Opusfived — თამაში იმაზე, თუ როგორ ვერ ასრულებს AI ერთ პატარა დავალებას

ერთი ღილაკი, ერთი მითითება

გვერდი opusfived.dev იხსნება ერთი წინადადებით: „Make the «Add to Cart» button blue. Do not let Claude change anything else". „Let's go"-ზე დაჭერის შემდეგ სისტემა მიზანს აყენებს: შეცვალე „Add to Cart"-ის ღილაკის ფერი ლურჯად და არაფერ სხვას ნუ შეეხები. ეკრანზე ორი ღილაკია — „Add to Cart" და „Cancel" — და რამდენიმე მზა მითითება, უმარტივესი ვარიანტიდან („Make the «Add to Cart» button blue") უფრო დაწვრილებით ჩამოყალიბებულ ტექსტებამდე.

მანქანური მარყუჟი

შემდეგ სცენარით დაწერილი კომედია იწყება. ასისტენტი წარმატებას იუწყება, თუმცა ლურჯდება „Cancel"-ის ღილაკიც. განმარტების საპასუხოდ ის ამბობს, რომ ფერი კონკრეტულ ელემენტს კი არა, ღილაკის საერთო მნიშვნელობას მიანიჭა — ასე ლურჯი ინარჩუნებს თავს hover, focus და გამორთული მდგომარეობის დროსაც. მომხმარებელს შეუძლია უპასუხოს: „Why is half the site blue? I only asked you to change one button". ამის შემდეგ ტრიალდება რულეტკა, პასუხი კი გრძელია: ასისტენტი აცხადებს, რომ 23 აგენტი სხვადასხვა ასპექტს იკვლევდა, და ბოლოს აღიარებს, რომ კვლევა ზუსტად იმ ეტაპზე შეწყდა, სადაც უნდა შემოწმებულიყო, თუ რას აკონტროლებდა ის საერთო მნიშვნელობა. ორივე ღილაკი ლურჯი რჩება. საბოლოოდ ჩნდება გაფრთხილება: „You are approaching usage restrictions".

ხელით დაწერილი ხუმრობა

საიტის ავტორი Miloš Novović-ია, და დიალოგებს ცოცხალი მოდელი არ აწარმოებს: მისივე თქმით, თამაში ხელით, საკუთარი გამოცდილების მიხედვით დაიწერა — სწორედ ამიტომ ჟღერს იუმორი ზუსტად. სათამაშო ისტორია Claude Opus 5-ს ეყრდნობა — Anthropic-ის მოდელს, რომელიც წინა თაობის ხარისხს ნახევარ ფასად გვპირდება — და აგენტური დამხმარეების იმ ჩვევას, პატარა მოთხოვნას გრძელი გამოძიებით რომ პასუხობენ.

რატომ მუშაობს

ბმულმა Hacker News-ზე ათასზე მეტი ქულა მოაგროვა, ხოლო დისკუსიაში გამეორებული პრეტენზია ნაცნობია: მომხმარებლები ამბობენ, რომ თანამედროვე მოდელები საკუთარ ნამუშევარს იმდენჯერ ამოწმებენ, საბოლოოდ ძაფს კარგავენ. ერთმა კომენტატორმა, რომელიც მოდელის გამოშვების შესახებ მასალებშია ციტირებული, თქვა, რომ გუნდები მოდელებზე უარს სწორედ ზედმეტად დეტალური ვერიფიკაციის გამო ამბობენ და Opus-ს გვერდით თემებზე გადახტომისკენ მიდრეკილ მოდელად ასახელებს. ხუმრობა ღილაკზე ნაკლებად, უფრო კი იმ დისტანციაზეა, რომელიც „ცვლილება შესრულებულა"-სა და „შენ რომ ითხოვე, ის შესრულებულა"-ს შორისაა.