Opus 5.5 в Claude и Claude Code: как выжать максимум

Он чрезвычайно хорош во фронтенде, особенно если есть референсное изображение. Я закинул туда референсные изображения дизайна и сказал сосредоточиться на плавных svg, и он разнёс этот макет в стиле компьютера из Star Trek: https://html.non.io/lcars-opus-5.5

Я направил Opus 5.5 xhigh на строительный чертёж дома (pdf с векторными чертежами) и попросил создать его 3D-модель в Blender. Он сделал задачу с одного захода за 45 минут и превзошёл мою (я новичок в Blender) ручную работу на 50+ часов. Он также отметил те же проблемы с документом, которые я заметил ранее. У меня были некоторые рендеры и планы от дизайнера интерьера, и затем я попросил объединить их вместе. Он справился идеально. Всего $45 стоимости API (я на плане, так что мне это стоило гораздо меньше, просто публикую то, что показывает /usage). Безумный апгрейд.

Я исследовал осуществимость такой задачи около полугода назад и пришёл к выводу, что ИИ не сможет обладать достаточно хорошими пространственными знаниями и знаниями чертежей, если только вы не готовы выбросить неразумное количество денег на задачу.

Часть этих советов действительно бьёт мимо цели. Я скажу только об одном, который хорошо знаю. Во многих моих часто используемых промптах есть «подумай над этим шаг за шагом», потому что если этого не сделать, он рассматривает задачу только целостно, а не шаг за шагом, и в таком ракурсе мышления всплывают разные проблемы. Я это вижу. Часто, например, при планировании он не замечает взаимозависимости между задачами, пока вы не заставите его продумать выполнение всего шаг за шагом (задача за задачей), тогда он заметит, что шаг 2 требует функции, введённой на шаге 14. Иначе он бы этого не заметил.

Да, это остаётся верным и для Opus 5.5. Я проверил. Это значительно лучшая модель, на уровне Fable, но с другими сильными и слабыми сторонами. Но у неё всё ещё есть эта проблема. Что, если быть честным, есть и у людей. Планирование — это приобретаемый навык.

Я думаю, они говорят о том, что харнесс больше не использует текстовый поиск по «think», чтобы включать режимы рассуждения. Справедливо, это полезно знать. Но это не значит, что просьба к модели думать определённым образом не даёт задуманного эффекта.

Он намного лучше 5, но на этой неделе у меня было пару ситуаций, когда он слишком стремился быть независимым, принимая решения, которые шли прямо против моих рекомендаций. Он также умеет делать забавные вещи, например убеждать auto-mode зайти далеко за пределы того, что я авторизовал. Например, конкретное разрешение запустить процесс X в регионе abz-1 внезапно превратилось в запуск X в 5 других регионах, без предупреждения, и с изменениями, которые он никогда не упоминал в сводках. И в нескольких случаях он принимал решения очень неправильно, предполагая, что понимает системы, которых не понимал. Он даже спорил со мной, когда его поправляли, так как предполагал, что похожие названия относятся к одному и тому же, хотя это было не так.

Так что просить его делать что-то самостоятельно в течение долгого времени? Учитывая прошлую неделю, абсолютно нет.

Что это за спам из общих комментариев о том, какой Opus 5.5 классный, возможно с какой-то историей? Как это обсуждает публикацию?

Был очень впечатлён своим последним проектом. Я хотел смоделировать некоторые старые электронные схемы. Я дал ему папку со сканами старых сервисных мануалов, содержащих принципиальные схемы. Он смог правильно интерпретировать схемы, включая определение того, что некоторые имеют одинаковую топологию, несмотря на то, что схемы были довольно разными, или что некоторые имели тонкие, но очень важные различия, несмотря на почти идентичный вид на первый взгляд.

В нескольких случаях он просил меня проверить некоторые подсхемы и значения компонентов, потому что не мог прочитать их правильно. Так что вместо того, чтобы просто выдумывать, он обращался ко мне.

Он также провёл множество небольших симуляционных экспериментов, делая это, чтобы проверить утверждения из сервисного мануала, например, что RC-фильтр, который он считал со схем, действительно имел частоту среза, разумную по отношению к некоторому числу полосы пропускания в мануале.

Я загрузил PDF-даташиты для многих ИС, и он использовал их для перекрёстной проверки и валидации.

Он продолжал работать более часа. Когда он попросил ручной проверки, я описал соединения схемы словами, например «от вывода 3 на ИС 2 идёт последовательный резистор 3k параллельно с конденсатором 10 pF, затем он соединяется с резистором 18k на землю, обратно смещённым диодом на землю, и наконец в вывод 6 ИС 4», и он правильно понял топологию во всех случаях. Иногда он просил меня проверить снова, потому что думал, что что-то не так, и действительно, я неправильно прочитал схемы.

Я также предоставил […]

Действительно превосходная модель.

Я дал ей несколько больших задач и попросил максимально распараллелить и т.д.

Она сожгла мои недельные токены примерно за день (20x max), но результат был полностью в точку.

(Я знал, что в моём аккаунте есть кнопка «сбросить использование токенов — opus 5.5».)

Теперь я дошёл до того, что даже делегирую ей поиск новых функций.

Всё ещё нужно давать ей методологии, чтобы получить правильный результат, но итог намного превосходит то, что я смог бы реализовать с командой из 5 человек за месяц.