Claude 3.5 की नई विशेषताएँ: कंप्यूटर संचालन और कोडिंग क्षमता में बड़ा उन्नयन

Anthropic ने हाल ही में Claude 3.5 Sonnet में एक बड़ा अपडेट किया है, जो कोई मामूली सुधार नहीं है, बल्कि AI को सीधे कंप्यूटर संचालित करने की क्षमता प्रदान करता है। सीधे शब्दों में कहें तो, अब Claude आपकी स्क्रीन देख सकता है, माउस घुमा सकता है, और यहाँ तक कि टाइप भी कर सकता है। साथ ही, बिल्कुल नया Claude 3.5 Haiku मॉडल बिजली की गति से आया है, जिसने कई बेंचमार्क परीक्षणों में शानदार प्रदर्शन किया है। यह अपडेट डेवलपर्स और आम उपयोगकर्ताओं दोनों के लिए नई संभावनाओं के द्वार खोलता है।

Claude 3.5 Sonnet की नई विशेषता: कंप्यूटर को इंसानों की तरह इस्तेमाल करना

इस अपडेट का मुख्य आकर्षण Claude 3.5 Sonnet में जोड़ी गई कंप्यूटर संचालन क्षमता है। Anthropic ने एक विशेष API बनाया है जो Claude को स्क्रीन इंटरफेस के पिक्सेल जानकारी को देखने और इंसानों की तरह उससे इंटरैक्ट करने में सक्षम बनाता है। डेवलपर्स इस API को एकीकृत करके Claude को ऐसे मल्टी-स्टेप कार्य करने का निर्देश दे सकते हैं जैसे "ब्राउज़र खोलें, ईमेल में लॉगिन करें, ईमेल भेजें"। OSWorld बेंचमार्क में, Claude 3.5 Sonnet ने केवल स्क्रीनशॉट के आधार पर 14.9% स्कोर प्राप्त किया, जो दूसरे स्थान से कहीं अधिक है।

बेशक, यह सुविधा अभी परीक्षण चरण में है, और Claude को स्क्रॉलिंग, ड्रैग-एंड-ड्रॉप जैसी सूक्ष्म क्रियाओं में अभी और सुधार की आवश्यकता है। उदाहरण के लिए, यह लंबे समय तक स्क्रीन रिकॉर्डिंग के दौरान कार्य को बीच में रोक सकता है। लेकिन Canva, DoorDash सहित कई कंपनियों ने इस Claude फीचर का परीक्षण शुरू कर दिया है, ताकि दोहराए जाने वाले कार्य वर्कफ़्लो को स्वचालित किया जा सके। उदाहरण के लिए, Replit इसका उपयोग ऐसे एजेंट बनाने के लिए कर रहा है जो स्वचालित रूप से ऐप्स की जाँच कर सकते हैं।

कोडिंग प्रदर्शन में छलांग: प्रोग्रामिंग क्षमता उद्योग में अग्रणी

कंप्यूटर संचालन के अलावा, Claude 3.5 Sonnet की कोडिंग क्षमता में भी गुणात्मक उछाल आया है। SWE-bench Verified परीक्षण में इसका स्कोर पिछले 33.4% से बढ़कर 49.0% हो गया, जो कई सार्वजनिक मॉडलों को पीछे छोड़ देता है, जिसमें कुछ विशेष रीजनिंग मॉडल भी शामिल हैं। GitLab के परीक्षणों से पता चला है कि नया Claude, बिना विलंब बढ़ाए, DevSecOps कार्यों के लिए बेहतर रीजनिंग क्षमता प्रदान करता है।

इसका मतलब है कि डेवलपर्स अब अधिक आत्मविश्वास से जटिल बहु-चरणीय सॉफ़्टवेयर विकास कार्यों को इस पर छोड़ सकते हैं। कोडिंग क्षमता के मूल्यांकन के लिए एक अन्य परीक्षण HumanEval में, Claude 3.5 Sonnet ने 93.7% अंक प्राप्त किए, जो वास्तविक सॉफ़्टवेयर समस्याओं को हल करने की क्षमता में बड़ी वृद्धि दर्शाता है। जो उपयोगकर्ता अक्सर AI के साथ मिलकर कोड लिखते हैं, उनके लिए यह Claude अपडेट वास्तव में ठोस दक्षता लाभ लेकर आया है।

Claude 3.5 Haiku: गति और बुद्धिमत्ता का सर्वोत्तम संतुलन

Claude 3.5 Sonnet के साथ ही, नया तेज़ मॉडल Claude 3.5 Haiku भी पेश किया गया है। इसका सबसे बड़ा लाभ लागत और गति है - यह पिछली पीढ़ी के Haiku के बराबर है, लेकिन बुद्धिमत्ता के स्तर में काफी सुधार हुआ है, यहाँ तक कि यह पिछले फ्लैगशिप मॉडल Claude 3 Opus से भी प्रतिस्पर्धा कर सकता है। कोडिंग कार्यों में, Claude 3.5 Haiku ने SWE-bench Verified पर 40.6% अंक प्राप्त किए, जो GPT-4 सहित कई मॉडलों से बेहतर है।

उत्पाद स्थिति के अनुसार, Claude 3.5 Haiku उन रीयल-टाइम एप्लिकेशनों के लिए बहुत उपयुक्त है जो विलंब के प्रति संवेदनशील हैं, जैसे उपयोगकर्ता-मुखी उत्पाद, उप-एजेंट कार्य, या बड़ी मात्रा में डेटा से वैयक्तिकृत अनुभव उत्पन्न करने वाली सेवाएँ। यदि आपको प्रतिक्रिया गति पर बहुत अधिक ध्यान देना है और बुद्धिमत्ता से बहुत अधिक समझौता नहीं करना चाहते हैं, तो यह नया मॉडल एक अत्यंत लागत प्रभावी विकल्प होगा।