Claude का नया ऑटोनॉमस टास्क फीचर: AI द्वारा कंप्यूटर संचालन की पूरी गाइड

Anthropic ने हाल ही में Claude 3.5 Sonnet मॉडल के लिए एक बड़ा अपडेट जारी किया, जिसमें कंप्यूटर को सीधे संचालित करने की ऑटोनॉमस टास्क एक्जीक्यूशन क्षमता जोड़ी गई है। इसका मतलब है कि Claude अब सिर्फ एक चैट असिस्टेंट नहीं रहा—यह इंसानों की तरह स्क्रीन को “देख” सकता है और इंटरफेस पर काम कर सकता है, जो ऑटोमेटेड ऑफिस वर्क और प्रोग्रामिंग के लिए नई संभावनाएं खोलता है।

Claude के ऑटोनॉमस टास्क फीचर से क्या बदलेगा

इस नए फीचर की नींव Anthropic द्वारा विशेष रूप से डिज़ाइन किया गया API है, जो Claude को कंप्यूटर इंटरफेस को समझने और उससे इंटरैक्ट करने की अनुमति देता है। डेवलपर्स सिर्फ एक इंस्ट्रक्शन देते हैं, और Claude उसे ठोस कंप्यूटर ऑपरेशंस में बदल देता है—जैसे ब्राउज़र खोलना, फॉर्म भरना, या स्प्रेडशीट चेक करना।

आधिकारिक आंकड़ों के अनुसार, OSWorld स्टैंडर्ड टेस्ट में Claude 3.5 Sonnet ने स्क्रीनशॉट समझने में 14.9% का स्कोर हासिल किया, जो मानव स्तर (70%-75%) से कम है, लेकिन अन्य AI मॉडलों से आगे है। जब अधिक स्टेप्स किए जाते हैं, तो स्कोर 22% तक बढ़ जाता है।

Claude की कंप्यूटर संचालन क्षमता से कैसे बढ़ाएं काम की कुशलता

आम उपयोगकर्ताओं के लिए, Claude की कंप्यूटर नियंत्रण क्षमता मैनुअल और थकाऊ कार्यों को काफी कम कर सकती है। उदाहरण के लिए, जब आपको कई डेटा स्रोतों से जानकारी जुटानी हो, तो बस Claude को अपनी आवश्यकता बताएं, और यह अपने आप संबंधित सॉफ्टवेयर खोलेगा, जानकारी ढूंढेगा और उसे भर देगा।

फिलहाल, Replit, Canva और DoorDash जैसी कई कंपनियां इस फीचर का परीक्षण कर रही हैं। Replit ने इसका उपयोग करके एक खास ऐप इंस्पेक्शन टूल विकसित किया है, जो प्रोग्रामिंग के दौरान कोड की परफॉर्मेंस को ऑटोमैटिक रूप से मूल्यांकन करता है। यह ऑटोनॉमस टास्क एक्जीक्यूशन क्षमता Claude को दोहराए जाने वाले और कई चरणों वाले वर्कफ्लो के लिए बेहद उपयुक्त बनाती है।

Claude का नया अपडेट: मजबूत कोडिंग और मल्टी-स्टेप टास्क हैंडलिंग

कंप्यूटर संचालन क्षमता के अलावा, इस अपडेट ने Claude की कोडिंग क्षमता को भी काफी बढ़ाया है। SWE-bench Verified टेस्ट में Claude 3.5 Sonnet का स्कोर 33.4% से बढ़कर 49% हो गया, जो OpenAI o1-preview सहित सभी सार्वजनिक मॉडलों को पीछे छोड़ता है।

TAU-bench रिटेल डोमेन टेस्ट में Claude का स्कोर 62.6% से बढ़कर 69.2% हो गया। GitLab और Cognition जैसी कंपनियों के शुरुआती फीडबैक से पता चलता है कि नया मॉडल लंबी अवधि के कार्यों और मल्टी-स्टेप सॉफ्टवेयर डेवलपमेंट प्रक्रियाओं में शानदार प्रदर्शन करता है, और लगातार कई घंटों तक स्थिर रूप से काम कर सकता है। डेवलपर्स और जटिल कार्यों को कुशलतापूर्वक संभालने वाले उपयोगकर्ताओं के लिए, Claude का यह अपग्रेड निश्चित रूप से ध्यान देने योग्य है।