Anthropic نے اپنی سسٹم پرامپٹ ہدایات کا 80 فیصد حصہ ختم کر دیا ہے اور Opus 5 متعارف کرایا ہے، جو کہ ایک نیا Claude Code ماڈل ہے جو کئی دنوں یا ہفتوں تک خود مختارانہ طور پر چل سکتا ہے اور Arc AGI بینچ مارک پر 30 فیصد اسکور کرتا ہے۔ یہ "press-delete" ری ڈیزائن، جسے کمپنی "unhobbling" حکمت عملی کہتی ہے، AI کی اصل صلاحیتوں کو ان سافٹ ویئر بیڑیوں کے بغیر سامنے آنے دیتا ہے جو عام طور پر بڑے لینگویج ماڈلز کو صرف چیٹ تک محدود رکھتی ہیں۔

یہ تبدیلی کیوں اہم ہے

Anthropic کے انجینئرز پہلے Claude میں گارڈ ریلز (guardrails) کا ایک گہرا مجموعہ شامل کرتے تھے—یعنی ایسی واضح ہدایات جو ماڈل کو بتاتی تھیں کہ کیا کہنا ہے، کیا نہیں کہنا، اور کام پر کیسے توجہ مرکوز رکھنی ہے۔ وہ پرامپٹس ایک پٹّے (leash) کی طرح کام کرتے ہیں، جو ماڈل کو غیر آزمودہ رویوں کی طرف جانے سے روکتے ہیں لیکن ساتھ ہی اس کی کارکردگی کو بھی محدود کر دیتے ہیں۔ جب Opus 5 آیا، تو ٹیم نے تمام پرامپٹ اسٹیک کو حذف کر دیا، پھر ایک ایک کر کے ہدایات دوبارہ شامل کیں اور ہر ایک کے اثر کا جائزہ لیا۔ چونکہ نیا ماڈل زیادہ باصلاحیت ہے، اس لیے انہوں نے اصل الفاظ کا زیادہ تر حصہ ختم کر دیا اور پھر بھی قابل اعتماد نتائج حاصل کیے۔ اب یہ سسٹم اعلیٰ سطح کے اہداف کو سمجھتا ہے اور مکمل فائلیں اور فیچرز تیار کرتا ہے۔

تکنیکی فائدہ

  • بینچ مارک میں چھلانگ – Opus 5 نے Arc AGI بینچ مارک پر 30 فیصد اسکور حاصل کیا، جو کہ ایک ایسا پیمانہ ہے جو نئے مسائل حل کرنے کی ماڈل کی صلاحیت کو جانچتا ہے۔ Claude کے پچھلے ورژن اس سے کہیں کم اسکور کرتے تھے، جو کہ خام سوچنے کی طاقت (raw reasoning power) میں ایک بڑی چھلانگ کی نشاندہی کرتا ہے۔
  • طویل خود مختاری – "Auto Mode" فیچر ماڈل کو طویل مدت تک کام کرنے کی اجازت دیتا ہے، جس میں وہ اپنا سیاق و سباق (context) برقرار رکھتا ہے اور انسانی مداخلت کے بغیر ترقی کرتا رہتا ہے۔ عملی طور پر، ایک ڈویلپر ماڈل کو ایک تفصیل (specification) دے سکتا ہے اور اسے کئی دنوں تک کام کرنے کے لیے چھوڑ سکتا ہے، اور صرف اس وقت چیک کر سکتا ہے جب کوئی اہم سنگ میل (milestone) حاصل ہو جائے۔
  • پرامپٹ انجیکشن کے خلاف مضبوطی – پرامپٹ انجیکشن صارف کے ان پٹ میں نقصان دہ ہدایات شامل کر کے ماڈل کو اس کے حفاظتی اصولوں کو نظر انداز کرنے پر مجبور کر دیتا ہے۔ Anthropic کا کہنا ہے کہ Opus 5 اپنے پچھلے ورژنوں کے مقابلے میں اس حملے کا بہتر مقابلہ کرتا ہے، جس کی وجہ اندرونی تحقیق اور خصوصی کلاسیفائرز (classifiers) ہیں جو مشکوک پیٹرنز کی نشاندہی کرتے ہیں۔ وہ لانچ سے پہلے ایگزٹ کرائیٹیریا (exit criteria) اور گارڈ ریلز کی تعریف کرنے کی بھی سفارش کرتے ہیں۔

ڈویلپرز اور اداروں کے لیے اہمیت

AI سے چلنے والے ٹولز بنانے والے اسٹارٹ اپس کے لیے، یہ تبدیلی "product overhang" کے فرق کو بڑھاتی ہے—یعنی وہ فرق جو ایک ماڈل کیا کر سکتا ہے اور اس کے گرد موجود سافٹ ویئر اسے کیا کرنے کی اجازت دیتا ہے۔ اس رکاوٹ کو ختم کر کے، Claude Code ایک سادہ چیٹ انٹرفیس کو ایک مکمل اسٹیک ڈویلپمنٹ اسسٹنٹ میں بدل سکتا ہے جو خود مختارانہ طور پر کوڈ لکھتا ہے، ٹیسٹ کرتا ہے اور ریفیکٹر (refactor) کرتا ہے۔ جو ادارے اس ماڈل کو اپنائیں گے وہ بار بار کیے جانے والے کوڈنگ کے کاموں پر لگنے والے وقت کو کم کر سکتے ہیں، جس سے انجینئرز اعلیٰ سطح کے ڈیزائن کے کاموں کے لیے فارغ ہو سکیں گے۔

"unhobbling" کا اصل مطلب کیا ہے

Cherny نے ایک باصلاحیت ماڈل کو مصنوعی پابندیوں سے آزاد کرنے کے لیے "unhobbling" کی اصطلاح استعمال کی۔ بہت سے AI پروڈکٹس میں، ڈویلپرز جان بوجھ کر ماڈل کی کوششوں کو محدود کرتے ہیں کیونکہ UI یا پالیسی فریم ورک ماڈل کے مکمل دائرہ کار کے لیے تیار نہیں ہوتا۔ اس کا نتیجہ "product overhang" کی صورت میں نکلتا ہے جہاں AI غیر استعمال شدہ صلاحیتوں کے ایک ستون پر بیٹھا رہتا ہے۔ Claude Code اس صلاحیت کو عملی شکل میں لاتا ہے، جس سے ماڈل محض سوالات کے جواب دینے والے بوٹ کے بجائے سافٹ ویئر کے ایک સહ-مصنف (co-author) کے طور پر کام کر سکتا ہے۔

بانیوں اور طلباء کے لیے مشورہ

  • اوور ہینگ (overhang) کی نشاندہی کریں – ایسے کاموں کی تلاش کریں جہاں موجودہ AI ٹولز اپنی موجودہ حدود سے تھوڑا آگے لڑکھڑا جاتے ہیں۔ یہ وہ آسان مواقع ہیں جہاں "unhobbling" کا طریقہ کار غیر معمولی نتائج دے سکتا ہے۔
  • ماڈل کو چیلنج کریں – AI کو ایسے کام سونپیں جو اس کی اشتہاری صلاحیتوں سے تھوڑے سے زیادہ محسوس ہوں۔ ماڈل کی اندرونی منطق آپ کو حیران کر سکتی ہے، خاص طور پر جب آپ پرامپٹ کی رکاوٹوں کو کم کر دیتے ہیں۔
  • واضح گارڈ ریلز مقرر کریں – ماڈل کو بغیر نگرانی کے چلانے سے پہلے، ایگزٹ کنڈیشنز (مثلاً زیادہ سے زیادہ رن ٹائم، وسائل کی حد) اور حفاظتی چیکس وضع کریں۔ یہ AI کو خطرات کو محدود رکھتے ہوئے دریافت کرنے کی اجازت دیتا ہے۔

طلباء کو نظریے کو عمل کے ساتھ ملانا چاہیے۔ الگورتھم میں مہارت حاصل کرنا قیمتی ہے، لیکن اس علم کو پروڈکٹ کی سوچ اور ڈیٹا پر مبنی تجربات کے ساتھ جوڑنا AI-first بنانے والوں کی اگلی لہر کو ممکن بنائے گا۔

آگے کیا دیکھنا ہے

حاصلِ کلام: اپنے سسٹم پرامپٹس کا زیادہ تر حصہ حذف کر کے، Anthropic نے ایک ذہین ماڈل کو بہت کم رہنمائی کے ساتھ کام کرنے دیا، جس سے Claude Code ایک خود مختار کوڈر میں بدل گیا جو ہفتوں طویل منصوبوں پر کام کر سکتا ہے۔