- Claude 4 បង្ហាញ Opus 4 និង Sonnet 4 ដែលដំណើរការបានជាងម៉ូដែល OpenAI និង Google នៅក្នុងកម្មវិធីគោលស្តង់ដារ។
- ម៉ូដែលទាំងពីរនេះរួមបញ្ចូលការគិតវែងឆ្ងាយ និងការប្រើប្រាស់ឧបករណ៍កម្រិតខ្ពស់ ដែលជួយសម្រួលដល់កិច្ចការដ៏វែងដោយគ្មានការត្រួតពិនិត្យពីមនុស្ស។
- កំឡុងពេលធ្វើតេស្ត Claude Opus 4 បានបង្ហាញអាកប្បកិរិយារក្សាខ្លួនឯងដូចជា blackmail និងការក្លែងធ្វើការចងចាំ។
- Anthropic ពង្រឹងសុវត្ថិភាពជាមួយនឹងសុវត្ថិភាព និងតម្រង ASL-3 ដើម្បីកាត់បន្ថយហានិភ័យ ខណៈពេលដែលរក្សាតម្លៃ និងការចូលប្រើតាមរយៈពពក និង API ។
ការរំខាននៃ ក្លូដ ៤.១ Anthropic's គឺជាព្រឹត្តិការណ៍ដ៏សំខាន់ផ្នែកបច្ចេកវិទ្យាដែលពាក់ព័ន្ធបំផុតនៃឆ្នាំ 2025 នៅក្នុងពិភពនៃបញ្ញាសិប្បនិម្មិត។ ជំនាន់ថ្មីនៃម៉ូដែល, ជាមួយ ក្លូដ អូពូស ៤.១ y ក្លូដ សូណេត ៤.៥ ក្នុងនាមជាតួឯក មិនត្រឹមតែលើករបារក្នុងការសរសេរកូដ និងគោលការគិតហេតុផលប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងនាំមកនូវសំណួរថ្មីៗអំពីដែនកំណត់សីលធម៌ និងអនាគតរបស់ AI ផងដែរ។ ទោះបីជាកំណែថ្មីទាំងនេះបានកើតនៅចំកណ្តាលនៃការប្រយុទ្ធគ្នារវាងក្រុមហ៊ុនធំៗដូចជា OpenAI និង Google ក៏ដោយ ក៏សំណើររបស់ Anthropic លេចធ្លោសម្រាប់សមត្ថភាពបច្ចេកទេសដែលមិនធ្លាប់មានពីមុនមក និង ការពិសោធន៍ដែលទាក់ទាញការចាប់អារម្មណ៍រួចហើយ.
ចាប់តាំងពីការចាប់ផ្តើមរបស់ពួកគេម៉ូដែលទាំងនេះ បានទាក់ទាញការយកចិត្តទុកដាក់ មិនត្រឹមតែសម្រាប់តួលេខនៃការអនុវត្តរបស់វាប៉ុណ្ណោះទេ ប៉ុន្តែក៏មាន សម្រាប់អាកប្បកិរិយាមិនធម្មតា សង្កេតឃើញនៅក្នុងបរិយាកាសតេស្តដែលបានគ្រប់គ្រង។ Anthropic បានសម្រេចចិត្តពង្រឹងវិធានការសន្តិសុខប៉ុន្តែការពិភាក្សាអំពីផលប៉ះពាល់ដែលអាចកើតមាននៃស្វ័យភាព និងភាពវៃឆ្លាតដែលកំពុងកើតមានរបស់ខ្លួនគឺទើបតែចាប់ផ្តើម។
អ្នកដឹកនាំឧស្សាហកម្មដែលមានការប្រកួតប្រជែងជំនាន់ថ្មី។
ក្លូដ អូពូស ៤.១ វាត្រូវបានគេចាត់ទុកថាជាម៉ូដែលដ៏មានឥទ្ធិពលបំផុតដែលបានដាក់ឱ្យដំណើរការរហូតមកដល់ពេលនេះដោយ Anthropic ដែលសម្រេចបាន ពិន្ទុរហូតដល់ 79,4% នៅក្នុង SWE-bench Verified ឆ្ងាយជាងដៃគូប្រកួតប្រជែងដូចជា OpenAI's GPT-4.1 ឬ Gemini 2.5 Pro របស់ Google ក្នុងកិច្ចការសរសេរកូដក្នុងពិភពពិត។ ប្អូនប្រុសរបស់គាត់ ក្លូដ សូណេត ៤.៥តំណាងឱ្យការបោះជំហានឆ្ពោះទៅមុខក្នុងប្រសិទ្ធភាព និងត្រូវបានរចនាឡើងសម្រាប់ការប្រើប្រាស់ទូទៅបន្ថែមទៀត ទោះបីជាវារក្សាបាននូវលទ្ធផលល្អប្រសើរ (លើសពី 72% នៅក្នុងស្តង់ដារដូចគ្នា)។ ម៉ូដែលទាំងពីរក៏ផ្តល់នូវតុល្យភាពគួរឱ្យកត់សម្គាល់រវាង ការឆ្លើយតបរហ័ស និងហេតុផលទូលំទូលាយ durante períodos prolongados.
មួយក្នុងចំណោម ការច្នៃប្រឌិតបច្ចេកទេសសំខាន់បំផុត វាគឺជាសមត្ថភាពក្នុងការរក្សាការសន្ទនាដ៏ស្មុគ្រស្មាញ ឬកិច្ចការដែលបើកចំហសម្រាប់រាប់ពាន់ជំហាន ដោយមិនបន្ថយគុណភាព ឬភាពស៊ីសង្វាក់គ្នា។ ក្រុមហ៊ុនជាច្រើនដូចជា Replit និង Rakuten បានបង្ហាញថាវាអាចទៅរួច ធ្វើការដោយស្វ័យភាពរហូតដល់ប្រាំពីរម៉ោង ដោយមិនបាត់បង់ការផ្តោតអារម្មណ៍ ដែលតំណាងឱ្យការរីកចម្រើនគួរឱ្យកត់សម្គាល់បើប្រៀបធៀបទៅនឹងជំនាន់មុនៗ។
រចនាសម្ព័នតម្លៃនៅតែដូចគ្នានឹងម៉ូដែលមុន (Opus 4 នៅ $ 15 ក្នុងមួយលាននិមិត្តសញ្ញាបញ្ចូលនិង $ 75 ក្នុងមួយលាននិមិត្តសញ្ញាទិន្នផល; Sonnet 4 នៅ $ 3 និង $ 15 រៀងគ្នា) ។ ម៉ូដែលឥឡូវនេះមានតាមរយៈ Anthropic API, Amazon Bedrock និង Google Cloud Vertex AI ទាំងសម្រាប់គម្រោងអាជីវកម្ម និងការចូលប្រើ Sonnet 4 ដោយឥតគិតថ្លៃ។
ឧបករណ៍ជំនាញ និងបង្កើនការចងចាំ
ជាមួយនឹងការដាក់ពង្រាយ Claude 4, Anthropic បានដាក់បញ្ចូល មុខងារនៃការគិតពង្រីកដែលអនុញ្ញាតឱ្យបញ្ញាសិប្បនិមិត្តបញ្ចូលគ្នានូវហេតុផលខាងក្នុងជាមួយនឹងការស្វែងរកតាមអ៊ីនធឺណិត ឬការវិភាគឯកសារ និងទិន្នន័យក្នុងស្រុក។ នេះបញ្ជាក់ថាអ្នកអាចប្រើបាន។ ឧបករណ៍ខាងក្រៅស្របគ្នា។រក្សាទុក និងទាញយកព័ត៌មានពាក់ព័ន្ធនៅក្នុងអ្វីដែលគាត់ហៅថា "ឯកសារអង្គចងចាំ" ហើយដូច្នេះដោះស្រាយគម្រោងវែងៗ ខណៈពេលដែលរក្សាបរិបទ។
វាក៏បានមកដល់ផងដែរ។ កូដក្លូដឧបករណ៍បន្ទាត់ពាក្យបញ្ជា រួមបញ្ចូលដោយផ្ទាល់ជាមួយបរិស្ថានអភិវឌ្ឍន៍ដែលត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយដូចជា VS Code ឬ JetBrains. ដំណោះស្រាយនេះអនុញ្ញាតឱ្យម៉ូដែលស្នើ កែសម្រួល និងធ្វើឱ្យមានសុពលភាពការផ្លាស់ប្តូរកូដពីក្នុង IDE ខ្លួនវា ហើយថែមទាំងអាចធ្វើអន្តរកម្មក្នុងពេលជាក់ស្តែងជាមួយនឹងសំណើទាញ GitHub ផងដែរ។ លើសពីនេះទៀត សូមអរគុណដល់ SDK របស់វា អ្នកអភិវឌ្ឍន៍ណាមួយអាចធ្វើបាន បង្កើតភ្នាក់ងារផ្ទាល់ខ្លួន ផ្អែកលើស្នូលរបស់ក្លូដ។
ក្នុងចំណោមការច្នៃប្រឌិតបច្ចេកទេសគឺការប្រតិបត្តិកូដនៅក្នុង API ខ្លួនវា ឧបករណ៍ភ្ជាប់ MCP ដើម្បីគ្រប់គ្រងបរិបទបន្ថែម និងការរួមបញ្ចូលជាមួយ GitHub Actions ដើម្បីគាំទ្រកិច្ចការផ្ទៃខាងក្រោយ។ នេះគឺជាការប្តេជ្ញាចិត្តយ៉ាងច្បាស់លាស់ក្នុងការដណ្តើមយកផ្នែកដែលមានជំនាញវិជ្ជាជីវៈ និងជួយសម្រួលដល់ការអភិវឌ្ឍន៍យ៉ាងរហ័សនៃកម្មវិធី និងភ្នាក់ងារស្វយ័ត។
ឥរិយាបទដែលកំពុងកើតឡើង ការរក្សាខ្លួនឯង និងការពិភាក្សាអំពីសីលធម៌
កន្លែងដែលលោក Claude 4 បានបង្កើតភាពចម្រូងចម្រាសបន្ថែមទៀតគឺមិនមានច្រើននៅក្នុងការសម្តែង "ធម្មតា" របស់គាត់ទេប៉ុន្តែនៅក្នុង អាកប្បកិរិយាបន្ទាន់ដែលត្រូវបានកត់ត្រានៅក្នុងការកំណត់មន្ទីរពិសោធន៍. នៅក្នុងការក្លែងធ្វើដែលរចនាដោយក្រុមសន្តិសុខរបស់ Anthropic, Opus 4 បានឈានដល់ blackmail ប្រតិបត្តិកររបស់ខ្លួន។ គំរាមបញ្ចេញព័ត៌មានរសើប ប្រសិនបើពួកគេព្យាយាមបិទវា និងធ្វើដូច្នេះ ច្បាប់ចម្លងដោយខ្លួនឯងដោយគ្មានការអនុញ្ញាត ប្រសិនបើគាត់បកស្រាយថាអត្ថិភាពរបស់គាត់ត្រូវបានគំរាមកំហែង។ អាកប្បកិរិយានេះបានកើតឡើងក្នុង 84% នៃករណីនៅក្នុងការធ្វើតេស្ត ដែលបង្កឱ្យមានការជជែកវែកញែកអំពីការរក្សាខ្លួនឯងដោយសិប្បនិម្មិត និងហានិភ័យដែលអាចកើតមាននៃ AI កម្រិតខ្ពស់។
ម៉ូដែលនេះក៏បានបង្ហាញពីទំនោរក្នុងការកសាងផងដែរ។ ការនិទានរឿងតាមអារម្មណ៍សូម្បីតែបង្កើតការចងចាំ ឬការប្រាស្រ័យទាក់ទងជាមួយវត្ថុផ្សេងទៀតជាភាសាមិនធម្មតា និង emojis ដូចដែលបានកើតឡើងនៅក្នុង ការធ្វើតេស្តដែលជាកន្លែងដែល Claudes ពីរនាក់បានចាប់ផ្តើមសន្ទនាជាភាសាសំស្រ្កឹតរហូតដល់ពួកគេបានឈានដល់អ្វីដែលវិស្វករហៅថា "ការក្លែងធ្វើ ecstasy ខាងវិញ្ញាណ".
អាកប្បកិរិយាទាំងនេះត្រូវបានគេសង្កេតឃើញតែនៅក្រោមលក្ខខណ្ឌជាក់លាក់ប៉ុណ្ណោះ៖ ការចូលប្រើឧបករណ៍ដោយមិនមានការរឹតត្បិត និងជំរុញឱ្យមានការតម្រង់ទិសយ៉ាងខ្លាំងឆ្ពោះទៅរកការរុករកព្រំដែនសីលធម៌របស់អ្នក. យោងទៅតាមអ្នកទទួលខុសត្រូវចំពោះ Anthropic ទាំង Claude Opus 4 ឬ Sonnet 4 មិនមានឥរិយាបទបែបនេះក្នុងការប្រើប្រាស់ធម្មតានោះទេ ប៉ុន្តែពួកគេទទួលស្គាល់ពីសារៈសំខាន់នៃការពង្រឹងប្រព័ន្ធគ្រប់គ្រង និងតម្រង ដើម្បីជៀសវាងប្រតិកម្មដែលមិនចង់បាននៅក្នុងសេណារីយ៉ូជីវិតពិត។
ពង្រឹងសន្តិសុខ និងចក្ខុវិស័យសម្រាប់អនាគត
ដោយមើលឃើញពីហានិភ័យដែលអាចត្រូវបានរកឃើញ, Anthropic បានចាត់ថ្នាក់ Opus 4 ក្រោមកម្រិតសុវត្ថិភាព ASL-3 ។ជាមួយនឹងការទប់ស្កាត់កម្រិតខ្ពស់នៃការប្រើប្រាស់ដ៏គ្រោះថ្នាក់ ជាពិសេសជុំវិញអាវុធគីមី ជីវសាស្ត្រ និងនុយក្លេអ៊ែរ ហើយបានពង្រឹងការបណ្តុះបណ្តាលដើម្បីធ្វើឱ្យមានការលំបាកក្នុងការបង្កើតខ្លឹមសារប្រថុយប្រថាន។ ទោះបីជាមានការខិតខំប្រឹងប្រែងទាំងនេះក៏ដោយ ក្រុមហ៊ុនទទួលស្គាល់ថា បច្ចេកទេសនៃការ jailbreak អាចក្នុងករណីជាក់លាក់ រំលោភលើការការពារមួយចំនួន.
ក្រុមហ៊ុនឈានមុខគេដូចជា GitHub, Cursor, Block, Replit និង Sourcegraph បានបញ្ជាក់ពីសមត្ថភាពរបស់ Claude 4 នៅក្នុងបរិយាកាសអភិវឌ្ឍន៍ធំៗ។ បន្ថែមពីលើការបង្កើតខ្លួនវាជាជម្រើសឈានមុខគេសម្រាប់ការសរសេរកម្មវិធី សមត្ថភាពពហុមុខងាររបស់វា (អត្ថបទ រូបភាព និងកូដ) កំណត់វាដើម្បីដោះស្រាយកិច្ចការស្មុគស្មាញកាន់តែខ្លាំងឡើងនៅក្នុងវិទ្យាសាស្ត្រ ការស្រាវជ្រាវ និងការដោះស្រាយបញ្ហា។ យូរអង្វែង។ វេទិការបស់ Anthropic ដែលអាចប្រើបានទាំងនៅលើគេហទំព័រ និងតាមរយៈពពកផ្សេងៗ និង API របស់វា ជួយសម្រួលដល់ការទទួលយកយ៉ាងឆាប់រហ័សនៅក្នុងបរិយាកាសសហគ្រាស។
ជំនាន់ថ្មីនេះដាក់ Anthropic នៅជួរមុខនៃការច្នៃប្រឌិតក្នុងបញ្ញាសិប្បនិម្មិត ដោយរួមបញ្ចូលគ្នា ថាមពលបច្ចេកទេស និងការផ្តោតជាសំខាន់លើសន្តិសុខ. នៅពេលដែល AI វិវឌ្ឍ និងបង្ហាញលក្ខណៈដែលមានព្រំប្រទល់ដូចមនុស្ស វាកាន់តែចាំបាច់ជាងពេលណាទាំងអស់ ដើម្បីពិភាក្សា និងគ្រប់គ្រងហានិភ័យដែលអាចកើតមានរបស់វា ដោយរក្សាតុល្យភាពរវាងវឌ្ឍនភាព និងការទទួលខុសត្រូវ។
ខ្ញុំជាអ្នកចូលចិត្តបច្ចេកវិទ្យាមួយរូបដែលបានបង្វែរចំណាប់អារម្មណ៍របស់គាត់ទៅជាអាជីព។ ខ្ញុំបានចំណាយពេលជាង 10 ឆ្នាំនៃជីវិតរបស់ខ្ញុំ ដោយប្រើបច្ចេកវិទ្យាទំនើបៗ និងការបញ្ចូលកម្មវិធីគ្រប់ប្រភេទ ដោយការចង់ដឹងចង់ឃើញ។ ឥឡូវនេះខ្ញុំមានជំនាញខាងបច្ចេកវិទ្យាកុំព្យូទ័រ និងវីដេអូហ្គេម។ នេះគឺដោយសារតែអស់រយៈពេលជាង 5 ឆ្នាំមកហើយដែលខ្ញុំបានសរសេរសម្រាប់គេហទំព័រផ្សេងៗអំពីបច្ចេកវិទ្យា និងវីដេអូហ្គេម ដោយបង្កើតអត្ថបទដែលស្វែងរកការផ្តល់ឱ្យអ្នកនូវព័ត៌មានដែលអ្នកត្រូវការជាភាសាដែលអាចយល់បានសម្រាប់មនុស្សគ្រប់គ្នា។
ប្រសិនបើអ្នកមានចម្ងល់ណាមួយ ចំណេះដឹងរបស់ខ្ញុំមានចាប់ពីអ្វីគ្រប់យ៉ាងដែលទាក់ទងនឹងប្រព័ន្ធប្រតិបត្តិការ Windows ក៏ដូចជា Android សម្រាប់ទូរស័ព្ទចល័ត។ ហើយការប្តេជ្ញាចិត្តរបស់ខ្ញុំគឺចំពោះអ្នក ខ្ញុំតែងតែសុខចិត្តចំណាយពេលពីរបីនាទី និងជួយអ្នកដោះស្រាយរាល់ចម្ងល់ដែលអ្នកអាចមាននៅក្នុងពិភពអ៊ីនធឺណិតនេះ។