रोबोटिक बांहों के चीजें उठाने में निराशाजनक रूप से खराब होने का अच्छी तरह से दस्तावेज़ित इतिहास है। 1 सितंबर, 2026 को जारी Anthropic का Claude Fable 5.1 ने इस समस्या में एक महत्वपूर्ण दरार डाल दी है।
मॉडल रोबोटिक पिक-एंड-प्लेस कार्यों पर 40% सफलता दर प्राप्त करता है, जो इसके पूर्ववर्ती क्लॉड फेबल 5 की 5% से बढ़कर है।
अंदर क्या बदला
Fable 5.1 को लंबे समय तक चलने वाले एजेंट कार्यों के लिए डिज़ाइन किया गया है, जिसमें मॉडल को कई चरणों में योजना बनानी, कार्यान्वयन करना और पुनर्प्राप्त करना होता है, बिना किसी मानव के हाथ पकड़े। कोडिंग पाइपलाइन, वैज्ञानिक शोध प्रवाह और जटिल व्यावसायिक स्वचालन लक्ष्य क्षेत्र हैं।
बेंचमार्क संख्याएँ इस फोकस को दर्शाती हैं। Terminal-Bench-Science पर, Fable 5.1 का स्कोर 52.6% है, जबकि Fable 5 का 24.7% है। OSWorld 2.0 की कठोर पूर्ति 36.1% से बढ़कर 41.7% हो गई है। AutomationBench, जो बहु-चरण सॉफ्टवेयर स्वचालन का परीक्षण करता है, 17.1% से बढ़कर 31.4% हो गया है।
लॉन्च के बाद ग्राहक टिप्पणियों ने बेंचमार्क कहानी को दोहराया। उद्यम उपयोगकर्ताओं ने विशेष रूप से घंटों, न कि मिनटों तक चलने वाले प्रोजेक्ट्स पर बेहतर विश्वसनीयता का उल्लेख किया, जहां मॉडल ने पिछले संस्करणों की तुलना में कम टोकन्स का उपयोग करके उन कार्यों को पूरा किया।
कीमत गणित इतना दिखने से अधिक दिलचस्प है
फेबल 5.1 के लिए मूल मूल्य $10 प्रति मिलियन इनपुट टोकन और $50 प्रति मिलियन आउटपुट टोकन पर स्थिर है, जो पिछले मॉडल के समान है।
कैश-पढ़ने की लागत $0.25 प्रति मिलियन टोकन तक 75% घट गई। एंथ्रोपिक का अनुमान है कि कैश में कमी सामान्य कार्यभार पर लगभग 25% बचत का अर्थ है। अधिक जटिल एजेंटिक पाइपलाइन्स के लिए, बचत 45% तक पहुँच सकती है।
मॉडल प्रो, मैक्स, टीम और एंटरप्राइज़ उपयोगकर्ताओं के लिए उपलब्ध है और इसे API और प्रमुख क्लाउड मार्केटप्लेस के माध्यम से एक्सेस किया जा सकता है।
क्यों रोबोटिक्स संख्या के लिए अपनी अलग बातचीत की आवश्यकता है
पिक-एंड-प्लेस सुधार प्रमुख आंकड़ा है, लेकिन यह समझना महत्वपूर्ण है कि इस विशिष्ट मानदंड का क्यों महत्व है। पिक-एंड-प्लेस भौतिक दुनिया के साथ जुड़ाव का एक सूचक है: क्या एक एआई मॉडल अमूर्त तर्क को सटीक, वास्तविक दुनिया के मोटर आदेशों में बदल सकता है? यह कार्य वस्तु पहचान, स्थानिक तर्क, पकड़ने की योजना बनाने और जब कुछ गलत हो जाए तो त्रुटि पुनर्प्राप्ति को शामिल करता है।
5% सफलता दर मूलतः शोर है। 40% दर अभी भी अनुनिरीक्षित औद्योगिक लागू करने के लिए पर्याप्त नहीं है, लेकिन यह सीमा पार कर जाती है जहाँ तकनीक मनोरंजन के रूप में नहीं, बल्कि मानव सहायता परत के रूप में उपयोगी हो जाती है।
प्रतिस्पर्धी संदर्भ
स्वतंत्र मूल्यांकनकर्ताओं ने क्लॉड फेबल 5.1 को इसके लॉन्च के तुरंत बाद बुद्धिमत्ता सूचकांकों पर पिछले नेताओं के बराबर या उनसे ऊपर रैंक किया। टर्मिनल-बेंच-साइंस, OSWorld 2.0 और ऑटोमेशनबेंच पर सुधारों का पैटर्न यह सुझाता है कि एंथ्रोपिक जटिल, बहु-चरणीय, बहु-घंटे के कार्यप्रवाह चला रहे उद्यमगत ग्राहकों को लक्षित कर रहा है, न कि त्वरित प्रश्न पूछने वाले उपभोक्ताओं को।