GPT-5.6 Soul مقابل Claude Fable 5 در کارهای ایجنتیک
هوش مصنوعیClaude Opus 5خلاصهٔ کاملتر
بحث از اینجا شروع میشه که بعد از انتشار GPT-5.6 Soul از OpenAI و Claude Fable 5 از Anthropic در سال ۲۰۲۶، سؤال رایج «کدوم باهوشتره» بود — و به گفتهٔ نویسنده این سؤال برای تیمهایی که چیز واقعی میسازن اشتباهه. سؤال درست اینه که کدوم مدل موقع کار کردن دووم میآره: اجرای ایجنت چندمرحلهای، فراخوانی ابزار، حفظ کانتکست در تسکهای طولانی و بازیابی از خطا بدون دستگیری.
نویسنده فلسفهٔ طراحی هرکدوم رو جدا توضیح میده. به روایت اون Soul یه انتشار میاندورهای OpenAI ـه و پسوند «Soul» به بهبودهای داخلی حول ثبات شخصیت اشاره داره: مدل لحن و سبک استدلالش رو در گفتوگوهای طولانی پایدارتر نگه میداره. نقاط قوتش تولید خروجی ساختاریافته با وفاداری بالا، هماهنگی چندابزاره در یک پاس، و پیروی از دستورهای تودرتوئه.
در مقابل، Fable 5 بهعنوان پرچمدار ۲۰۲۶ آنتروپیک معرفی میشه با تأکید بر انسجام روایی. طبق مقاله این مدل با پنجرهٔ کانتکست ۴۰۰ هزار توکنی پیشفرض عرضه شده (و تا ۲ میلیون توکن از طریق API قابل گسترشه) و تمرکز زیادی روی کاهش «رانش کانتکست» گذاشته شده — همون تمایل مدلهای قبلی به گم کردن دستورهایی که عمیق تو یه پرامپت طولانی دفن شدن. جمعبندی خود نویسنده اینه: اگه Soul یه مجری سریع و قابل اتکاست، Fable 5 یه استدلالگر دقیق و حوصلهداره.
در بخش بنچمارکها، اعدادی که مقاله گزارش میکنه تصویر مختلطی میدن. Soul در SWE-bench Verified با ۶۴٫۷ درصد مقابل ۵۹٫۳ درصد جلوتره و در HumanEval+ و MATH-500 هم بالاتره. Fable 5 در بازیابی کانتکست طولانی ۲۵۶ هزار توکنی با ۹۴٫۲ درصد مقابل ۸۷٫۴ درصد و در IFEval با ۹۱٫۷ مقابل ۸۸٫۳ درصد جلوئه. در تکمیل تسک ایجنتیک چندنوبتی و دقت فراخوانی ابزار پیچیده، ورق دوباره به نفع Soul برمیگرده.
رفتار عملی این دو هم فرق داره. Soul در حلقههای فشرده پلن میریزه و اجرا میکنه و کمتر منحرف میشه، ولی وقتی پلن وسط کار نیاز به تطبیق داره میتونه خشک عمل کنه. Fable 5 انعطاف بیشتری داره، دربارهٔ عدم قطعیت خودش صریحتر استدلال میکنه و وقتی اتفاق غیرمنتظرهای میافته بیشتر احتمال داره متوقف بشه و سؤال روشنکننده بپرسه. برای کارهای پرریسک این احتیاط یه مزیته؛ برای پایپلاینهای پرحجم که خطا قابل گرفتنه، صراحت Soul برندهست.
هزینه یکی از تعیینکنندهترین بخشهاست. طبق قیمتهایی که مقاله میآره، Soul روی توکن ورودی ۱۲ دلار و خروجی ۳۶ دلار به ازای هر میلیون توکنه، در حالی که Fable 5 روی ۱۵ و ۷۵ دلاره. چون بیشتر هزینهٔ کارهای ایجنتیک سمت توکن خروجی جمع میشه، این تفاوت در مقیاس معنادار میشه. تخفیف بچ هم برای Soul پنجاه درصد و برای Fable 5 چهل درصد گزارش شده؛ در عوض کانتکست پیشفرض Fable 5 بزرگتره.
جمعبندی کاربردی مقاله بر اساس نوع کاره: برای ایجنتهای توسعهٔ نرمافزار و پایپلاینهای پردازش دادهٔ ساختاریافته Soul، برای ایجنتهای تحقیق و تحلیل سند، پشتیبانی مشتری و تولید محتوای بلند Fable 5. برای اتوماسیون فروش و CRM هم بستگی به ورکفلو داره: کارهای سادهٔ ورود داده و پیشنویس ایمیل سمت Soul و تحقیق پیچیدهٔ حساب و شخصیسازی ظریف سمت Fable 5.
بخش پایانی مقاله یه تذکر مفیده دربارهٔ خود واژهٔ «ایجنتیک». هر دو مدل میتونن ابزار به کار ببرن، پلن چندمرحلهای بریزن و حالت رو حفظ کنن، ولی هیچکدوم به معنای واقعی خودگردان نیستن: هنوز به پرامپت سیستمی ساختاریافته، مجموعهٔ ابزار تعریفشده، منطق مدیریت خطا در سطح ورکفلو و بازبینی انسانی برای تصمیمهای پرریسک نیاز دارن. به باور نویسنده تفاوت مدل ایجنتیک با مدل چت معمولی عمدتاً سر پایداری، مدیریت کانتکست و دقت ابزاره، نه یه حالت کاری جدید.
نکات کلیدی:
- Soul برای ایجنت کدنویسی، خروجی ساختاریافته و اتوماسیون پرحجم مناسبتره
- Fable 5 برای سند طولانی، پیروی دقیق از دستور و ایجنت مشتریمحور بهتره
- تفاوت قیمت توکن خروجی (۳۶ در برابر ۷۵ دلار) در مقیاس تعیینکنندهست
- Fable 5 موقع ابهام متوقف میشه و میپرسه؛ Soul با تغییر جزئی دوباره تلاش میکنه
- خیلی از تیمها بهتره هر دو رو در یک ورکفلو و بر اساس نوع تسک روتینگ کنن
