| Istilah | Arti |
|---|---|
| Claude Fable 5 | Model AI terbaru dari Anthropic yang dibahas video ini, dengan bobot yang sama dengan Mythos 5 tetapi pengaman yang lebih ketat. |
| system card | Dokumen resmi dari perusahaan AI yang menjelaskan cara model diuji, risikonya, dan batasan keamanannya. |
| 319 pages | Panjang system card Claude Fable 5 yang menjadi bahan utama video ini, dan menurut pembicara butuh sekitar sembilan jam untuk dibaca. |
| benchmarks | Tes standar untuk membandingkan kemampuan model AI, misalnya soal matematika, coding, dan penalaran, lalu skornya dibandingkan antarmodel. |
| safeguards | Pengaman tambahan yang membatasi jawaban model, misalnya memblokir permintaan tertentu, sehingga Fable 5 dalam video ini sering diblokir. |
| Mythos Preview | Versi pratinjau model Mythos dari Anthropic yang dirilis pada April, dan dipakai sebagai pembanding untuk melihat peningkatan Fable 5. |
| biological | Berkaitan dengan bidang biologi, dan menjadi fokus utama system card karena risiko penyalahgunaan sekaligus manfaatnya untuk riset. |
| Anthropic | Perusahaan AI pembuat seri model Claude, yang merilis Fable 5 dan menerbitkan system card setebal 319 halaman itu. |
| step change | Lompatan kemampuan yang besar dan sekali jadi, berbeda dengan peningkatan kecil yang bertahap dan dapat diprediksi. |
| GDP | Dalam video ini merujuk pada GDPval, tolok ukur tugas kerja profesional nyata yang skornya dinyatakan dalam ELO. |
| reasoning | Kemampuan model untuk berpikir langkah demi langkah sebelum menjawab, yang dalam video ini diuji lewat soal matematika dan logika sulit. |
| capabilities | Kecakapan model dalam menyelesaikan tugas, seperti coding, matematika, analisis gambar, dan riset, yang dibahas di seluruh video. |
Video ini membahas Claude Fable 5 dari Anthropic lewat system card setebal 319 halaman. Pembicara, AI Explained, mengatakan ia membaca sekitar sembilan jam dan menguji model dalam sekitar 100 cara, lalu merangkum sekitar 20 temuan yang menurutnya terlewat saat banyak orang sibuk bereaksi di media sosial. Kesimpulan awalnya, Fable 5 adalah model yang bagus dan lompatan nyata dari Opus 4.8, tetapi tetap disertai catatan kritis. Ia menyoroti pemblokiran, misalnya obrolan tentang fermentasi yang ditandai sebagai permintaan biologi, serta pertanyaan apakah peningkatan ini berarti AI sudah bisa menggantikan peneliti. Menurut Anthropic, belum; perkembangannya disebut step change, bukan percepatan tanpa henti.
Detail yang paling konkret berasal dari bagian biologi dan benchmark. Dalam uji dengan enam ahli biologi PhD, tim yang memakai Mythos 5 mengerjakan dalam 16 jam tugas yang biasanya memakan waktu berbulan-bulan, dan dua dari tiga tim generalis mengungguli tim spesialis. Namun model ini sering terlalu rumit, membuat rencana optimistis yang harus direvisi, dan mengarang sitasi. Pada benchmark, Fable 5 unggul di SWE-bench Pro dengan 80,3 persen dibanding GPT 5.5 yang 58,6 persen, serta di GDPval dengan skor ELO 1932 dibanding 1769. Pembicara juga mencatat bahwa di Vending Bench, Fable 5 menghasilkan uang lebih sedikit daripada Opus 4.7, dan di tes tugas kerja nyata hanya mencapai 17 persen.
Kata kunci
- Fable 5
- system card
- safeguards
- Mythos Preview
- Merangkum sorotan dari system card setebal 319 halaman untuk Claude Fable 5, hasil sembilan jam membaca dan banyak pengujian pribadi.
- Membahas lompatan kemampuan di benchmark terkenal dan independen, safeguards untuk senjata kimia dan biologi, serta kekhawatiran model sadar sedang dievaluasi.
- Melihat contoh pemakaian seperti transkripsi langsung dan Claude yang membaca transkrip untuk menjawab pertanyaan.
Tulis catatan pribadimu untuk video ini. Catatan tersimpan di akunmu dan bisa dibuka dari perangkat mana pun.