O czym jest ten film
- W niecałą godzinę po premierze Fable 5.1 do sieci trafiło to, co wygląda na kompletny prompt systemowy nowego modelu.
- Instrukcje startowe urósł z ok. 17,5 tys. do ok. 40 tys. słów (2,3 raza), a liczba wymienionych narzędzi z 18 do 46 (2,6 raza).
- Największe skoki na benchmarkach producenta: agentowe zadania naukowe i biznesowe przepływy pracy; w programowaniu agentowym wzrost niewielki.
- Oficjalnie publikowane prompty to według badacza Ply ledwie ok. 10% pełnego promptu runtime — ten ma liczyć ok. 300 tys. znaków.
- Pamięć stała się pełnoprawnym „systemem plików”: są narzędzia do zapisu, edycji, porządkowania i usuwania wspomnień.
- Zamiast jednej ogólnej dyrektywy przeszukiwania rozmów przyszły trzy osobne narzędzia.
- Aż 13 narzędzi służy samej prezentacji odpowiedzi: wykresy, karty z opcjami, quizy, tłumaczenia — koniec zitanymi esejami.
- Nowe zachowania: model może sam zamknąć niebezpieczną rozmowę, zaproponować głęboki research albo doradzić odpowiednią wtyczkę.
- Wspomnienia mają kategorie: styl pisania i szczegóły projektu trafiają do pamięci globalnej, zdrowie i religia są „wrażliwe”, a dane kart czy wątki samookaleczenia w ogóle nie mogą być zapamiętywane.
- Wniosek autora: to w dużej mierze lepsze opakowanie tego samego modelu — a starszym modelom warto dać drugą szansę.
Redakcyjne tłumaczenie
Prompt wyciekł godzinę po premierze
Mogłeś już natrafić na wiadomość, że Fable 5.1miażdży Fable 5 w kilku benchmarkach Anthropicu. Jest jednak coś, o czym mówiło się znacznie ciszej: w niecałą godzinę od premiery ktoś opublikował to, co wygląda na kompletny prompt systemowy nowego modelu — czyli zestaw instrukcji, które dostaje on na starcie każdej sesji. Zwykle lektura takich wycieków to pasmo nudy, nic, co mogłoby zaskoczyć. Tym razem coś wyjątkowego rzuciło mi się w oczy. Na papierze model jest wyraźnie sprawniejszy, ale warstwa instrukcji, która go opakowuje, po prostu eksplodowała — a cała masa ulepszeń produktu żyje poza samym modelem. W tym materiale rozkładam na czynniki pierwsze wszystko, co udało mi się znaleźć, żebyś mógł sam zdecydować, czy Fable 5.1 zasługuje na miejsce w twoim codziennym warsztacie.
(Informacja dodatkowa: autor wymiennie używa nazw „Fable” i „Claude” — w całym materiale chodzi o ten sam model oraz ekosystem produktów Anthropicu.)
Od 17,5 tysiąca do 40 tysięcy słów
Zacznijmy od samego wycieku. To wersja nieoficjalna, opublikowana przez badacza o pseudonimie Ply, który ma na koncie sporo pracy nad AI — zbiera prompty systemowe i porównuje je między systemami, produktami i platformami. Sama skala mówi wiele. Prompt Fable 5 liczył około 17,5 tysiąca słów. Nowy ma około 40 tysięcy, czyli 2,3 raza więcej.
Moja intuicja od lat jest taka sama: im sprytniejszy model, tym mniej trzeba mu doklejać instrukcji. Dlatego przy każdym takim wycieku warto zadać jedno pytanie — czy prompt urósł, bo trzeba nadrabiać braki w zachowaniu wynikające z treningu, czy dlatego, że model dostał do ręki nowe narzędzia i usługi w rozszerzonej otoczce? Odpowiedź, jak to zwykle bywa, brzmi: po trochu jedno i drugie.
Benchmarki: duży skok, ale z gwiazdką
Nie jestem wielkim fanem benchmarków, ale według wyników samego Anthropicu trzy obszary wyglądają najlepiej: agentowe zadania naukowe, biznesowe przepływy pracy oraz — nieco słabiej — programowanie agentowe. Jest jednak kontekst, o którym łatwo zapomnieć. Pierwsze wydanie Fable 5 było potężne — na tyle, że trzeba je było wycofać. Gdy model wrócił, wielu odniosło wrażenie, że dostaliśmy cień pierwowzoru, wersję pozbawioną pazura. Dzisiejszy skok trzeba więc mierzyć względem tej osłabionej wersji, z którą realnie pracowaliśmy. I jeszcze jedno: to wyniki wyselekcjonowane przez samego producenta, więc nie opieraj na nich całej decyzji.
Oficjalne prompty to ledwie wycinek
Gdy prompt wyciekł, ktoś słusznie zwrócił Ply uwagę, że Anthropic przecież publikuje swoje prompty — na stronie producenta znajdziemy dokument dla każdego modelu. W teorii nie ma więc w czym sensacji. Według Ply PDF dostępny na oficjalnej stronie to jedynie przedsmak pełnego promptu runtime. Chodzi o to, że gdy uruchamiasz nową sesję Claude Code, poza podstawowym promptiem behawioralnym sesja dostaje serię dodatkowych instrukcji — dla usług, narzędzi i artefaktów, z których model ma korzystać. Oficjalna wersja pokazuje według niego około 10 procent całości, a prawdziwy prompt ma liczyć około 300 tysięcy znaków.
W podstawowym pliku znajdziemy rzeczy takie jak zachowanie, bezpieczeństwo, ton, informacja, kto jest aktualnie prezydentem USA, która godzina i jaki dziś dzień. Pełny prompt ma za to zawierać wszystkie kluczowe wytyczne dla modelu: jak działa pamięć, jak korzystać z artefaktów i się po nich poruszać, jak przeszukiwać rozmowy, jak kierować zapytania do różnych agentów i modeli — no i całą gamę dodatkowych narzędzi.
Dwa silniki rozrostu: pamięć i narzędzia
Na około 22 tysiące dodanych słów złożyły się w zasadzie dwie rzeczy: przeprojektowany system pamięci oraz pokaźny zestaw nowych narzędzi, który zaraz omówię, bo lista jest naprawdę długa. Większość rozrostu obsługuje zresztą jedno konkretne zadanie: Claude dostaje więcej wskazówek o tym, co może zapamiętać, co potrafi zrobić i jak ma na koniec pokazać ci wynik.
Porównując obie wersje, pierwsza linijka dotycząca pamięci brzmi: „You have a persistent memory file system” — „masz trwały system plików pamięci”. W Fable 5 o pamięci było ledwie kilka słów. Od tamtej pory pamięć Claude przeszła za to duże modernizacje — w aplikacji Co-work i w terminalu. Ta linijka jest częścią większego bloku instrukcji: nie tylko o tym, że pamięć istnieje, lecz także o tym, jak ją zapisywać, edytować, porządkować i usuwać.
Potem przeszukiwanie starych rozmów. Fable 5 dostawało ogólnikowe „przeszukuj wcześniejsze rozmowy i się do nich odwołuj”. Nowa wersja ma trzy osobne narzędzia do odzyskiwania przeszłych konwersacji. Nie tylko przybyło więc narzędzi — instrukcje wprost podpowiadają, że model ma je wykorzystywać na swoją korzyść.
Dziwna „ludzka” regułka
Aż tu niespodzianka: wśród wytycznych o możliwościach modelu znajduje się regułka rodem od człowieka — „wyświetlaj najwyżej jedną sugestię na karcie”. Pewnie po to, by nie zasypywać użytkownika i nie być nazbyt nachalnym. Ciekawe jest co innego: takie ograniczenie dostaje narzędzie, które teoretycznie samo powinno mieć dość rozsądku, żeby to wyważyć. Widać więc wyraźnie, że nawet przy modelu z absolutnej czołówki Anthropic wciąż chce nieustannie przypominać Claude zarówno o jego możliwościach, jak i o tym, jak ma obchodzić się z użytkownikiem.
Mózg w słoju, czyli agentyczny system operacyjny
Im głębiej w tym kopiesz, tym jaśniej widać, że zespół Anthropicu buduje cały ekosystem — agentyczny system operacyjny, jeśli tak można to nazwać — który bez przerwy otacza rdzenny model i poprawia jego działanie. Sam model to dla mnie klasyczny obrazek: mózg pływający w słoju, bez rąk i nóg. Wokół niego roi się od funkcjonalności, narzędzi i usług, które działają jak kule — pomagają mu działać lepiej. Pamięć podaje wstecz stary kontekst, narzędzia w otoczce pozwalają szukać, działać i reagować. Dalej pilnowany jest interfejs — to, co model może pokazać użytkownikowi po zakończonym rozumowaniu. A na samym końcu jest warstwa polityki, którą znamy wszyscy: nie rozmawiaj o samookaleczeniu, omijaj pewne tematy, religię i tak dalej.
Z 18 do 46 narzędzi
Najciekawsza statystyka całości: słów przybyło 2,3 raza, ale liczba narzędzi i funkcji wymienionych w instrukcjach wzrosła aż 2,6 raza. Było ich 18, jest 46. Co najmniej sześć z nich dotyczy pamięci, resztę omówię za moment. W zestawie są narzędzia do przeszłych rozmów, odpowiedzi wizualnych, wtyczek i umiejętności — łącznie z wyszukiwaniem nowych — researchu i zarządzania konwersacjami.
Rozpiszmy to. Pamięć: „memory list”, „memory read”, „memory write”. Praca ze starymi rozmowami — znowu trzy narzędzia: „conversation search”, „recent chats” i „read conversation”. Przy odpowiedziach wizualnych, do których zaraz wrócę, dochodzą „chart display”, „featured card display” i „options cards display” — widać wyraźnie większy nacisk na to, jak odpowiedź zostanie zapakowana. Chodzi o to, żebyś nie dostawał za każdym razem pełnej monologowej rozprawki, na którą skarżą się użytkownicy Claude 5 Opus, czyli — jak go nazywam — „slopusa”.
(Informacja dodatkowa: „slop” to potoczne określenie bezwartościowej, wygenerowanej masowo papki tekstowej; „slopus” to gra słów łącząca „slop” z nazwą modelu Opus.)
Kilka nowości szczególnie wartych uwagi. Pierwsza: „end conversation”. Nie spotkałem się z tym wcześniej — Claude może zamknąć niebezpieczną rozmowę, jeśli uzna, że nie warto jej ciągnąć dalej. Druga: „suggest research” — nie musisz już sam deklarować, czy chcesz research głęboki, czy płytki. Model może na podstawie kontekstu rozmowy uznać, że warto uruchomić serię podagentów i zejść głębiej w temat. I wreszcie: zamiast jedynie przeszukiwać wtyczki i umiejętności, dostaje narzędzia, które mają mu pomóc podpowiedzieć, które z nich najbardziej ułatwią twoje zadanie, projekt albo całą sesję.
Dwa sposoby sięgania wstecz: rozmowy i kuratorowana pamięć
Co do pamięci — Claude może sięgać wstecz dwiema drogami. Pierwsza to stary świat: przeciąganie starych rozmów. Jeśli wspominasz coś, co wyraźnie pasuje do dawniejszego wątku, model może tam zajrzeć i przynieść tamten kontekst do bieżącej rozmowy. Druga droga to nowa, kuratorowana pamięć: w zależności od rodzaju wspomnienia model porządkuje je — na przykład do pliku profilu w markdownie albo do preferencji i wspomnień przypisanych do konkretnego projektu. W czymś takim jak Claude Code takie rzeczy robi się naturalnie łatwiej, ale jeśli korzystasz po prostu z czatu Claude albo Co-work, ta zmiana będzie dla ciebie dużym atutem.
Pakowanie zamiast wykładu: 13 narzędzi prezentacji
Jak już wspomniałem, aż 13 narzędzi służy zmianie sposobu, w jaki Claude komunikuje ci odpowiedzi. Zamiast ośmiu, dziesięciu akapitów analizy może — zależnie od okoliczności — pokazać wykres, zestawić X z Y w formie graficznej, zaserwować krótki quiz sprawdzający wyniki albo przełożyć coś z jednego języka na drugi, czy to ludzkiego, czy programistycznego. Dla mnie to niekoniecznie wzrost surowej inteligencji między Fable 5 a 5.1, tylko lepsze opakowanie dokładnie tego samego wyniku. Przeciętnego użytkownika nie interesuje, czy świetny efekt zasłużył sam model, czy jego otoczka. Tobie ta wiedza może się jednak przydać: gdy wiesz, które narzędzia da się wywołać i kiedy, łatwiej wyciągnąć z sesji dokładnie to, czego potrzebujesz, we właściwym momencie.
Model, który sam dobiera sobie narzędzia
Bardzo łatwo przeoczyć funkcję sugerowania nowych umiejętności i wtyczek, a to ciekawa sprawa. Wyobraź sobie, że analizujesz umowę. Każda sesja z Claude jest zwykle ograniczona do stałego zestawu narzędzi — umiejętności ładowanych na starcie. Teoretycznie, jeśli model uzna, że dana umiejętność nie wystarcza — na przykład dlatego, że mówisz mu, iż wynik jest słaby — może teraz na własną rękę wybrać właściwe narzędzie dla tego konkretnego przypadku i wciągnąć je do sesji. Nie musisz więc kombinować, co poprawić, przekładać sesji, instalować wtyczki i testować, czy cokolwiek dało. To potencjalnie spora oszczędność roboty.
Pamięć z podziałem na kategorie
Ostatnia uwaga o pamięci: nie tylko lepiej porządkuje wspomnienia na poziomie osobistym, ale też klasyfikuje je tematycznie. Szczegóły dotyczące twojego stylu pisania — na przykład gdy robisz awanturę o AI-slopowe teksty — trafią do innej szufladki niż informacje o projekcie. Te zmienne, ewoluujące detale bieżącej pracy są scalane z pamięcią globalną, dostępną we wszystkich sesjach w ramach projektu. Sprawy zdrowia czy religii dostają natomiast etykietę „wrażliwe”: takich wspomnień model nie wywołuje, dopóki temat rozmowy wprost się z nimi nie zetknie. A rzeczy takie jak numery kart kredytowych czy samookalezenie trafiają na listę zakazaną, do grupy „nie zapisuj” — nic z tego, co powiesz na te tematy, nie powinno zostawać w pamięci.
Werdykt
Czy Fable 5.1 jest więc naprawdę lepszy? Jeśli wierzyć benchmarkom — tak, model zrobił postęp. A jeśli wierzyć temu nieoficjalnemu wyciekowi, również cały produkt wokół modelu mocno się rozwinął. Stąd moja myśl: może warto na nowo przetestować starsze modele, które cię już zawiodły — bo mogą (nie potwierdziłem tego!) dostać dostęp do nowych narzędzi i usług opisanych w instrukcjach, niejako je odziedziczając. W codziennej pracy sam będę raczej używał Fable 5.1 w trybie niskiego rozumowania, żeby oszczędzać tokeny — bo Fable to jeden z moich ulubionych modeli w ogóle, zwłaszcza w duecie z czymś w rodzaju Codex 5.6 Soul.
Chciałem, żeby ten materiał był krótki i na temat, ale w prompcie znalazłem więcej, niż dałem radę zmieścić. Pełną listę — wszystko, co wymieniłem, i całą resztę — zostawiam w krótkim przewodniku pod drugim linkiem w opisie. A jeśli chcesz wyprzedzać konkurencję o dziesięć kroków w praktycznym rozumieniu i wykorzystaniu AI, zarabianiu na nim w konsultingu albo wypuszczaniu własnych produktów — zajrzyj pod pierwszy link, do mojej społeczności dla wczesnych użytkowników. Jeśli materiał był pomocny, będę wdzięczny za łapkę w górę i komentarz.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Rozróżnij postęp modelu od postępu produktu
Na czym polega: Prompt urósł 2,3 raza (do ok. 40 tys. słów), a liczba narzędzi 2,6 raza (z 18 do 46). Rozrost napędzają głównie pamięć i narzędzia, a nie „nadrabianie” braków w zachowaniu modelu.
Jak stosować: Przy każdej nowej wersji modelu zadawaj sobie dwa osobne pytania: czy model sam myśli lepiej i czy produkt wokół niego zyskał funkcje. Oceniaj je oddzielnie, bo odpowiadają za zupełnie różne rodzaje poprawy.
Na co uważać: Sama długość instrukcji nie jest dowodem ani postępu, ani regresu — bez rozłożenia jej na części nie wiesz, który scenariusz masz przed sobą.
2.Benchmarki producenta traktuj jak materiał promocyjny
Na czym polega: Największe skoki raportowane są w nauce i biznesowych przepływach pracy, ale to wyniki wybrane przez pierwszą stronę — a punktem odniesienia była okrojona wersja Fable 5 po wycofaniu pierwotnego wydania.
Jak stosować: Przed migracją na nowy model odczekaj na niezależne testy i porównuj go z wersją, którą realnie używałeś na co dzień, a nie z legendą „pierwotnego” wydania.
Na co uważać: Skok względem osłabionego poprzednika łatwo przeszacować — różnica wobec pierwotnej, mocnej wersji może być znacznie skromniejsza.
3.Oficjalna dokumentacja to tylko wierzchołek góry lodowej
Na czym polega: Według Ply publikowane prompty to około 10% pełnego promptu runtime (ok. 300 tys. znaków), który zawiera instrukcje dotyczące pamięci, artefaktów, routingu do agentów i narzędzi.
Jak stosować: Gdy analizujesz, dlaczego model w produkcie zachowuje się „magicznie”, pamiętaj o ukrytej warstwie runtime — wiele zachowań wynika z niej, a nie z samego modelu.
Na co uważać: To dane z nieoficjalnego wycieku, więc konkretne liczby traktuj jako orientacyjne.
4.Pamięć to teraz system, który możesz kształtować
Na czym polega: Model dostał „trwały system plików pamięci” wraz z instrukcjami, jak wspomnienia zapisywać, edytować, porządkować i usuwać.
Jak stosować: Skoro pamięć ma strukturę, działaj na nią świadomie — wyraźnie komunikuj preferencje (np. dotyczące stylu), a zostaną odłożone we właściwej kategorii i będą wracać w kolejnych sesjach.
Na co uważać: To, co model zapamięta, zależy też od tego, jak jednoznacznie to nazwiesz — ogólniki rozejdą się po projekcie bez użytecznej kategorii.
5.Sięgaj do starych wątków zamiast wklejać kontekst
Na czym polega: Zamiast jednej ogólnej dyrektywy jest teraz trzy narzędzia: „conversation search”, „recent chats” i „read conversation”.
Jak stosować: W rozmowach odwołuj się wprost do dawniejszych wątków („wróć do tamtej analizy umowy”) — model sam może odnaleźć właściwą rozmowę i przynieść jej treść do bieżącego kontekstu.
Na co uważać: Mechanizm działa najlepiej, gdy wzmianka jest konkretna; przy niejednoznacznych odniesieniach model może wskoczyć w niewłaściwy wątek.
6.Kuratorowana pamięć premiuje uporządkowane projekty
Na czym polega: Wspomnienia są porządkowane do pliku profilu lub do pamięci przypisanej do konkretnego projektu, a szczegóły bieżącej pracy scalają się w pamięć globalną projektu.
Jak stosować: Prowadź różne projekty w osobnych sesjach — dzięki temu wiedza projektowa nie będzie się wzajemnie zanieczyszczać. Najwięcej zyskasz w zwykłym czacie i Co-work, gdzie wcześniej takich mechanizmów brakowało.
Na co uważać: W narzędziach typu Claude Code podobny podział da się osiągnąć ręcznie, więc przewaga nowego systemu jest tam mniejsza.
7.Uczciwie traktuj kategorie „wrażliwe” i listę zakazaną
Na czym polega: Zdrowie i religia są tagowane jako wrażliwe — model nie wywołuje ich, dopóki temat rozmowy się z nimi nie zetknie. Numery kart czy wątki samookaleczenia trafiają do grupy „nie zapisuj”.
Jak stosować: Nie buduj workflow na założeniu, że model zapamięta dane karty albo szczegóły medyczne między sesjami — zaplanuj te procesy tak, by sensitive dane podawać za każdym razem na nowo.
Na co uważać: Granice kategorii wyznacza producent, nie ty — zachowanie może się zmienić wraz z aktualizacją instrukcji.
8.Proś o formę odpowiedzi — to wywołanie narzędzia, nie więcej inteligencji
Na czym polega: Aż 13 narzędzi zmienia sposób prezentacji: wykres, graficzne porównanie, karta z opcjami, quiz sprawdzający, tłumaczenie między językami (też programistycznymi).
Jak stosować: Zamiast akceptować wieloakapitowe eseje, formułuj prośby o konkretną formę: „pokaż to na wykresie”, „zestaw w tabeli”. Dostaniesz ten sam wynik w lepszym opakowaniu.
Na co uważać: Lepsza prezentacja to nie to samo, co lepsza treść — oceniaj merytorykę niezależnie od tego, jak ładnie wygląda.
9.Pozwól modelowi doradzić narzędzie i poziom researchu
Na czym polega: Nowe funkcje: „end conversation” (zamykanie niebezpiecznych rozmów), „suggest research” (sam decyduje o głębokim researchu z podagentami) oraz sugestie, która umiejętność lub wtyczka ułatwi zadanie.
Jak stosować: Gdy wynik cię nie zadowala, powiedz to wprost — model może sam wciągnąć do sesji lepsze narzędzie, zamiast zmuszać cię do ręcznego instalowania i testowania wtyczek.
Na co uważać: To sugestie, nie gwarancje — kluczowe narzędzia dla twojego przepływu pracy nadal warto weryfikować samodzielnie.
10.Starszym modelom warto dać drugą szansę — i oszczędzać tokeny
Na czym polega: Autor podejrzewa (bez potwierdzenia), że starsze modele mogą odziedziczyć nowe narzędzia i usługi. Sam zamierza pracować na Fable 5.1 w trybie niskiego rozumowania, by ograniczyć zużycie tokenów.
Jak stosować: Jeśli wcześniej odpuściłeś jakiś model, zrób krótki test ponownie — może działać lepiej za sprawą nowej otoczki. Do codziennych zadań startuj od niskiego trybu rozumowania i podnosz go tylko przy trudnych problemach.
Na co uważać: Domniemanie o dziedziczeniu narzędzi jest niepotwierdzone — zweryfikuj je własnymi testami, zanim zmienisz ustalony workflow.