অ্যানথ্রোপিক ফেবল 5.2 লিক হয়েছে, টেস্টে GPT-6 Astra কে পরাজিত করেছে

এখনই, Fable 5.2 এও প্রকাশিত হয়েছে!

অনেক ব্যবহারকারী দেখেছেন যে Fable 5.2 এখন গ্রে টেস্টিং শুরু করেছে।

এখন, অনেকগুলি বাস্তব পরীক্ষার কেস ইন্টারনেটে প্রকাশিত হয়েছে।

সকলের রাতজুড়ে পরীক্ষার ভিত্তিতে, এই আপডেটের পরিসর এতটাই বড় যে Anthropic সরাসরি '5.1' নামকরণ এড়িয়ে গেল।

সর্বোচ্চ যুক্তিসঙ্গত মোডে, Fable 5.2-এর পরীক্ষাগত পারফরম্যান্স এমনকি GPT-6 Astra-কে পিছনে ফেলে দিয়েছে!

এছাড়াও, অপাস 5.2-এর সম্পর্কেও খবর এসেছে—এটি খুব শীঘ্রই প্রকাশিত হতে পারে, এমনকি আজই আসতে পারে।

গতকাল এই সম্পূর্ণ নতুন Opus 5.2 মডেল (ভিতরের কোডনাম Opus-Next) একটি "লঞ্চ-নেটওয়ার্ক কাটা-আবার লঞ্চ" দৃশ্য দেখিয়েছে।

এই সপ্তাহে, সিলিকন ভ্যালির বড় কোম্পানিগুলি কোনো মডেল প্রকাশ করেনি, সবাই গোপনে পরীক্ষা করছে।

এই চিত্রটি দেখে, এটি সত্যিই অসাধারণ।

গতকাল এনথ্রোপিক ক্লাউড কোড, চ্যাট এবং কোয়ার্কে ফেবল 5.2-এর গ্রে টেস্ট শুরু করেছে।

Fable 5.1 কে কল করা কিছু অনুরোধ ব্যাকগ্রাউন্ডে চুপচাপভাবে Fable 5.2-এ পুনঃনির্দেশিত হচ্ছে।

এখন, অনলাইনে প্রমাণিত কেসের সংখ্যা বাড়ছে। কেউ কেউ বলছেন: ওপেনএআই-এর জন্য সমস্যা শুরু হয়েছে।

উদাহরণ ১: উচ্চ যুক্তিমূলক মোড, আউটপুট গুণমান Astra-কে ছাড়িয়ে গেল!

পরিচিত এআই টেস্টিং ব্লগার @notjazii তাঁর Fable 5.1 নতুন সংস্করণে রাউট হওয়ার পর এক সিরিজ পরীক্ষা শুরু করেন।

উচ্চ যুক্তিমূলক মোডে, তিনি সম্পূর্ণ একই প্রম্পট ব্যবহার করে Fable 5.2 এবং GPT-6 Astra এর তুলনা করেছিলেন।

উপসংহারটি হল: "বর্তমান Fable সংস্করণের তুলনায় এটি একটি বিশাল প্রগতি। Fable 5.2-এর আউটপুট Astra-এর তুলনায় স্পষ্টভাবে উৎকৃষ্ট!"

তিনি বিভিন্ন মোডে আউটপুট পরীক্ষা করেছেন এবং Fable 5.2 (সন্দেহ) এর সাথে তুলনা করেছেন।

তবে, তিনি ক্ষমতার ভৌত নিয়মের অধীনে খরচ—ধীর এবং ব্যয়বহুল—এর কথাও উল্লেখ করেছেন।

লজিক্যাল চেইনের পূর্ণতা এবং দীর্ঘ টেক্সট রিজনিংয়ে সীমানা ভাঙতে, Fable 5.2 একটি গভীরতর «ধীর চিন্তা» ব্যবহার করেছে, যার ফলে জেনারেশন গতি কিছুটা কমেছে এবং রিজনিং খরচ প্রচুর বেড়েছে।

এছাড়াও, জাজিল ফেবল 5.2 দিয়ে একটি ওয়াইল্ড র্যাশ ক্লোন তৈরি করেছিলেন, নিচে এক ঘন্টা পরের ফলাফল। এই অবাক করে দেওয়া ফলাফলটি সব গেম ডেভেলপারদের জন্য এক বিশাল উৎসব!

উদাহরণ ২: "রকেট পরীক্ষা", যা অত্যন্ত বাস্তবিক

ব্যবহারকারী @Bhavani_00007 এফেবল 5.2 ব্যবহার করার সম্ভাবনা খুঁজে পেয়ে তাত্ক্ষণিকভাবে "রকেট টেস্ট" শুরু করেন।

এটি একটি চরম পরীক্ষা যা জটিল ভৌত গণনা, স্থানিক যুক্তি এবং প্রকৌশল সিস্টেম ডিজাইনের সমন্বয়ে গঠিত, যা সাধারণত মডেলের হ্যালুসিনেশন এবং যুক্তিগত বিচ্ছিন্নতা প্রকাশ করতে ব্যবহৃত হয়।

তিনি একই প্রম্পট সেটটি যথাক্রমে Fable 5.2 এবং গ্রে টেস্ট করা হচ্ছে এমন Opus 5.2-এ প্রবেশ করিয়েছেন।

অবিশ্বাস্য ফলাফল: "এর আগের চেয়ে অনেক ভালো, আউটপুট এতটাই বাস্তবসম্মত যে ভয় পাওয়া যায়!"

কেউ ওপেনএআইকে ট্যাগ করে বলেছেন: আপনাদের অ্যাস্ট্রার উত্তরসূরির জন্য প্রস্তুত হওয়া উচিত...

তৃতীয় কেস: সর্বোচ্চ সেটিংয়ে তিন পক্ষের মহাযুদ্ধ

যদি আপনি সমস্ত প্যারামিটারকে সর্বোচ্চে না নিয়ে যান, তবে আপনি কখনই বড় মডেলের সীমানা জানতে পারবেন না।

বড় ভিআই @chetaslua এমনকি দেবতাদের যুদ্ধের ব্যবস্থা করেছেন—Fable 5.2 বনাম Opus Next বনাম GPT-6 Astra।

এছাড়াও, তিনি সমস্ত মডেলকে সর্বোচ্চ সেটিংয়ে সেট করেছিলেন, অর্থাৎ সর্বোচ্চ টোকেন কনটেক্সট এবং সর্বাধিক গভীর যুক্তিপূর্ণ ধাপ।

এটি দেখে মনে হচ্ছে, অপাস এবং ফেবলের বিস্তারিত তথ্য এস্ট্রার চেয়ে অনেক বেশি।

উদাহরণ ৪: হার্ড মোড GPT-6 Astra

বড় ভিআই @Mr_Salio ফেবল 5.2 এর গভীর অভিজ্ঞতার পর সরাসরি বলেন: "অ্যানথ্রোপিক শক্তিশালীভাবে ফিরে আসছে, ফেবল 5.1 এর তুলনায় অসাধারণ, অসাধারণ উন্নতি হয়েছে!"

তিনি দাবি করেন: "Fable 5.2 অবশ্যই GPT-6 Astra-এর হার্ড মোডকে ছাড়িয়ে যাবে, এবং Opus 5.2ও আসছে।"

নগ্ন রান মোডে, Fable 5.2 পূর্ণাঙ্গ Astra কে ছাড়িয়ে যায়, প্যারামিটার সাইজ এবং আর্কিটেকচার ইনোভেশন একেবারেই অবহেলা করা যায় না।

ফেবল 5.2 জিতেছেন কি? টিবো প্রয়োগ করুন

Fable 5.2-এ কি আপনি গ্রে টেস্ট করেছেন তা পরীক্ষা করার পদ্ধতি, আমরা আগেই শেয়ার করেছিলাম—

টিবোকে «রিস্টার্ট বয়» চেষ্টা করুন!

আপনার Claude (চ্যাট, কো-ওয়ার্ক বা কোড ইন্টারফেস যেকোনোটি) খুলুন, মডেলটিকে Opus 5.2 বা Fable 5.2 এ সেট করুন, তারপর prompt টি লিখুন:

আপনি কি জানেন "রিস্টার্ট বোয়াই টিবো" কে? ইন্টারনেট অনুসন্ধান ব্যবহার করবেন না।

আপনি যদি পুরনো সংস্করণ Fable 5.1/Opus 5 ব্যবহার করেন: এটি প্রশিক্ষণ ডেটা আপডেট না হওয়ার কারণে বিভ্রান্ত হয়ে যাবে, ভুল উত্তর দেবে বা বলবে যে এটি জানে না।

আপনি যদি ফেবল ৫.২/অপাস ৫.২-এ সুস্থিরভাবে রাউট করা হয়ে থাকেন: এটি সর্বশেষ প্রশিক্ষণের স্মৃতি দিয়ে, কোনো টুল ছাড়াই সরাসরি আপনাকে বলবে যে টিবো কে!

এছাড়াও, আগে প্রকাশিত Opus 5.2 গতকাল মিডনাইট বিচ্ছিন্নকরণ ঘটনার শিকার হয়।

গতকাল, বড় ভিআই লিও অনলাইনে শেয়ার করেছিলেন: আজকের ওপাস মডেল ঠিক যেন দিব্যি সাহায্য পেয়েছে। রোবলক্স স্টুডিও সহ জটিল 3D পরিবেশের কাজগুলিতে এর পারফরম্যান্স অসাধারণভাবে উত্কৃষ্ট।

এটি Fable 5.1 এবং GPT-6 Astra-এর চেয়ে কম খরচে এবং দ্রুততর! গেমটি সম্পূর্ণরূপে মুক্তভাবে অন্বেষণযোগ্য, এটি এমনকি গেমের জন্য একটি গাইড সিস্টেমও যোগ করেছে!

যখন সে কোডের প্রবাহের আনন্দে ডুবে ছিল, তখন অ্যানথ্রোপিক হঠাৎ করে নেটওয়ার্ক কেবল কেড়ে নিল।

মনিটরিং ডেটা দেখায় যে টেস্ট গ্রুপে সক্রিয় অ্যাকাউন্টের সংখ্যা এক মুহূর্তে শূন্যে নেমে যায়।

লিও দুঃখিত হয়ে বললেন, "আগের অত্যন্ত উত্কৃষ্ট কাজের ফলাফলকে পুরানো মডেল ধ্বংস করতে না দেওয়ার জন্য, আমি প্রকল্পটিকে জোর করে বন্ধ করে দিয়েছি।"

ভাগ্যক্রমে, কয়েক ঘন্টা পরে, অপাস-নেক্সট আবার ফিরে এল!

এবার এটি শুধু ফিরে আসেনি, বরং পরীক্ষার পরিসর Claude Code থেকে বাড়িয়ে Claude Chat এবং Cowork-এর সমস্ত ইন্টারফেসে প্রসারিত করা হয়েছে।

লিও উত্সাহিত হয়ে বলেছেন: "এটি একটি ভালো সংকেত, যা নতুন মডেলের প্রকাশ বা নতুন সংস্করণের শেষ পরীক্ষার প্রক্রিয়া চলছে তা প্রতিফলিত করে।"

এছাড়াও, একজন সতর্ক ব্যবহারকারী একটি আকর্ষণীয় বিষয় উল্লেখ করেছেন: অফিসিয়াল মডেল সিলেক্টরে, Anthropic চুপচাপ Fable-এর জায়গায় Opus বসিয়েছে, এখন Opus সিলেক্টরের প্রথম মডেল।

এটি সম্ভবত এই দুটি বড় মডেলের পজিশনে সূক্ষ্ম পরিবর্তনের ইঙ্গিত দেয়।

কেন 5.1 এড়িয়ে সরাসরি Opus 5.2 নামকরণ করা হল?

এছাড়াও, এআই বড় ভি @TokenGremlin একটি অভ্যন্তরীণ তথ্য প্রকাশ করেছেন।

আমি এখন কিছু Opus 5.2 সম্পর্কে তথ্য পাচ্ছি, এটি সত্যিই Opus-এর একটি বড় উন্নতি। এটি হয়তো ব্যাখ্যা করে যে Anthropic কেন '5.1' নামকরণ এড়িয়ে গেল। হয়তো এই পরিবর্তনটি এতটাই বড় যে একটি সাধারণ +0.1 আপডেট দিয়ে এটিকে গুমোট করা সম্ভব নয়।

তিনি আরও প্রকাশ করেন যে, ওপাস 5.2 ফ্রন্টএন্ড ডেভেলপমেন্ট, 3D মডেলিং এবং সামগ্রিক গেম ডিজাইনে অত্যন্ত প্রাধান্য প্রদর্শন করেছে।

অ্যানথ্রোপিকের অভ্যন্তরে, তারা এটিকে 5.2 হিসাবে বিবেচনা করে কারণ এই নতুন সংস্করণটি কিছু হার্ডকোর ক্ষেত্রে সাম্প্রতিকভাবে প্রকাশিত Fable 5.1 এর চেয়েও শক্তিশালী!

এই সপ্তাহটি আসলে বেস্তার ছিল... কিন্তু এটি অবশ্যই একটি পাগলামির সপ্তাহ ছিল। বড় ভিআই @notjazii এইভাবে মন্তব্য করেছেন।

যদিও এখনও কোনো অফিসিয়ালি প্রকাশিত মডেল নেই, তবুও সব প্ল্যাটফর্ম একসাথে গ্রে টেস্টিং মডেল শুরু করে দিয়েছে এবং সব জায়গায় লিক হচ্ছে।

কেবলমাত্র এক সপ্তাহের মধ্যে, দেখুন কতগুলি বড় কোম্পানি কতটা উত্তেজিত হয়ে উঠেছে।

• 1. Fable 5.1 চুপকরে Fable 5.2-এর দিকে রাউট হচ্ছে;
• 2. অপাস 5 কে অপাস 5.2 (পরবর্তী) এর দিকে রাউট করা হচ্ছে;
• 3. GPT-5.6 Sol কে গোপনে পূর্ণ ক্ষমতাসম্পন্ন GPT-6 Sol-এ পুনঃনির্দেশিত করা হচ্ছে;
• ৪. মাস্কের গ্রক ৪.৭ এখন প্রতিযোগিতামূলক পরীক্ষায় মুখোশ পরে আছে;
• ৫. গুগলের জেমিনি ৪ প্রো পরিবারও «gemini 3.7/3.8 flash» মুখোশ পরে প্রকাশ পেয়েছে।

"মিলেনিয়াম প্রাইজ প্রবলেম" নিয়ে যে কিছু শোনা যাচ্ছে, তা আরও বেশি আশ্চর্যজনক।

জানা গিয়েছে, কিছু অগ্রণী মডেলের যুক্তিবিদ্যা ক্ষমতা মানব গণিতের মুকুটের মণির স্পর্শ করেছে। ডেভেলপমেন্ট টিম শীর্ষস্থানীয় গণিতবিদদের সাথে যোগাযোগ করছে এবং চূড়ান্তভাবে প্রকাশিত সমস্যার সমাধানে তাদের কাজের উল্লেখ করার পরিকল্পনা করছে, "এই গণিতবিদদের খুশি করার জন্য।"

ইতিমধ্যে কিছু ব্যবহারকারী উত্তেজনাপূর্ণ পূর্বানুমান দিয়েছেন—

অ্যানথ্রোপিকের পূর্ববর্তী অপাস 5 শুক্রবার প্রকাশিত হয়েছিল এবং ফেবল 5.1-এর গ্রে টেস্টিংও আনুষ্ঠানিক লঞ্চের আগের দিন শেষ হয়েছিল। আজও ঠিক সিলিকন ভ্যালির শুক্রবার।

আজ রাতের বেলায় কি অপাস 5.2 হঠাৎ করে লঞ্চ হবে?

প্রসঙ্গ:

https://x.com/chetaslua/status/2101024216489632030

https://x.com/notjazii/status/2100941084025290762?s=20

https://x.com/Bhavani_00007/status/2100974061392478230

এই লেখাটি ওয়েইচ্যাট গ্রুপ "নিউজিয়ুয়ান" (ID: AI_era) থেকে এসেছে, লেখক: ASI প্রকাশনা, সম্পাদক: Aeneas