIని అన్వేషించడానికి అనుమతిస్తుంది.

విద్యార్థులు సిద్ధాంతాన్ని (theory) ఆచరణతో (practice) కలపాలి. అల్గారిథమ్స్‌లో నైపుణ్యం సాధించడం విలువైనదే, కానీ ఆ జ్ఞానాన్ని ప్రొడక్ట్ థింకింగ్ మరియు డేటా ఆధారిత ప్రయోగాలతో జత చేయడం వల్ల తదుపరి తరం AI-ఫస్ట్ బిల్డర్లు (AI-first builders) తయారవుతారు.

తదుపరి ఏం గమనించాలి

ముఖ్య అంశం (Takeaway): తన సిస్టమ్ ప్రాంప్ట్‌లలో ఎక్కువ భాగాన్ని తొలగించడం ద్వారా, Anthropic ఒక తెలివైన మోడల్‌ను తక్కువ పర్యవేక్షణతో పనిచేసేలా చేసింది, తద్వారా Claude Codeని వారాల తరబడి ప్రాజెక్ట్‌లను పూర్తి చేయగల స్వతంత్ర కోడర్‌గా మార్చింది.