Аннотация:
После выхода Opus 5.5 пользователи сети бросились опробовать его. Одним движением можно выполнить несколько работ: от веб-страниц, анимации до игр и т. д. Они более интуитивно понятны, чем эталонные значения, и некоторые из них можно попробовать самостоятельно. Создатель по имени MiaAI Lab напрямую попросил Opus 5.5 «сделать 100 HTML-файлов» с тремя требованиями: красивый внешний вид, отсутствие повторяющегося дизайна и полное использование творчества. Готовый продукт потрясающий.
https://x.com/MiaAI_lab/status/2102490829306634560
Не говоря уже о том, что каждый клик выглядит прилично. Одна и та же модель имеет очень разнообразную обработку различных форм взаимодействия и визуальных стилей.
Ссылка на видео: https://mp.weixin.qq.com/s/dVLbNHkM32K5g1cJWJs1hw
В данном случае Opus 5.5 начал с открытых требований, решил, какие работы сделать, и написал структуру страницы, CSS и интерактивный код. От творческой концепции, разбивки задач до производства готового продукта Opus 5.5 демонстрирует высокую автономность.
Дайте модели открытую общую цель, позвольте ей планировать свои действия и полностью передайте задачу.
Это именно то, что Anthropic настоятельно рекомендует на этот раз.
Можем ли мы действительно закончить все за один раз?
Anthropic дает совет в начале руководства пользователя Opus 5.5: объясняйте всю задачу сразу, поясняйте, что считается «выполненным», а при возникновении ситуаций, когда нужно остановиться и спросить пользователя, а затем позволить модели работать самостоятельно.
Ссылка на руководство: https://claude.dev/blog/getting-the-most-out-of-opus-5-5/
Пример, приведенный в руководстве, представляет собой перенос платежного интерфейса.
Помимо объяснения задач, самое главное — указать стандарты выполнения: все интерфейсы используют новые клиенты, старые клиенты удаляются, тест проходит. Только когда модель сталкивается с необъяснимыми неудачными тестами, ей необходимо остановиться и задать вопрос. Такие требования дают модели возможность развиваться самостоятельно и оставляют проверяемые стандарты для окончательной поставки.
На самом деле, это предложение было упомянуто при выпуске Opus5. На этот раз Anthropic специально подчеркнул, что Opus 5.5 более способен к постоянному совершенствованию в долгосрочных, многоэтапных задачах.
В официальных материалах релиза упоминается, что один из первых тестировщиков попросил его просмотреть и исправить около 200 000 строк кода, что было выполнено менее чем за три часа; На одну и ту же задачу Opus 5 ушло более 20 часов. Еще один внутренний тест потребовал от модели переписать HAProxy с C на Rust. На Opus 5.5 ушло 9,5 часов, а результат переписывания прошел почти все регрессионные тесты исходного проекта.
Однако работа над этим заняла много времени, но, возможно, это не то, чего больше всего хотят достичь пользователи.
В ходе реального тестирования технологические СМИ Every предоставили Opus 5.5 десять минут на написание поминутного графика обучения клиентов. Прочитав требования, он потратил почти пять минут на обдумывание, затем подготовил данные обучения, проверил таблицы и скомпилировал материалы для учащихся. Но когда пришло время, самый нужный график так и не был передан.
Фактический отчет об испытаниях: https://every.to/vibe-check/vibe-check-opus-5-5-is-pulling-our-codex-converts-back-to-claude/
Еще один тест по разработке приложений от Every также говорит об этом. Страница задачи выглядит красиво, и автоматическая проверка также показывает, что она пройдена, но когда тестер действительно ее обрабатывает, основная страница все равно сообщает об ошибке.
Похоже, что продумать это за один шаг пока нереально.
Отключите тире и включите музыку и анимацию
Что касается текстового выражения, Opus 5.5 добился значительного прогресса, изменив типичный ранее «акцент Клода».
Некоторые пользователи сети отметили, что самое большое ощущение после тестирования Opus 5.5 — это то, что стиль письма наконец-то «исправлен».
https://x.com/theojaffee/status/2102454423041818786
"Он стал более прямым, более нормальным и менее похожим на ИИ (без неряшливости). Последний раз я видел, как Клод писал так чисто и естественно, был в Opus 4.6 около восьми месяцев назад."
На изображении слева показаны результаты Opus 5, которые немного многословны и имеют явные следы написания ИИ; картинка справа — вывод того же контента Opus 5.5, более лаконичный и естественный.
Согласно инструкциям по обновлению Opus 5.5, опубликованным в официальном аккаунте Клода, новая версия коммуницирует более естественно, помещает важную информацию на первое место и лучше следует правилам написания, заданным пользователями.
Некоторые пользователи сети обнаружили, что в Opus 5.5 на этот раз убрана черта! В приведенной выше официальной сравнительной таблице вывод Opus 5 слева использует тире во многих местах, в то время как Opus 5.5 справа записывает тот же контент вообще без тире.
https://x.com/theo/status/2102474289949868254?s=20
Что касается анализа PDF-таблиц, генеральный директор LlamaIndex Джерри Лю использовал для тестирования собственный ParseBench. Opus 5.5 набрал 93,9%, что более чем на 7 процентных пунктов выше, чем у Opus 5, и превзошло такие модели, как Fable, Gemini и Astra. Однако у него все еще есть недостатки в понимании диаграмм, форматов и макетов.
https://x.com/jerryjliu0/status/2102529024841154977
Claude Opus 5.5 может не только «писать код», но также использовать код для непосредственного создания художественной и плавной анимации.
X-блогер Кевин Нго позволил Opus 5.5 использовать JavaScript для покадровой отрисовки следующей анимации:
Ссылка на видео: https://mp.weixin.qq.com/s/dVLbNHkM32K5g1cJWJs1hw
Некоторые пользователи сети также использовали Opus 5.5 для создания подобных анимаций:
Ссылка на видео: https://mp.weixin.qq.com/s/dVLbNHkM32K5g1cJWJs1hw
https://x.com/devteamdrew/status/2102436464323661880
Теперь Клод может писать по-настоящему приятную для прослушивания электронную музыку, используя чистый JavaScript.
Некоторые пользователи сети только дали Opus 5.5 подсказку «создать басовую музыку с помощью javascript» (используйте JavaScript, чтобы создать басовую музыку). В результате Клод за один раз написал полный JS-код и сгенерировал фрагмент басовой музыки, который звучал довольно хорошо.
Ссылка на видео: https://mp.weixin.qq.com/s/dVLbNHkM32K5g1cJWJs1hw
https://x.com/aj_dev_smith/status/2102504509637587339?s=20
Комментарии