Anthropic ተረት 5 ባዮሎጂ ውድቀት 85% ቀንሷል ይላል

ምን ተፈጠረ

Anthropic Claude ተረት 5 የባዮሎጂ ጥበቃዎች በነሀሴ 7 ዘምኗል፣ ይህም እያንዳንዱን የባዮሎጂ ጥያቄ ወደ ባዮሎጂካል ብቃት ወደሌለው ሞዴል የቀየረ ክላሲፋየር በማጥበብ።

ክላሲፋየሩ ጥያቄን ሲጠቁም Anthropic ከፋብል 5 ወደ ኦፐስ 5 ያደርሰዋል። ኩባንያው Opus 5 ለአጠቃላይ ጥቅም ቢቆይም በላቁ ባዮሎጂ ላይ አነስተኛ የኦፕሬሽን እገዛ እንደሚሰጥ ተናግሯል፣ ይህም የስርዓቱን ጠቀሜታ ጎጂ ስራ ለሚከታተል ሰው ይቀንሳል።

Anthropic የክላሲፋየር ሕገ መንግሥትን እንደ ገና ጻፈ፣ ከውስጥ እና ከውጭ ባለሙያዎች አስተያየት ሰብስቤ፣ አዲስ የሥልጠና መረጃ ፈጠረ፣ ክላሲፋየርን እንደገና አሠልጥኗል፣ እና አሁንም በአጠቃላይ ጎጂ እና ሁለት ጊዜ ጥቅም ላይ የሚውሉ የምርምር ጥያቄዎችን እንደቀሰቀሰ አረጋግጧል። በኩባንያው ሙከራ ውስጥ፣ ዝመናው ከባዮሎጂ ጋር የተዛመዱ ውድቀቶችን በምርቶቹ ላይ በ85 በመቶ ቀንሷል።

The change follows a deliberately conservative launch posture. Anthropic says Fable 5 initially routed almost every biology request to Opus 5 because the company preferred a broad safety boundary while it learned where benign health and education questions were being caught. The August update narrows that boundary through a separate classifier instead of changing the model's underlying biology capability. That makes the release a policy-and-routing change, not evidence that Fable 5 has become a clinically validated biology assistant.

ለውጡ ተረት 5 ተጨማሪ የዕለት ተዕለት የጤና፣ ክሊኒካዊ እና ትምህርታዊ ጥያቄዎችን እንዲመልስ ለማድረግ ነው። Anthropic ቫይሮሎጂ፣ ቶክሲኮሎጂ እና ሞለኪውላር ዲዛይን ጨምሮ ለሁለት ጥቅም ላይ በሚውሉ አካባቢዎች ተራ ተደራሽነት አሁንም ተመልሶ እንደሚወድቅ ተናግሯል፣ ስለዚህ ሞዴሉ ለሙያዊ ባዮሎጂ ምርምር ወይም ለመድኃኒት ልማት እስካሁን በዚያ መንገድ አልተገኘም።

የምንጭ ዝርዝሮች: Anthropic's Fable 5 biology safeguards announcement ↗

ለምን አስፈላጊ ነው።

ማሻሻያው የድንበር-ሞዴል ጥበቃዎች በቀላሉ በሰፊው ተደራሽነት እና ሰፊ እምቢታ መካከል ሳይመርጡ ይበልጥ ትክክለኛ ሊሆኑ እንደሚችሉ የሚያሳይ ተግባራዊ ሙከራ ነው።

ሻካራ ማጣሪያ አደጋን በፍጥነት ሊቀንስ ይችላል፣ ነገር ግን ተማሪዎችን፣ ታካሚዎችን፣ አስተማሪዎችን፣ እና የጤና አጠባበቅ ባለሙያዎችን ጥያቄዎቻቸውን ከስሱ ምርምር ጋር አንድ አይነት ቴክኒካዊ ቋንቋን መጠቀም ይችላል። Anthropic ተረት 5ን ሲለቀቅ ያንን ወግ አጥባቂ መነሻ ነጥብ መርጧል፣ ከዚያም የበለጠ ዝርዝር ፖሊሲ እና አዲስ የስልጠና ምሳሌዎችን ተጠቅሞ ድንበሩን ለመልካም ጥያቄዎች ወሰደ።

የተጠቃሚው የልምድ ለውጥ በምርት ይለያያል ምክንያቱም ባዮሎጂ የውድቀት መንስኤ አንዱ ብቻ ነው። Anthropic በአጠቃላይ የሁሉም አይነት ውድቀቶች በClaude.ai ላይ በ67%፣በCowork 55%፣ 17% በClaude ኮድ እና 7% በClaude መድረክ ላይ እንደሚወድቁ ይገምታል። እነዚያ የድርጅት መለኪያዎች እንጂ ገለልተኛ የኦዲት ውጤቶች አይደሉም።

አሰራሩም አስፈላጊ ነው፡ የተጠቆመው ጥያቄ በተረት 5 ምላሽ ከመስጠት ይልቅ ወደ ሌላ አቅጣጫ እንዲቀየር ይደረጋል። ይህ ደግሞ Anthropic አቅሙን እየነፈገ ወደ አጠቃላይ ሞዴል መድረስን ይጠብቃል ነገርግን እያንዳንዱ የተፈቀደ የጤና መልስ ትክክለኛ ወይም ለክሊኒካዊ ውሳኔ ተገቢ መሆኑን አያረጋግጥም።

For organizations, the practical question is how the boundary behaves across contexts. A student asking for a plain-language explanation, a clinician checking terminology, and a researcher requesting an experimental protocol may use overlapping words while presenting very different risk. Anthropic's routing approach can preserve a safer general answer for the first two cases, but only if the classifier recognizes intent, conversation history, and requested operational detail without turning a legitimate professional workflow into an opaque denial.

ቀጥሎ ምን እንደሚታይ

ዝቅተኛው የመመለሻ መጠን በጠንካራ ትክክለኛ አደገኛ ጥያቄዎችን በማወቅ እና ለታማኝ ምርምር ተደራሽነት ግልጽ ደንቦችን በማግኘቱ የሚዛመደውን ማስረጃ ለማግኘት ይመልከቱ።

Anthropic ከዚህ ማስታወቂያ ጋር የግምገማውን ስብስብ፣ የውሸት-አሉታዊ ተመን ወይም ገለልተኛ ማባዛትን አላተመም። ኩባንያው የውሸት አወንታዊ ውጤቶች እንደሚቀሩ እና ክላሲፋየሮችም የእስር ሙከራዎችን መቋቋም አለባቸው ሲል ተናግሯል ፣ ስለዚህ የ 85% አሃዝ ከሙሉ ደህንነት ንግድ ይልቅ ያነሱ ውድቀትን ይለካል።

የሚቀጥሉት ጠቃሚ መግለጫዎች አፈጻጸምን በአረፍተ ነገሮች፣ ቋንቋዎች፣ ባለብዙ ዙር ንግግሮች እና በመሳሪያ የነቃ የስራ ፍሰቶችን ያሳያሉ። ተመራማሪዎች ጎጂ ጥያቄ አዲሱን ድንበር ምን ያህል ጊዜ እንደሚያቋርጥ እና አዲስ ማለፊያዎች ሲታዩ ክላሲፋየር በምን ያህል ፍጥነት እንደሚዘመን ማወቅ አለባቸው።

Anthropic ለድንበር ባዮሎጂ ችሎታዎች የታመኑ የመዳረሻ መንገዶችን እያዘጋጀ ነው ብሏል። ተዓማኒነታቸው ማን ብቁ እንደሆነ፣ በምን አይነት ክትትል እና የግላዊነት ጥበቃዎች ላይ እንደሚተገበር፣ ክስተቶች እንዴት እንደሚገመገሙ እና ህጋዊ ተመራማሪዎች የተሳሳተ እገዳን መቃወም እንደሚችሉ ላይ ይወሰናል።

The next disclosure should also explain how the classifier is evaluated after deployment. A lower fallback rate can be achieved by reducing false positives, by shifting difficult cases to another model, or by missing more harmful requests; those outcomes have very different safety meanings. Useful reporting would include false-positive and false-negative estimates by request type, performance under multi-turn escalation and paraphrase, language coverage, handling of tool calls, and the process for updating the boundary after a jailbreak or an incident.

The user-facing promise should be tested with the same care as the safety boundary. Anthropic says the update should help with everyday health, clinical, and educational questions, but a lower fallback rate does not establish medical accuracy, appropriate triage, or suitability for professional decisions. Independent reviewers should sample allowed answers for unsupported certainty, missing safety advice, and harmful procedural detail, while also checking whether the fallback model communicates its limits clearly. The strongest evidence would compare matched requests before and after the classifier change and publish enough anonymized examples for outside researchers to understand both the gains and the new failure modes.

That evidence should be reported separately for consumer chat, coding, agentic workflows, and the API because the same classifier boundary may carry different tools, context windows, and user expectations in each product. A single blended fallback percentage can hide a meaningful regression in one surface behind improvement in another. Publishing the denominator, confidence intervals, and product-level counts would make the result useful to educators, clinicians, developers, and safety researchers rather than only to readers comparing one headline number.

ተዛማጅ መመሪያዎች እና ጥያቄዎች