
در هفتهای که چند نام تازه به فهرست مدلها اضافه میشود، دنبال کردن خبر بهتنهایی کافی نیست. برای من پرسش اصلی این است: کدام تغییر میتواند یک کار واقعی را بهتر کند؟ این مرور در ۸ سپتامبر ۲۰۲۶ نوشته شده و میان تاریخ عرضه، وضعیت دسترسی و پیشنهاد کاربرد تمایز میگذارد.
Claude؛ دو نام، دو وضعیت دسترسی Anthropic در ۱ سپتامبر، Fable 5.1 و Mythos 5.1 را معرفی کرد. Fable برای کار دانشی و کدنویسی عرضه شده، در حالی که دسترسی Mythos همچنان به مجموعههای تأییدشده محدود است. جزئیات در Anthropic؛ معرفی Fable 5.1 و Mythos 5.1 و Anthropic؛ وضعیت دسترسی Claude Mythos آمده است. بنابراین قرار دادن Mythos در فهرست «ابزار آماده برای همهٔ پزشکان» دقیق نیست.
Gemini؛ توسعهٔ نرمافزار و تولید رسانه طبق Google؛ یادداشتهای انتشار Gemini API، Gemini 3.8 Flash در ۲ سپتامبر بهصورت عمومی عرضه شد و Lyria 3.5 در ۳ سپتامبر به پیشنمایش عمومی رسید. اولی به کارهای نرمافزاری و عاملها مربوط است؛ دومی مدل تولید موسیقی است. تازه بودن هر دو، آنها را به ابزار همرده یا مدل هوش مصنوعی پزشکی تبدیل نمیکند.
GPT-6 Astra در فهرست فعلی در زمان نگارش، OpenAI؛ مشخصات رسمی GPT-6 Astra این مدل را برای کارهای پیچیدهای مانند پژوهش، کدنویسی و ساخت سند معرفی میکند. این صفحه مشخصات مدل را توضیح میدهد؛ از روی آن بهتنهایی تاریخ عرضه در همین هفته را استنتاج نمیکنم. دسترسی واقعی نیز باید در محصول و حساب مورد استفاده بررسی شود.
این خبرها برای آموزش چه معنایی دارند؟ در آموزش هوش مصنوعی بهتر است یک تمرین ثابت را با نسخهٔ جدید تکرار کنیم: مثلاً خلاصهسازی یک منبع عمومی همراه ارجاع به بندهای آن. در آموزش هوش مصنوعی پزشکی، علاوه بر روانی پاسخ، درستی اصطلاحات، وفاداری به منبع و زمان بازبینی مهماند. پیشنهاد من ساختن دفتر ثبت مقایسه است؛ نام و نسخهٔ مدل، تاریخ آزمون، خطاها و نتیجهٔ قابل استفاده در آن بماند. اینطور خبر تازه به یادگیری قابل سنجش تبدیل میشود.
منابع این یادداشت
- Anthropic؛ معرفی Fable 5.1 و Mythos 5.1 www.anthropic.com
- Anthropic؛ وضعیت دسترسی Claude Mythos www.anthropic.com
- Google؛ یادداشتهای انتشار Gemini API ai.google.dev
- OpenAI؛ مشخصات رسمی GPT-6 Astra developers.openai.com

