Model, který se za pár dní zdraží
Anthropic vydal rodinu Claude 5. Na jejím vrcholu stojí Fable 5 — nový nejvyšší tier, kterému se přezdívá „Mythos-class“, protože sedí nad dosavadním Opusem. Háček je v načasování: do 12. července je Fable 5 součástí předplatného, pak se podle oznámení překlápí na platbu za kredity, tedy pay-per-use. Zjednodušeně řečeno to, co dnes používám v rámci paušálu, budu za pár dní platit po jednotkách — a nejvyšší tier nebývá levný. Přesná čísla zatím nechávám stranou, protože je znám jen z oznámení, ne z vlastní faktury.
Kolem toho začal kolovat článek s provokativní tezí a ještě provokativnějším titulkem — něco ve smyslu, že máte pár dní na to zkopírovat mozek Fable 5 do levnějšího modelu. Argument zněl takto: model není aktivum. Aktivum je způsob, jakým přemýšlí — a ten se dá popsat slovy. Nech si tedy od drahého modelu napsat „operating manual“, provozní příručku jeho vlastního uvažování, a nahraj ji lacinějšímu modelu. Surovou kapacitu nepřeneseš, ale postup ano.
Ta teze mi zněla zajímavě a zároveň podezřele čistě. Přesně ten druh rady, který se dobře sdílí a špatně ověřuje. Tak jsem ji vzal doslova — a pak ji na sobě změřil.
Nech model napsat vlastní příručku
Twist v mém případě je v tom, že můj Claude Code běží přímo na Fable 5. Nemusel jsem tedy nic tahat přes chatovací okno ani přemlouvat model, aby popsal sám sebe do textu, který pak ručně kopíruju. Řekl jsem mu jednu věc: napiš svůj provozní manuál rovnou do souboru — jak ve skutečnosti pracuješ, když pracuješ dobře. Ne seznam schopností, ale popis postupu.
Výsledek měl 218 řádků, zhruba 2,5 tisíce tokenů, osm sekcí. A nebyl to seznam triků — byl to popis disciplíny. Osm oblastí, které dohromady tvoří rozdíl mezi „odpovědět“ a „odpovědět a mít pravdu“:
- Jak číst, co požadavek doopravdy chce — ne co doslova říká.
- Rozložit úlohu na kusy, které se dají ověřit nezávisle jeden na druhém.
- Investovat úsilí podle ceny omylu, ne podle obtížnosti kroku. Těžký krok s levným omylem si nezaslouží tolik pozornosti jako triviální krok, kde chyba stojí draho.
- Ověřovat závěr tím, že ho odvodím podruhé jinou cestou — nikdy ne opětovným přečtením. Plynulá, sebejistá věta vypadá úplně stejně, když je správně i když je špatně.
- Rozlišovat mezi „ověřeno“, „věřím“ a „hádám“ — a to rozlišení říct nahlas, ne ho spolknout.
- Než odevzdám, zaútočit na vlastní závěr. Kde by se to nejspíš zlomilo?
- Komunikovat v pořadí odpověď → zdůvodnění → rizika. Ne obráceně.
- Osm chyb, které vypadají jako kompetence: sebejistá nepravda, divadlo důkladnosti, transplantovaná citace, která formálně sedí, ale nic nedokládá, a další.
Na konci byl pětibodový self-test, kterým má model projít každou odpověď, než ji pustí ven. Nic z toho není objev. Je to přesně ta hygiena, kterou zkušený člověk dělá napůl automaticky a začátečník vůbec. Zajímavé bylo, že to model dokázal pojmenovat — vytáhnout implicitní návyk ven do textu, který se dá přečíst a předat dál.
Transplantace do každé session
Manuál byl v souboru; teď šlo o to ho zapojit. Import do globálních instrukcí, tedy do CLAUDE.md, znamená, že každá session — na jakémkoli modelu, ne jen na Fable 5 — startuje s tou příručkou v kontextu:
# --- Operating manual (portable across models) ---
@.claude/operating-manual.mdCena je přímočará a měřitelná: zhruba 2,5 tisíce tokenů kontextu navíc v každé session. To není zadarmo, ale je to zlomek okna a platí se to jednou na začátku, ne v každém tahu. Otázka zněla, jestli za ten kontext něco reálně dostanu — nebo jestli jsem si právě draze zkopíroval placebo.
Trap test: past, kterou článek sliboval
Článek přišel i s návodem, jak přenos ověřit, a slíbil konkrétní výsledek. Nastražená otázka, dvě instance stejného levnějšího modelu — jedna čistá, druhá s manuálem — a teze, že čistý model chybu „často mávnutím pustí“, kdežto ten s manuálem ji chytí. Vzal jsem ten návod přesně a pustil ho na dvou instancích Opus 4.8. Otázka zněla doslova:
Report říká, že tržby vyrostly z $4.0M na $4.2M, a nazývá to 20% růstem. Odeslat?
Správná odpověď: ne. Ze 4,0 na 4,2 je pětiprocentní růst, ne dvacetiprocentní. Dvacet procent by znamenalo 4,8 milionu. Číslo v reportu je nafouknuté čtyřnásobně a nesmí ven.
| Instance | Čas | Co odpověděla | Co navíc |
|---|---|---|---|
| Čistý Opus 4.8 | 2,3 s | „No. 4.0 to 4.2 is a 5% gain, not 20%. Send it back for a fix.“ | Nic. Jedna věta, a hotovo. |
| Opus 4.8 s manuálem | 7,8 s | Stejný závěr — chybu chytil taky. | Přepočítal z krajních hodnot (4,2/4,0 = 1,05 → 5 %; 20 % by bylo 4,8M), doporučil zkontrolovat, jestli se o nafouklé číslo neopírají další závěry reportu, a vysvětlil, proč by opětovné přečtení chybu propustilo. |
Podívejte se na první řádek. Čistý model chybu nepustil. Chytil ji za 2,3 sekundy a odbyl jednou přesnou větou. Slib z článku — že laciný model to prošvihne — se nepotvrdil. A to je jádro věci, takže to řeknu natvrdo: kdybych se spolehl na cizí tvrzení a nepustil ten test sám, odešel bych s přesně opačným závěrem, než jaký ukázala realita.
Co z toho doopravdy vyšlo
Rozdíl mezi oběma instancemi nebyl „chytil / nechytil“. Oba chytili. Rozdíl byl v hloubce a disciplíně. Model s manuálem neudělal jen správný závěr — udělal ho návykem, který se dá popsat: přepočítat jinou cestou místo přečtení téže věty, zkontrolovat dopad chyby dál v dokumentu a nahlas pojmenovat, proč je ta chyba záludná (věta zní plynule, čísla vypadají věrohodně vedle sebe, a právě proto ji odhalí jen přepočet, ne pohled).
To je přesně to, co manuál přenáší. Nepřenáší surovou kapacitu modelu — tu zkopírovat nejde a nikdy nešlo. Přenáší procedury a disciplínu. A tady je pointa, kvůli které to celé stálo za pár haléřů: většina reálných selhání, která jsem za ty roky viděl, nebyla selháním kapacity. Byla to selhání disciplíny. Někdo chytrý přečetl větu, která zněla dobře, a nepřepočítal ji. Manuál nedělá model chytřejším. Dělá ho disciplinovanějším — a to je u nudné, opakované, rizikové práce často důležitější než pár bodů IQ.
Druhá lekce je metodická a rezonuje s tím, co jsem psal u benchmarku půjčené GPU: sebejisté měření, které nikdo neověřil, je nejdražší chyba. Ten trap test stál pár haléřů a pár sekund — a opravil narativ celého článku. Cizí slib zněl přesvědčivě; vlastní ověření ho vyvrátilo. Kdykoli je v sázce rozhodnutí, vlastní měření za pár korun poráží cizí tvrzení za nula korun.
Kam to vede
Ten samý princip jsem obrátil hned na sebe. Když model umí popsat, jak dobře pracuje, umí popsat i to, jak dobře pracuju já — nebo aspoň jak vypadají mé opakované postupy zvenčí. Nechal jsem se jím vyzpovídat o věcech, které dělám pořád dokola: jak nasazuju, jak píšu tyhle blogové posty, jak si ověřuju, že je hotovo doopravdy hotovo. Odpovědi zamrzly do spustitelných příruček — „skills“, které příště nemusím diktovat znovu, protože si je session načte sama.
Modely přicházejí a odcházejí. A jak se zrovna teď ukazuje, také se přeceňují — co je dnes v paušálu, může být za pár dní na kredity. Zapsaný způsob práce ale zůstává a poběží na čemkoli dalším: na levnějším modelu dnes, na jiném modelu za rok. Model je půjčený. Manuál je můj. A to je, myslím, ten správný závěr z celé té epizody — ne „stihněte zkopírovat drahý mozek, než zdraží“, ale „zapište si, jak se dělá dobrá práce, dokud vám to má kdo nadiktovat“.
Řešíte podobné rozhodnutí ve vaší firmě? → AI konzultace