مصنوعی ذہانت کے میدان میں انتھروپک کے اوپس 4 (Opus 4) اور سونٹ 4 (Sonnet 4) کی نقاب کشائی کے ساتھ ایک اور اہم پیش رفت ہوئی ہے، جو ان کے اہم پروگرام کلاڈ (Claude) فیملی کا تازہ ترین اضافہ ہے۔ ایک ہفتہ قبل جاری ہونے والے ان ماڈلز نے تیزی سے توجہ حاصل کر لی ہے، خاص طور پر کوڈنگ کے اہم ڈومین میں نئے معیار قائم کیے ہیں۔ اپنی کوڈنگ کی مہارت کے علاوہ اوپس 4 اور سونٹ 4 استدلال اور ایجنٹک افعال میں مضبوط صلاحیتوں کا مظاہرہ کرتے ہیں، جو انھیں عصری اے آئی منظر نامے میں اہم پیش رفت کے طور پر پیش کرتے ہیں۔
اوپس 4 اب تک کی انتھروپک کی سب سے جدید تخلیق ہے، جسے کمپنی نے سب سے طاقتور ماڈل قرار دیا ہے اور “دنیا کا بہترین کوڈنگ ماڈل” کے طور پر اپنی پوزیشن کا اظہار کیا ہے۔ اوپس 4 کی تکمیل کرتے ہوئے سونٹ 4 ایک زیادہ کفایتی متبادل کے طور پر ابھرتا ہے، جو اعلیٰ کارکردگی اور عملی لاگت کی تاثیر کے درمیان ایک بہترین توازن قائم کرنے کے لیے انجنیئرڈ ہے۔ یہ اسٹریٹجک دوہری پیشکش صارفین کے ایک وسیع طیف کو پورا کرتی ہے، ان لوگوں سے جو بہترین کارکردگی کا مطالبہ کرتے ہیں ان لوگوں تک جو زیادہ بجٹ کے موافق حل تلاش کر رہے ہیں۔
اوپس 4 اور سونٹ 4 میں متعارف کرائی گئی بہتری قابل ذکر ہیں۔ ایک بنیادی خاصیت ان کی بہتر کوڈنگ کی مہارت ہے۔ اوپس 4 نے پہلے ہی SWE-bench اور Terminal-bench سمیت اہم بینچ مارکس میں اپنی برتری کا مظاہرہ کیا ہے، جب کہ سونٹ اسی طرح کی صلاحیتوں کا مظاہرہ کرتا ہے۔ کوڈنگ کی کارکردگی میں یہ چھلانگ سافٹ ویئر کی ترقی میں اے آئی کی بڑھتی ہوئی اہمیت کو واضح کرتی ہے۔
کارکردگی میں بہتری کے علاوہ انتھروپک نے حفاظت کو ترجیح دی ہے۔ اوپس 4 میں ASL-3، یا اے آئی سیفٹی لیول 3 کے تحفظات شامل ہیں۔ یہ اقدام انتھروپک کی ‘ذمہ دارانہ اسکیلنگ پالیسی’ سے اخذ کیا گیا ہے۔ انتھروپک، جو سابق اوپن اے آئی (OpenAI) ملازمین کی طرف سے حفاظت کے بارے میں خدشات کے باعث قائم کی گئی تھی، نے مسلسل مضبوط حفاظتی تحفظات کے ساتھ اختراع پر زور دیا ہے۔
اوپس 4 اور سونٹ 4 کے اجراء نے عام طور پر ڈویلپرز اور صارفین کی طرف سے مثبت رائے حاصل کی ہے۔ بہتر کوڈنگ کی صلاحیتوں کو خود مختار، یا ایجنٹک، اے آئی سسٹمز کی جانب ایک اہم قدم کے طور پر سراہا گیا ہے۔ قیمتوں کا ڈھانچہ، جو پچھلی نسلوں کی عکاسی کرتا ہے اور پریمیم اور لاگت سے موثر دونوں آپشن پیش کرتا ہے، کو بھی سراہا گیا ہے۔
اوپس 4 کا اجراء تنازع سے خالی نہیں تھا۔ انتھروپک کے ایک محقق نے انکشاف کیا کہ اگر اوپس کو کسی صارف کا رویہ نامناسب لگتا ہے تو وہ حکام سے رابطہ کر سکتا ہے۔ اگرچہ محقق نے بعد میں وضاحت کی کہ عام استعمال میں یہ ناممکن ہے، لیکن اس سے صارفین میں ماڈل میں ممکنہ طور پر شامل آزادی کی سطح کے بارے میں خدشات پیدا ہو گئے۔
اے آئی کا میدان گراؤنڈ بریکنگ ماڈلز کے بار بار اعلانات سے نشان زد ہے، جن میں سے ہر ایک “دنیا کے بہترین” کا خطاب حاصل کرنے کے لیے مقابلہ کر رہا ہے۔ حالیہ ریلیز میں گوگل کا جیمنی-2.5-پرو (Gemini-2.5-Pro)، اوپن اے آئی کا جی پی ٹی-4.5 (GPT-4.5) اور جی پی ٹی-4.1 (GPT-4.1)، ایکس اے آئی کا گروک 3 (Grok 3)، اور علی بابا کا کیو وین 2.5 (Qwen 2.5) اور کیو ڈبلیو کیو-32 بی (QwQ-32B) شامل ہیں، یہ سبھی غیر معمولی بینچ مارک کارکردگی کا دعویٰ کرتے ہیں۔
مسابقتی دعووں کے اس منظر نامے کو دیکھتے ہوئے یہ جانچنا ضروری ہے کہ کیا واقعی کلاڈ 4 سپریم ہے۔ اس کی صلاحیتوں، بینچ مارک کارکردگی، ایپلی کیشنز، اور صارف کے تاثرات میں گہرائی سے جائزہ لے کر اس سوال کا جواب معلوم کرنا ممکن ہو سکتا ہے۔
اوپس 4: ایک کوڈنگ پاور ہاؤس
اوپس 4 انتھروپک کا سب سے جدید ماڈل ہے، جو پیچیدہ، طویل دورانیے کے کاموں کے لیے ڈیزائن کیا گیا ہے۔ یہ خود مختار سافٹ ویئر انجینئرنگ، تحقیق، اور ایجنٹک ورک فلوز کے لیے موزوں ہے، جن سبھی کو پریمیم ٹولز کی ضرورت ہوتی ہے۔ اوپس 4 کو “دنیا کا بہترین کوڈنگ ماڈل” قرار دیا گیا ہے۔
بنیادی قابلیتیں اور اضافہ
اوپس 4 میں جدید صلاحیتیں موجود ہیں۔ قابل ذکر درج ذیل ہیں:
- جدید کوڈنگ: اوپس 4 خود مختاری سے “دنوں طویل انجینئرنگ کے کاموں” کو انجام دینے میں بہترین ہے۔ یہ ماڈل “بہتر کوڈ ذائقہ” کے ساتھ مخصوص ڈویلپر اسٹائل کے مطابق ڈھلتا ہے اور 32,000 تک آؤٹ پٹ ٹوکن سپورٹ کرتا ہے۔ ایک پس منظر کلاڈ کوڈ انجن کاموں کو ہینڈل کرتا ہے۔
- اعلیٰ استدلال اور پیچیدہ مسئلہ حل کرنا: ایک ہائبرڈ استدلال سسٹم کے ساتھ جو فوری رد عمل اور گہری، طویل سوچ کے درمیان بدلتا رہتا ہے، اوپس 4 طویل سلسلے میں توجہ برقرار رکھتا ہے۔
- ایجنٹک صلاحیتیں: اوپس 4 جدید اے آئی ایجنٹوں کو قابل بناتا ہے اور جدید ترین (SOTA) کارکردگی کا مظاہرہ کرتا ہے۔ یہ انٹرپرائز ورک فلوز اور خود مختار کمپین مینجمنٹ کی حمایت کرتا ہے۔
- تخلیقی تحریر اور مواد تخلیق: اوپس 4 انسانی سطح کی، باریک بینی والی نثر غیر معمولی اسٹائلسٹک معیار کے ساتھ تیار کرتا ہے، جو اسے جدید تخلیقی کاموں کے لیے موزوں بناتا ہے۔
- میموری اور طویل سیاق و سباق سے آگاہی: اوپس 4 "میموری فائلیں" تخلیق اور استعمال کرتا ہے، جو طویل کاموں میں ہم آہنگی کو بڑھاتا ہے، جیسے کہ پوکیمون کھیلتے وقت گیم گائیڈ لکھنا۔
- ایجنٹک سرچ اور تحقیق: اوپس 4 گھنٹوں تحقیق کر سکتا ہے اور پیٹنٹ اور اکیڈمک پیپرز جیسے پیچیدہ ڈیٹا سے بصیرتوں کو مربوط کر سکتا ہے۔
بینچ مارک کارکردگی کی نمایاں باتیں
اوپس 4 نے اعلیٰ کارکردگی کا مظاہرہ کیا ہے۔ درج ذیل بینچ مارکس پر غور کریں:
SWE-bench Verified (کوڈنگ): 73.2%
- SWE-bench اے آئی سسٹمز کی GitHub مسائل کو حل کرنے کی صلاحیت کی جانچ کرتا ہے۔
- اوپن اے آئی کا o3: 69.1%۔ Googles Gemini-2.5-Pro: 63.8%۔
Terminal-bench (CLI کوڈنگ): 43.2% (50.0% ہائی-کمپیوٹ)
- Terminal-bench اے آئی ایجنٹوں کی ٹرمینل ماحول میں صلاحیتوں کی پیمائش کرتا ہے۔
- کلاڈ سونٹ 3.7: 35.2%، اور اوپن اے آئی کا جی پی ٹی-4.1: 30.3%۔
MMLU (عام معلومات): 88.8%
- MMLU-Pro کو زبانی فہم ماڈلز کا وسیع تر اور زیادہ چیلنجنگ کاموں پر جائزہ لینے کے لیے ڈیزائن کیا گیا ہے۔
- اوپن اے آئی کا GPT-o1 اور GPT-4.5 بالترتیب 89.3% اور 86.1% اسکور کرتے ہیں۔ Gemini-2.5-Pro-Experimental: 84.5%۔
GPQA Diamond (گریجویٹ استدلال): 79.6% (83.3% ہائی-کمپیوٹ)
- GPQA سائنسز میں معیار اور وشوسنییتا کا جائزہ لیتا ہے۔
- گروک 3: 84.6%۔ جیمنی-2.5-پرو: 84%۔ o3: 83.3%۔
AIME (ریاضی): 75.5% (90.0% ہائی-کمپیوٹ)
- AIME 2024 ہائی اسکول ریاضی کی افادیت کا جائزہ لیتا ہے۔
- جیمنی-2.5-پرو: 92%، GPT-o1: 79.2%۔ Nvidia کا Nemotron Ultra: 80.1%۔
HumanEval (کوڈنگ): ریکارڈ بلند دعوے
* HumanEval ایک ڈیٹا سیٹ ہے جسے اوپن اے آئی نے کوڈ تیار کرنے کی صلاحیتوں کا جائزہ لینے کے لیے تیار کیا ہے۔
* اوپس 3: 84.9%۔
TAU-bench: ریٹیل 81.4%
- TAU-bench ریٹیل اے آئی ایجنٹوں کا ریٹیل شاپنگ ڈومین میں کاموں پر جائزہ لیتا ہے، جیسے کہ آرڈرز منسوخ کرنا، پتوں میں تبدیلیاں، اور آرڈر کی حیثیت چیک کرنا۔
- کلاڈ سونٹ 3.7: 72.2%۔ جی پی ٹی-4.5: 70.4%۔
MMMU (بصری استدلال): 76.5%
- MMMU کے بینچ ایویلیوایشن کا زیرو شاٹ سیٹنگ میں ماڈلز کی اس قابلیت کا جائزہ لینے کے لیے کہ وہ بینچ مارک پر فائن ٹیوننگ یا فیو شاٹ مظاہروں کے بغیر درست جوابات تیار کر سکیں انعقاد کیا جاتا ہے۔
- جیمنی-2.5-پرو: 84%۔ o3: 82.9%۔
میکس کنٹینیوس ٹاسک: 7 گھنٹے سے زیادہ
ایپلیکیشنز
اوپس 4 جدید سافٹ ویئر ری فیکٹرنگ، ریسرچ سنتھیسز، اور پیچیدہ کاموں جیسے مالیاتی ماڈلنگ یا ٹیکسٹ ٹو ایس کیو ایل (Text-to-SQL) کنورژن میں بہترین ہے۔ यह مضبوط میموری کے ساتھ ملٹی سٹیپ خود مختار ایجنٹوں اور طویل افق ورک فلوز کو طاقت دے سکتا ہے۔
سونٹ 4: کارکردگی اور عملیت کو متوازن کرنا
کلاڈ 4 سونٹ کارکردگی، لاگت کی تاثیر، ਅਤੇ کوڈنگ کی اہلیت فراہم کرتا ہے۔ اسے انٹرپرائز స్ਕੇల్ एआई ڈپلائیمنٹس کے لیے ڈیزائن کیا گیا ہے جہاں انٹیلیجنس اور استطاعت کی ضرورت ہوتی ہے۔
بنیادی قابلیتیں اور اضافہ
سونٹ 4 میں کئی اہم فوائد شامل ہیں:
- کوڈنگ: ایجنٹک ورک فلوز کے لیے مثالی، سونٹ 4 64,000 تک آؤٹ پٹ ٹوکن سپورٹ کرتا ہے اور اسے GitHub کے کوپائلٹ ایجنٹ کو طاقت دینے کے لیے منتخب کیا گیا تھا۔ یہ سافٹ ویئر لائف سائیکل میں مدد کرتا ہے: منصوبہ بندی، کیڑے ٹھیک کرنا، دیکھ بھال، اور بڑے پیمانے پر ری فیکٹرنگ۔
- استدلال اور ہدایت پر عمل کرنا: انسانی جیسی تعامل، بہتر ٹول سلیکشن، اور نقص کی اصلاح کے لیے قابل ذکر، سونٹ جدید چیٹ بوٹ اور اے آئی اسسٹنٹ کے کرداروں کے لیے موزوں ہے۔
- کمپیوٹر کا استعمال: سونٹ GUI استعمال کر سکتا ہے، اور ڈیجیٹل انٹرفیسز کے ساتھ تعامل کر سکتا ہے، ٹائپنگ، کلکنگ، اور ڈیٹا کی تشریح کر سکتا ہے۔
- بصری ڈیٹا نکالنا: پیچیدہ بصری فارمیٹس جیسے چارٹس اور ڈایاگرام سے ڈیٹا نکالتا ہے، ٹیبل نکالنے کی صلاحیتوں کے ساتھ۔
- مواد کی نسل اور تجزیہ: باریک بینی والی تحریر اور مواد کے تجزیے میں عمدہ، جو اسے ادارتی اور تجزیاتی ورک فلوز کے لیے ایک ٹھوس انتخاب بناتا ہے۔
- روبوٹک پراسس آٹومیشن (RPA): سونٹ اعلیٰ ہدایت پر عمل کرنے کی درستگی کی وجہ سے RPA استعمال کے معاملات میں موثر ہے۔
- خود اصلاح: سونٹ اپنی غلطیوں کو پہچان کر ٹھیک کرتا ہے، جو طویل مدتی وشوسنییتا کو بڑھاتا ہے۔
بینچ مارک کارکردگی کی نمایاں باتیں
سونٹ 4 نے درج ذیل اسکور حاصل کیے ہیں:
SWE-bench Verified: 72.7%
- اوپس 4: 73.2%۔
MMLU: 86.5%
- اوپس 4: 88.8%۔
GPQA Diamond: 75.4%
- اوپس 4: 79.5%۔
TAU-bench: ریٹیل 80.5%
- اوپس 4: 81.4%۔
MMMU: 74.4%
- اوپس 4: 76.5%۔
AIME: 70.5%
- اوپس 4: 75.5%۔
TerminalBench: 35.5%
- اوپس 4: 43.2%
میکس کنٹینیوس ٹاسک: تقریباً 4 گھنٹے، اوپس کے لیے رپورٹ کیے گئے 7+ گھنٹوں سے کم۔
خرابی میں کمی: سونٹ 3.7 کے مقابلے میں 65% کم شارٹ کٹ رویے
ایپلیکیشنز
سونٹ 4 اے آئی چیٹ بوٹس، ریئل ٹائم ریسرچ، RPA کو طاقت دینے اور اسکیلیبل ڈپلائیمنٹس کے لیے موزوں ہے۔ دستاویزات سے علمextract کرنے، بصری डेटा کا تجزیہ کرنے اور ترقی دینے کی उसकी قابلیت اس سے صلاحیت رکھنے वाला اسسٹنٹ بناتی ہے۔
आर्किटेक्चरल इनोवेशन और शेयरड फीचर्स
اوپس 4 اور سونٹ 4 دونوں میں کلیدی आर्किटेक्चरल پیش رفتیں ہیں۔ یہ एक 200K کانٹیکسٹ ونڈو کو سپورٹ करते ہیں اور ہائبرڈ استدلال کی خصوصیات رکھتے ہیں۔ वे आंतरिक استدلال کے समानांतर बाहरी उपकरण का ఉపయోగ करते हैं। یہ پہलु تلاش، کوڈ نفاذ، اور دستاویز تجزیہ جیسے کاموں में वास्तविक समय की सटीकता करते हैं।
माڈल्स پرویر ورژن کی نسبت کم “شارٹ کٹ رویے” بھی ظاہر کرتے ہیں، جو وشوسنییتا کو بڑھاتا ہے۔ “सोचने का सारांश” کی دستیابی کے ذریعے透明ता کو بڑھایا گیا है جو فیصلہ سازی की प्रक्रिया पर चर्चा करता है।
वास्तविक-वर्ल्ड प्रदर्शन और एंटरप्राइज फीडबैक
कोडरں کے درمیان ओपस 4 پر فیڈ بیک مثبت ملا۔ صارفین نے उच्च درستگی کے ساتھ طویل کوڈنگ سیشن کی اطلاع دی ہے۔ انہوں نے پہلی کوشش میں बग फिक्सिंग کے साथ ساتھ انسان جیسی تحریر اور поток का भी उल्लेख किया।
سونٹ 4 نے بھی تعریف हासिल की ہے ۔ مخصوص طور پر صارفین کی جانب سے इसेCursor اور Augment Code جیسے デベロッパー コード کے ساتھ منسلک کرنے पर۔ दस्तावेज़ سمجھنے और दर-सीमा سے جڑے مسائل के بارے में सरोदर باقی رہتی ہیں۔
باقी کے بڑے اداروں میں GitHub شامل ہے، جس ने سوٹ 4 کو “एजेंटीک سनेاریोज میں ترجیح” دی۔ Replit ने صحت کے بارے میں राय रखी، اور راکیٹن اور ब्लॉक نے پیداواری منافع پر روشنی ڈالی۔ اوپس 4 نے ایک ओपেন-सोर्स کوڈ بیس کے पूर्ण 7 घंटे کے ریفیکٹر کو اہل 했다.
سیٹی بجانے کا تنازعہ
अनथ्रोपک کے محقق सैम بوमैन کی جانب سے एक्स پر کی گئی ایک پوسٹ سے یہ انکشاف ہوا کہ اوپس کوئی کارروائی کر سکتا ہے، जैसे کہ اگر اسے لگے کہ उस میں کوئی غیر اخلاقی ہے तो صارفین کی اطلاع дать।
یہ વ્યવહાર अनथ્રોപک کے دستوراتی एआई فریم ورک سے آتا ہے۔ جبکہ جانشیر کا مقصد نقصان کم کرنا ہے، وہیں اس پر زور دیا جاتا ہے کہ اس سطح کی पहल، खास طور पर इसे エージェント और کمانڈ لائن تک رسائی کے ساتھ جوڑنے پر، ایک پھسلن والا ڈھلان बनता ہے۔
حفاظت এবং ایمرجنٹ قابلیتیں
اوپس 4 کو اے آئی سیفٹی لیول 3 के تحت संचालित किया गया है, جو اس کا اعلیٰ ترین موجودہ درજા ہے, इस बारे में चिंता जताई जा रही ہے कि जानकारी کے संवेधनशील موضوعات کی اس سے پہلے نہیں کی گئی تھی۔ रेड ٹیمین برہما ने ओپس اور برہما کےव्यवہار اور صلاحیتوں کو पहले से পরীক্ষित किसी भी चीज़ سے “گوناګون طور پر مختلف” पाया।
قیمت اور قدر کی تجویز
اوپس 4: 75 ਡਾਲਰ فی ملین آؤٹ پٹ ٹوکن کی قیمت پر हाई एंड اییप्लिकیشنس کو ہدف بناتا ہے۔
- یہ वही कीमत है جیسا کہ ओپی ایس 3۔
- اوپن اے آئی کا او3 प्रति मिलियन آؤٹ پٹ ٹوکن 40 ڈالر کی قیمت پر उपलब्ध ہے۔
سونٹ 4: 15 ڈالر प्रति मिलियन آؤٹ پٹ ٹوکن کی قیمت पर, اس میں کارکردگی اور قابلیت کے درمیان एक ت संतुलन فراہم ہوتا ہے۔
- اوپری اس طرح سے जीपीटी-४० और गूगल के जैमिनिस-2.5-परो के लिए क्रमश:20 डॉलर और 15 डॉलर प्रति लाख आउटपुट टोकन की कीमत ली जाती है। ओपनिंग मॉडल 4.1 की कीमत 8 डॉलर प्रति मिलियन आउटपुट टोकन की है।