// PUNTO INFORMATICO — INTELLIGENZA ARTIFICIALE
Claude Fable 5.1: un prompt per capire cosa lo rende diverso
La maggior parte delle persone testa un nuovo modello di intelligenza artificiale facendogli una domanda difficile. È comprensibile, si vuole vedere se risponde meglio del predecessore. Ma per Claude Fable 5.1 di Anthropic, la domanda difficile è il test sbagliato. Non perché non sappia rispondere, ma perché è progettato per fare qualcosa di diverso.
Fable 5.1 è il modello più recente di Anthropic, costruito per il lavoro autonomo su compiti complessi che richiedono un ragionamento prolungato. Può pianificare, usare strumenti, verificare i propri progressi e continuare a lavorare attraverso i problemi con meno supervisione. Con una finestra di contesto da un milione di token, può gestire interi codebase, documenti lunghi e progetti di ricerca. Il punto è che Fable 5.1 è progettato per ricevere un progetto, non un prompt.
Se si vuole capire cosa Claude Fable 5.1 sappia fare di diverso, non serve chiedergli qualcosa di nuovo. Serve dargli qualcosa di proprio, qualcosa che si è già iniziato, e vedere cosa ne fa.
Esempio di prompt: Sto lavorando a [descrivere un progetto reale su cui stai lavorando, nel dettaglio]. Ecco il mio approccio attuale: [incollare il codice, schema o piano]. Dimmi cosa c’è di sbagliato nel mio ragionamento, cosa non sto considerando, poi riprogetta o ristruttura l’intero lavoro, ma spiega il tuo ragionamento punto per punto, in modo che io possa imparare dal processo.
Il prompt sembra semplice. In realtà nasconde diversi compiti distinti che mettono alla prova esattamente le capacità per cui Fable 5.1 è stato progettato.
Il primo compito è comprendere il progetto e l’approccio già adottato. Il secondo è identificare i punti deboli, che chi lavora al progetto potrebbe non aver notato, cosa che richiede non solo competenza tecnica, ma anche la capacità di distinguere tra dettagli irrilevanti e problemi strutturali.
Poi arriva la parte più difficile, ovvero decidere quali problemi contano davvero e da dove iniziare a intervenire. Un modello mediocre potrebbe facilmente trovare ogni difetto immaginabile e produrre un elenco enorme di suggerimenti senza migliorare concretamente il progetto. Una risposta utile richiede giudizio, quindi quali decisioni devono restare, quali devono cambiare e cosa quelle modifiche influenzeranno altrove.
Infine, il modello deve riprogettare il lavoro tenendo traccia di tutte quelle decisioni interconnesse. Un compito dove la finestra di contesto da un milione di token e la capacità di ragionamento prolungato fanno la differenza concreta.
L’ultima istruzione è quella che trasforma l’esercizio da una revisione passiva in un’opportunità di apprendimento. Non si ottiene solo un progetto migliore, si capisce perché è migliore.
La tentazione di testare Fable 5.1 con un progetto fittizio è comprensibile, si risparmia tempo e non si rischia di sentirsi giudicati dal proprio chatbot. Ma il valore del test sta proprio nel fatto che si conosce già il materiale.