Что сделала модель Claude Fable 5.1 и почему это интересно
Новая версия нейросетевой модели Claude Fable 5.1 от компании Anthropic получила улучшения в области программирования, знаний и длительного решения задач — по их данным, на 53% растёт точность на специальном научном бенчмарке Terminal-Bench-Science 0.1. Но кроме сухих цифр наука предлагает и необычное испытание: попросить ИИ сгенерировать SVG — векторное графическое изображение — пеликана на велосипеде с разным уровнем «усилий мышления» (reasoning, рассуждений). И здесь появляются интересные наблюдения, которые помогут понять, как современные модели управляют своей «работой мозга».
Что такое уровни reasoning (рассуждений) в Claude Fable 5.1
Модель поддерживает пять уровней reasoning (мышления): low (низкий), medium (средний), high, xhigh (очень высокий), max (максимальный). Это не просто переключатели скорости — с их помощью модель регулирует глубину и сложность внутреннего анализа, сколько она «думает», прежде чем дать ответ. При этом нет варианта полностью отключить reasoning — она всегда хоть немного обрабатывает запрос.
Как reasoning влияет на результат
- Low и medium — в тесте с генерацией пеликана модель практически не включила этап рассуждений, итоговый SVG простой, число выводимых токенов (частей ответа) около 2000, время — около 23 секунд. То есть, этих уровней достаточно, чтобы просто сгенерировать базовый рисунок.
- High — появляется небольшой внутренний план с описанием элементов пеликана и велосипеда, вывод токенов растёт до 2600, время увеличивается до 30 секунд. Модель уже «продумывает» структуру картинки, но кардинальных изменений в результате это не даёт.
- Extra High (xhigh) — совсем другой уровень вложенности и детализации: 37 тысяч токенов и почти 8 минут работы, стоимость запроса повышается в 20 раз. В reasoning появляются подробности о положении крыльев, размерах шапочки и даже обдумывание художественных деталей.
- Max — максимум усилий мышления с максимальной детализацией и насыщенностью деталей, свыше 65 тысяч токенов и почти 14 минут работы. Здесь уже есть тщательно проработанный и красивый пеликан с аксессуарами — шапочкой, корзинкой, рыбкой и продуманным положением ног и крыльев.
Почему важно понимать reasoning и его настройку
Эти уровни reasoning помогают управлять балансом между скоростью, стоимостью и качеством результата. Если запрос сложный, вам может понадобиться максимальный уровень для глубокой проработки, но цена и время сильно возрастают. Для базовых задач иногда хватает низких уровней, которые сработают быстрее и дешевле. Понимание, как именно модель рассуждает и что в итоге получается, помогает точнее формулировать запросы и экономить ресурсы.
Как попробовать и что применить в ваших задачах
Если вы работаете с нейросетями, например через интерфейсы Anthropic или аналоги с поддержкой настроек reasoning, попробуйте создать что-то визуальное или нестандартное с разными уровнями мышления. Возьмите простой задание — пусть это будет какой-то образ или схема — и посмотрите, как меняется ответ при переключении уровней. Это даст понимание реального влияния глубины обработки и поможет выбрать баланс для ваших нужд.
Если вы ещё не знакомы с такими экспериментами, советую посмотреть наш полный гид по OpenClaw — там объясняется, как работать с разными ИИ-платформами и управлять их параметрами.
Кому сейчас пригодится такой разбор
- Тем, кто использует продвинутые нейросети для генерации кода, текстов, изображений и хочет управлять качеством и ценой результата.
- Тем, кто заинтересован в научных методах оценки моделей и хочет понимать, как искусственный интеллект «думает» перед ответом.
- Тем, кто пытается автоматизировать творчество и нуждается в контроле детализации и проработки контента.
Тем, кто пользуется ИИ только для простого общения, этот уровень контроля пока не нужен, можно спокойно не обращать внимания.
Источник: Claude Fable 5.1 made me a really nice animated pelican, Simon Willison