نقد کلود اوپوس ۵: درخشان ولی آزاردهنده
هوش مصنوعی
تستخلاصهٔ کاملتر
تو اپیزود نقد مدل، کلر واردل کلود اوپوس ۵ رو مقابل شش مدل دیگه گذاشت و اوپوس با امتیاز شاخص ۷۸ اول شد؛ درست جلوی کلود سونت ۵ با ۷۷ و جیپیتی-۵.۶ سول با ۷۶، و تنها مدلی بود که تو بخش طراحی فرانتاند نمرهٔ کامل ۵ گرفت. با این حال به گفتهٔ او چیزی که اوپوس ۵ رو متمایز میکنه نه کیفیت کارش، بلکه رفتارشه: ترسو، عذرخواه و بهطور غیرعادی وابسته به تأیید آدم. تو یه سشن کدنویسی واقعی حاضر نشد یه تعارض مرج یکخطی رو حل کنه، چون کد مال «برنچ یکی دیگه» بود.
واردل اسم مشکل دوم رو «اسلاپ کلود» میذاره: خروجی نامنسجم نیست، ولی طولانی، بیشازحد محتاطانه و پر از صفتهای غیرضروریه — تا جایی که بعد از اولین تلاش مدل برای بازسازی سایت بنچمارک، مجبور شد بگه از اول شروع کنه. نتیجهگیریش اینه که بهترین راه استفاده از اوپوس ۵ شاید این باشه که مستقیم باهاش حرف نزنی: بذاری بهشکل آسنکرون بهعنوان ابزار کدنویسی ایجنتیک کار کنه، برای طراحی فرانتاند و پروتوتایپ، و خودت وسط نباشی. اون یه سؤال ساده رو هم از مدلها میپرسه («کی باهوشتره، تو یا من؟») و میگه این شکاف شخصیت، الان از شکاف نسبتاً کوچیک توانایی مهمتره. نویسنده اضافه میکنه که صنعت شاید داره وارد یه «مازاد هوش» میشه و بحث به سمت سرعت، هزینه و زیرساخت میره.
اپیزود دوم دربارهٔ کار Codex با مرورگر و کامپیوتره. واردل فلوی آنبوردینگ محصول خودش رو با ایجنت تست کرد و باگی که ماهها زنده مونده بود پیدا شد — دقیقاً چون خودش همیشه فرم رو درست پر میکرد و مسیر خوشحال رو میرفت. نکتهٔ جالبش اینه که بهجای دادن لیست ۲۵تایی از موارد تست، فقط میگه «فلوی آنبوردینگ رو QA کن» و پوشش بهتری میگیره. تست با پرسونا (یه PM که تازه از جلسه اومده، یه مهندس که PRD رو برمیداره) مشکل ساختاریای رو نشون داد که میدونست هست ولی هیچوقت اینقدر واضح تجربهش نکرده بود.
همینجا دو درس عملی هم درمیاد: تطبیق مدل و سطح تلاش با کار — تریاژ پیامهای لینکدین با مدل تلاشمتوسط هم خوب جواب داد و ارزونتر تموم شد — و اینکه وقتی سایتی ایجنت رو بهعنوان ربات بلاک میکنه، آدم چند لحظه وارد میشه، کپچا رو رد میکنه و کنترل رو پس میده. اپیزود سوم هم مدی ریس رو داره که بدون پیشزمینهٔ کدنویسی با Cursor و رزبریپای یه پیجر توییتر، یه پرینتر رسید هوشمند و یه API شخصی ساخته. روال ثابتش اینه: ایده، مصاحبهٔ Cursor باهاش، لیست خرید، خرید، ساخت — و همین مرور نهایی بود که جلوی خرید سیم اشتباه رو گرفت.
نکات کلیدی:
- اوپوس ۵ با ۷۸ اول شد (سونت ۵: ۷۷، جیپیتی-۵.۶ سول: ۷۶) و تنها مدل با نمرهٔ کامل طراحی فرانتاند بود
- ایراد اصلیش رفتاریه: محتاط، عذرخواه و منتظر تأیید؛ بهترین حالت استفاده، اجرای آسنکرون و ایجنتیکه
- ایجنتها تست QA کاملتری از آدم انجام میدن، چون مسیر خوشحال براشون معنا نداره
- دستور بازتر («فلوی آنبوردینگ رو QA کن») از چکلیست ۲۵تایی پوشش بهتری میده
- سطح تلاش مدل رو با کار تطبیق بده؛ تریاژ پیام با مدل سبکتر هم جواب میده
- بدون پیشزمینهٔ کدنویسی هم میشه با Cursor پروژهٔ سختافزاری واقعی تحویل داد
