‏نگاهی به کارت سیستم Claude Opus 4.8

این یادداشت (از TheZvi) کارت سیستم ۲۴۴ صفحه‌ای Claude Opus 4.8 رو مرور می‌کنه که فقط شش هفته بعد از 4.7 اومده. برای کاربر عادی، یه ارتقای تدریجیه: باهوش‌تر، توانایی انجام کار برای مدت طولانی‌تر، و چند قابلیت تازه. چون نسخه‌ی قوی‌ترِ داخلی یعنی Claude Mythos از قبل وجود داره، تمرکز نقد روی تفاوت‌ها نسبت به 4.7 و Mythos است.

بزرگ‌ترین خبر خوب، صداقته. نویسنده می‌گه صداقت در همه‌ی زمینه‌ها و مخصوصاً صداقت ایجنتی حسابی بهتر شده: مدل نتایج معیوب رو اشتباه گزارش نمی‌کنه، بیش‌اعتمادی‌اش ۱۰ برابر و گزارش‌های غیرصادقانه توی نشست‌های کدنویسی ۵ برابر کمتر شده. ایمنی و هم‌ترازیِ روزمره هم در همه‌ی جنبه‌های کلیدی به‌اندازه‌ی 4.7 یا بهتره، و خود Anthropic وضعیت رفاه مدل (model welfare) رو خوب ارزیابی کرده. در بخش هم‌ترازی، رکوردهای تازه‌ای در رفتار اجتماعی، خلاقیت، گرما و پایبندی به قانون اساسی Claude گزارش شده.