Resumen:
Después del lanzamiento de Opus 5.5, los internautas se apresuraron a probarlo. Con un solo deslizamiento, hay varios trabajos, que van desde páginas web, animaciones hasta juegos, etc. Estos son más intuitivos que los valores de referencia y algunos los puede probar usted mismo. Un creador llamado MiaAI Lab le pidió directamente a Opus 5.5 que "creara 100 archivos HTML" con tres requisitos: atractivo, sin diseños repetitivos y pleno uso de la creatividad. El producto final es asombroso.
https://x.com/MiaAI_lab/status/2102490829306634560
Sin mencionar que cada clic parece decente. Un mismo modelo tiene un procesamiento muy diversificado de diferentes formas de interacción y estilos visuales.
Enlace del vídeo: https://mp.weixin.qq.com/s/dVLbNHkM32K5g1cJWJs1hw
En este caso, Opus 5.5 partió de los requisitos abiertos, decidió qué trabajos realizar y escribió la estructura de la página, CSS y código interactivo. Desde la concepción creativa, la división de tareas hasta la producción del producto terminado, Opus 5.5 demuestra una gran autonomía.
Dé al modelo un objetivo general abierto, déjelo planificar sus propios pasos y entregue la tarea por completo.
Esto es exactamente lo que Anthropic recomienda encarecidamente esta vez.
¿Realmente podemos terminar todo de una vez?
Anthropic da consejos al comienzo de la guía del usuario de Opus 5.5: explique la tarea completa de una vez, deje claro lo que se considera "hecho" y cuando encuentre situaciones en las que necesite detenerse y preguntarle al usuario, y luego dejar que el modelo funcione por sí solo.
Enlace de la guía: https://claude.dev/blog/getting-the-most-out-of-opus-5-5/
El ejemplo dado en la guía es la migración de la interfaz de pago.
Además de explicar las tareas, lo más importante es indicar los estándares de finalización: todas las interfaces utilizan nuevos clientes, los antiguos se eliminan y la prueba pasa. Sólo cuando encuentra fallas de prueba inexplicables el modelo debe detenerse y preguntar. Estos requisitos dan al modelo margen para avanzar por sí solo y dejan estándares verificables para la entrega final.
De hecho, esta sugerencia se mencionó cuando se lanzó Opus5. Esta vez, Anthropic enfatizó específicamente que Opus 5.5 es más capaz de avanzar continuamente en tareas de varios pasos a largo plazo.
Los materiales de lanzamiento oficiales mencionan que uno de los primeros evaluadores le pidió que revisara y corrigiera alrededor de 200.000 líneas de código, lo cual se completó en menos de tres horas; Opus 5 tardó más de 20 horas en la misma tarea. Otra prueba interna requirió que el modelo reescribiera HAProxy de C a Rust. Opus 5.5 tardó 9,5 horas y el resultado de la reescritura pasó casi todas las pruebas de regresión del proyecto original.
Sin embargo, tomó mucho tiempo funcionar, pero puede que no sea lo que los usuarios más anhelan lograr.
En pruebas reales, el medio tecnológico Every le dio a Opus 5.5 diez minutos para escribir un cronograma minuto a minuto para la capacitación de un cliente. Después de leer los requisitos, pasó casi cinco minutos pensando en ellos, luego produjo datos de capacitación, revisó tablas y recopiló materiales para los estudiantes. Pero cuando llegó el momento, no se entregó el cronograma más necesario.
Informe de prueba real: https://every.to/vibe-check/vibe-check-opus-5-5-is-pulling-our-codex-converts-back-to-claude/
Otra prueba de desarrollo de aplicaciones de Every también es reveladora. La página de tareas se ve hermosa y la verificación automática también muestra que ha pasado, pero cuando el evaluador realmente la opera, la página principal aún informa un error.
Parece que todavía no es realista pensar en ello en un solo paso.
Acaba con el tablero y reproduce música y animación
En términos de expresión de texto, Opus 5.5 ha logrado avances significativos, cambiando el típico "acento de Claude" anterior.
Algunos internautas comentaron que la sensación más grande después de probar Opus 5.5 es que el estilo de escritura finalmente ha sido "arreglado".
https://x.com/theojaffee/status/2102454423041818786
"Se ha vuelto más directo, más normal y menos parecido a una IA (sin descuidos). La última vez que vi a Claude escribir de forma tan limpia y natural fue en Opus 4.6 hace unos ocho meses".
La imagen de la izquierda es el resultado de Opus 5, que es ligeramente detallada y tiene rastros obvios de escritura de IA; La imagen de la derecha es el resultado del mismo contenido de Opus 5.5, que es más conciso y natural.
De acuerdo con las instrucciones de actualización de Opus 5.5 publicadas por la cuenta oficial de Claude, la nueva versión se comunica de forma más natural, da prioridad a la información importante y sigue mejor las reglas de escritura dadas por los usuarios.
¡Algunos internautas descubrieron que Opus 5.5 ha eliminado el guión esta vez! En el cuadro comparativo oficial anterior, la salida del Opus 5 a la izquierda usa guiones en muchos lugares, mientras que el Opus 5.5 a la derecha escribe el mismo contenido sin ningún guión.
https://x.com/theo/status/2102474289949868254?s=20
En términos de análisis de tablas PDF, el director ejecutivo de LlamaIndex, Jerry Liu, utilizó su propio ParseBench para realizar pruebas. El Opus 5.5 obtuvo una puntuación del 93,9%, más de 7 puntos porcentuales más que el Opus 5 y superó a modelos como Fable, Gemini y Astra. Sin embargo, todavía tiene deficiencias en la comprensión de gráficos, formatos y diseños.
https://x.com/jerryjliu0/status/2102529024841154977
Claude Opus 5.5 no sólo puede "escribir código", sino que también puede utilizar código para crear directamente animaciones que sean artísticas y fluidas.
El blogger de X Kevin Ngo dejó que Opus 5.5 usara JavaScript para dibujar la siguiente animación cuadro por cuadro:
Enlace del vídeo: https://mp.weixin.qq.com/s/dVLbNHkM32K5g1cJWJs1hw
Algunos internautas también utilizaron Opus 5.5 para crear animaciones similares:
Enlace del vídeo: https://mp.weixin.qq.com/s/dVLbNHkM32K5g1cJWJs1hw
https://x.com/devteamdrew/status/2102436464323661880
Claude ahora puede escribir música electrónica verdaderamente escuchable usando JavaScript puro.
Algunos internautas solo le dieron a Opus 5.5 la palabra "haz música de bajo con javascript" (usa JavaScript para hacer música de bajo). Como resultado, Claude escribió el código JS completo de una sola vez y generó una pieza de bajo que sonaba bastante bien.
Enlace del vídeo: https://mp.weixin.qq.com/s/dVLbNHkM32K5g1cJWJs1hw
https://x.com/aj_dev_smith/status/2102504509637587339?s=20
Comentarios