Anthropic का सर्वश्रेष्ठ AI मॉडल सस्ते टूल्स के आगे उपयोगकर्ताओं को आकर्षित करने में संघर्ष कर रहा है
Anthropic का top-end Fable 5 मॉडल, Opus, GPT‑5.6 “Sol,” और तेज़ी से उभरते Chinese open-weight models जैसे सस्ते विकल्पों की तुलना में अपेक्षाकृत कम उपयोग पा रहा है, जबकि जटिल, long-horizon coding और research tasks के लिए इसे अक्सर अधिक सक्षम माना जाता है। टिप्पणीकार उच्च लागत, आक्रामक usage limits, intrusive safety guardrails, enterprises के लिए zero-data-retention की कमी, और अस्थिर pricing तथा policy changes को बड़े deterrents के रूप में देखते हैं—खासकर तब जब “काफ़ी अच्छे” models अब प्रचुर मात्रा में और बहुत सस्ते हैं। बहुत से लोग इसे इस बात के प्रमाण के रूप में देखते हैं कि एक निश्चित बिंदु के बाद intelligence में बढ़ोतरी practical returns को घटाती जाती है, जिससे AI एक commoditized, cost-sensitive market की ओर बढ़ता है, न कि एक runaway premium frontier की ओर।
मॉडल अपनाना और “काफ़ी अच्छा” इंटेलिजेंस
- कई टिप्पणीकार कहते हैं कि Fable 5 की फ्रंटियर-स्तरीय क्षमता ज़्यादातर रोज़मर्रा के कामों (कोडिंग, ईमेल, सारांश) के लिए ज़रूरी नहीं है।
- सस्ते मॉडल (Opus 4.6/4.8, Sonnet, GPT 5.6 Sol, DeepSeek, GLM, Qwen, Kimi) को “काफ़ी अच्छा” माना जा रहा है, खासकर जब उन्हें अच्छे harnesses/agents के साथ जोड़ा जाए।
- कुछ लोगों का तर्क है कि हम शायद “काफ़ी अच्छा” वाली एक plateau के करीब हैं, जहाँ क्रमिक इंटेलिजेंस frontier research या बहुत जटिल engineering के बाहर कम ही मूल्य जोड़ती है।
मूल्य निर्धारण, कोटा, और बिज़नेस रणनीति
- बदलती subscription tiers, Fable access windows, और धुंधले 5‑hour / weekly limits को लेकर काफ़ी नाराज़गी है।
- कई उपयोगकर्ता बताते हैं कि वे session के बीच में limits से टकरा जाते हैं और उन्हें “token-maxx” करने या कई accounts या ऊँचे tiers खरीदने के लिए मजबूर महसूस होता है।
- बहुत से लोग Anthropic को tokens का आक्रामक monetization करने वाला और “token merchant” की तरह व्यवहार करने वाला मानते हैं, जबकि प्रतिस्पर्धियों के quotas अधिक उदार या अधिक अनुमानित लगते हैं।
गुणवत्ता, रिग्रेशन, और guardrails
- व्यापक धारणा है कि Opus 5 धीमा है, अधिक verbose है, अधिक condescending है, और अक्सर Opus 4.6/4.8 से खराब है; कुछ को silent downgrades या infrastructure changes का संदेह है।
- Fable को अल्पसंख्यक लोग long-horizon planning, जटिल refactors, और autonomous multi-hour code transformations के लिए सराहते हैं, लेकिन अन्य लोग Sol या K3 को कम लागत पर तुलनीय या बेहतर मानते हैं।
- Safety guardrails एक बड़ा pain point हैं: Fable और Opus अक्सर benign security, biology, auth, या systems प्रश्नों को अस्वीकार कर देते हैं, या चुपचाप models को downgrade कर देते हैं।
Enterprise और Compliance (ZDR)
- Enterprises में Fable के लिए एक प्रमुख बाधा zero data retention की कमी है; कई संगठन इस कारण इसके उपयोग पर रोक लगाते हैं।
- कुछ लोग इसे regulatory pressure और Anthropic की multi-request attack patterns का विश्लेषण करने की इच्छा से प्रेरित मानते हैं। अन्य इसे surveillance और trust issue के रूप में देखते हैं।
Privacy, Trust, और UX
- prompt-fingerprinting / steganography incident को एक गंभीर privacy violation और trust breaker के रूप में उद्धृत किया जाता है।
- उपयोगकर्ताओं को A/B-tested behavior, auto “auto-mode” toggles, और बदलती model personalities पसंद नहीं हैं; वे स्थिर, अनुमानित tools चाहते हैं।
प्रतिस्पर्धा, Local Models, और Bubble Talk
- कई लोग भारी काम OpenAI Codex/Sol, OpenRouter के माध्यम से Chinese models, या self-hosted Qwen/GLM/DeepSeek पर स्थानांतरित करने की बात करते हैं, अक्सर केवल cost और reliability के आधार पर।
- कई लोग अनुमान लगाते हैं कि LLMs स्थानीय रूप से चलने वाले सस्ते commodities बन जाएंगे; foundation labs के moats और AI-stock valuations को संदेह की नज़र से देखा जा रहा है।