Anthropic انڪشاف ڪيو آهي ته اهو اڳ ۾ ئي ماڊل 2 نالي هڪ غير ريليز ٿيل AI سسٽم استعمال ڪري رهيو آهي، جنهن کي ڪمپني بيان ڪري ٿي ڪلاڊ ميٿس 5 کان ڪجهه وڌيڪ قابل.
اڳ ۾ اڻ ڄاڻايل ماڊل اينٿروپڪ جي آگسٽ 2026 جي خطري جي رپورٽ ۾ ظاهر ٿيو. رپورٽ جي جولاءِ 15 جي ڪوريج جي تاريخ جي مطابق، ماڊل 2 ٽن فرنٽيئر يا ويجھي فرنٽيئر ماڊلز مان هڪ هئي جيڪا عوامي طور تي جاري نه ڪئي وئي هئي.
واضح ڪارڪردگي فرق CoBench v2 ۾ ظاهر ٿئي ٿو، Anthropic جي اندروني بينچ مارڪ جي بنياد تي 449 حقيقي تحقيق ۽ انجنيئرنگ مسئلن جي بنياد تي ان جي ملازمن پاران حل ڪيو ويو آهي.
ماڊل 2 62.8٪ سکور ڪيو، مقابلي ۾ 50.3٪ Claude Mythos 5 لاءِ ۽ 54.8٪ Mythos Preview لاءِ. ڪلاڊ اوپس 4.7 27.4٪ سکور ڪيو، جڏهن ته Opus 4.6 15.6٪ تي پهچي ويو.
Anthropic اندازو آهي ته هڪ سسٽم جيڪو مڪمل طور تي پنهنجي ٽيڪنيڪل ريسرچ اسٽاف کي تبديل ڪرڻ جي قابل هوندو ان کي CoBench تي گهٽ ۾ گهٽ 85٪ اسڪور ڪرڻو پوندو، مطلب ته ماڊل 2 انهي حد کان هيٺ رهي ٿو.
ڪمپني ماڊل 2 کي ڪيترن ئي اندروني ڪمن لاءِ Mythos 5 مٿان ”قابل غور سڌار“ جي طور تي بيان ڪري ٿي، پر چوي ٿو ته جمپ اڳئين سڌاري کان ننڍو آهي Claude Opus 4.6 کان Mythos Preview تائين.
ماڊل 2 صرف هڪ تجرباتي معيار جو نمونو ناهي. Anthropic چوي ٿو ته اهو ۽ Mythos 5 وڏي پيماني تي اندروني طور تي ڪوڊنگ، ڊيٽا جي پيداوار، تحقيق، انجنيئرنگ ۽ ٻين ايجنٽ ڪم لوڊ ڪرڻ لاء استعمال ڪيا ويا آهن، جن ۾ مسلسل AI-ايجنٽ تعینات شامل آهن.
بهرحال، انٿروپڪ جو چوڻ آهي ته هن وقت ماڊل 2 کي خارج ڪرڻ جو ڪو به منصوبو ناهي.
ڪمپني مڪمل نه ڪيو آهي مڪمل سوٽ جي اڳڀرائي جي جائزي جو، مطلب ته ان کي مڪمل طور تي جانچيل ماڊلز جي ڀيٽ ۾ ماڊل جي صلاحيتن کي سمجهڻ ۾ گهٽ اعتماد آهي.
انٿروپڪ اهو پڻ چيو ته ان جي اندروني تعیناتي جي جائزي ۾ ڪو به نئون يا وڌيڪ نه مليو غلط ترتيب جي شڪلن جي مقابلي ۾ جيڪي اڳ ۾ ئي Mythos 5 ۾ مشاهدو ڪيا ويا آهن.
في الحال ڪوبه اشارو نه آهي ته ماڊل 2 آخرڪار Claude Mythos 6 يا ڪنهن ٻئي تجارتي نالي سان لانچ ڪندو.
تازه ترين ٽيڪني خبرن، ٽيليڪم بصيرت، ۽ پراڊڪٽ لانچ حاصل ڪريو جتي توهان چاهيو ٿا.
ProPakistani کي ترجيحي ذريعن ۾ شامل ڪريو ۽ ڏسو اسان جون وڌيڪ ڪهاڻيون گوگل سرچ ۽ ٽاپ اسٽوريز ۾.
ٽيڪنالاجي ۽ گاڏين جو ماهر جديد ڪارن، اسمارٽ فونز، AI ڪاميابين، ۽ ...
شيئرز
