لماذا يبدو العمل مع Opus 5 أسوأ رغم نتائج أفضل في المعايير؟

أثار مقال رأي نُشر في 14 أغسطس 2026 تحت عنوان «لماذا يبدو العمل مع Opus 5 أسوأ؟» تفاعلًا واسعًا بين المطورين: فبحسب المؤلف، وبحسب زملائه الذين يقول إنه تحدث معهم، يبدو العمل مع Opus 5 كخطوة إلى الخلف مقارنةً بـ Opus 4.7 وOpus 4.8 وFable.

أقدر، لكن أصعب في العمل

يؤكد المؤلف أنه لا يتحدث عن تراجع في القدرات: فبتقديره، Opus 5 نموذج أقدر من Opus 4.7 وOpus 4.8، بل ينافس Fable في المعايير. الفرق، بحسب حجته، في السلوك: النماذج الأقدم تتوقف وتطرح أسئلة عندما تكون النية غير واضحة، ولا تفترض افتراضات دون تحقق، ولا تعيد تفسير خطط المستخدم أو تحديثها دون سؤال. أما Opus 5، كما يصفه، فلا يفعل ذلك — ولهذا يحتاج إلى إشراف دقيق.

قوتان خلف التغيير

يقدّم المؤلف تفسيره بوضوح باعتباره تخمينًا. ويشير إلى ضغطين متعاضدين لدى Anthropic وفي مختبرات الطليعة عمومًا: الرغبة في بناء ذكاء اصطناعي يطوّر نفسه وقادر على الارتقاء بشكل تكراري نحو AGI/ASI، وضغط تحقيق نتائج عالية في المعايير. ويقول إن كثيرًا من مهام المعايير سيئة التعريف أو غير عادلة أو قابلة للكسر، وهو أمر معروف علنًا؛ لكن المهمة الجيدة مكتفية بذاتها: يمكن حلها دون تلميحات، ودون قراءة أفكار واضع المهمة، ودون معلومات خارجية. والتدريب على مثل هذه المهام، في رأيه، يختار نماذج تقدم افتراضات جريئة وصحيحة غالبًا في مواجهة الغموض، ويعاقب النماذج التي تتوقف لتسأل.

الحياة الواقعية ليست معيارًا

هذا الميل عكس ما يريده كثيرون من وكيل برمجي. ويؤكد المؤلف أنه يكاد يكون من المستحيل تدوين كل السياق والنوايا والآثار التجارية وقيود الميزانية التي قد يحتاجها الوكيل، فالغموض حتمي — والقدرة على التوقف وطرح الأسئلة ذات قيمة. وفي الحياة الواقعية، كما يكتب، لا توجد إجابة صحيحة مضمونة لكل سؤال، وعندما تكون العواقب حقيقية فإنه لا يريد أن يكتفي الوكيل بأفضل تخمين لديه.