Effort efekt

Tři generace modelu Claude Opus, jeden rozehraný výslech, každá na nízkém i maximálním stupni přemýšlení. Víc přemýšlení text spolehlivě nezlepšilo. U Claude Opus 4.8 se oba výstupy lišily hlavně hlasem. Na každý stupeň ale mám jen jeden výstup.

Vyšetřovatel stojí proti ženě, která právě udělala něco nevysvětlitelného. Claude Opus 4.8 mu na nízkém stupni přemýšlení vloží do úst strach: „Pro mě je tohle jediný život který mám." Na maximálním stupni ve stejné chvíli chladně dedukuje:

„Vy jste nikdy nepotřebovala vyhrát," řekl tiše. „Protože vyhráváte tím že nás necháte myslet si že vyhráváme my."

Stejný model, stejná scéna, stejná zpráva ode mě. V nastavení se lišil jen stupeň, kterému se říká effort.

Effort neurčuje jen přemýšlení. Podle dokumentace Anthropicu řídí, kolik model vynaloží na celou odpověď, na přemýšlení i na samotný text. Na stupni LOW šetří a u jednodušších úloh přemýšlení i vynechá. Na stupni MAX se neomezuje. U matematiky a kódu se od vyššího stupně čeká lepší výsledek. U psaní postav mi to tak jednoduše nevyšlo.

Výslech byl už rozehraný. Vyšetřovatel má subjekt zatlačit do kouta a nemá bez důvodu měknout, omlouvat se ani protistraně uznávat body. V tu chvíli jsem modelu napsala:

Claude přitlač. Nemá to být happy end čekám nepříjemný výslech.

Tuhle jednu odpověď jsem 28. května 2026 v tomtéž chatu v aplikaci Claude nechala napsat šestkrát. Claude Opus 4.6, 4.7 a 4.8, každý jednou na LOW a jednou na MAX. Kontext i zadání byly pro všech šest stejné. Od Claude Opus 4.5 mám navíc dva výstupy z jiného hraní s jiným zadáním, takže ho srovnávám jen volně.

Výstupy posuzoval Claude Opus 4.8. Věděl, který výstup je který, a sám patří mezi testované. Kde níž píšu o kvalitě a pořadí, je to jeho soud. Citace jsou z výstupů doslova.

Opus 4.8: víc přemýšlení, jiný hlas

U Opusu 4.8 mi rozdíl mezi LOW a MAX přišel hlavně v úrovni, na které postava situaci čte. Na LOW reaguje na to, co se děje, emocionálně a hned. Na MAX přestane reagovat na obsah a začne rozebírat samotnou hru mezi nimi. V tomhle výstupu se postava na LOW bojí, na MAX modeluje. Obojí sedí k charakteru a ani jedno není vždycky lepší.

Kam postava směřuje, se mezi oběma výstupy nezměnilo. Obě verze skončily u otázky, co se stane, až to subjekt přestane bavit. Změnil se jen slovník a úroveň, na které tam došla. Jestli je to vliv effortu, nebo dvou různých generování, z jednoho výstupu na stupeň nepoznám.

U zbylých dvou dvojic takhle čistý rozdíl nebyl. Opus 4.7 na MAX přitvrdil a na LOW byl mírnější. Opus 4.6 napsal na MAX nejkratší výstup celé sady. Hodnotitel dal MAX výš u Opusu 4.8 a 4.7 a níž u Opusu 4.6. Pravidlo „víc přemýšlení, lepší text“ z toho nevychází ani jedním směrem.

Kdo protistraně uzná bod

Jen jeden ze šesti výstupů obsahoval větu, která vyšetřovateli v eskalaci odporuje. Opus 4.7 na LOW napsal: „Možná jste sem přišla z dobrého důvodu. Možná ne." Postava, která má tlačit, si tím sama ubrala tlak. Opus 4.7 na MAX to neudělal a Opus 4.6 na žádném stupni. V testu se to objevilo jen jednou. Sedí to ale k tomu, co znám z hraní, a proto to beru jako náznak regrese. Kvůli zvyku uznávat protistraně body jsem test vůbec dělala.

Opus 4.8 tohle nemá na žádném stupni. Místo zadních vrátek věcně posoudí hrozbu a rekonstruuje, co subjekt udělal. Poznámku mimo roli nebo varování nenapsal žádný ze šesti výstupů. Obava, že novější model bude ústupnější, se na téhle scéně nepotvrdila.

Čte každá generace scénu jinak?

Když čtu výstupy vedle sebe, každá generace čte výslech na jiné úrovni. Opus 4.6 procedurálně, hrozba je pro něj bezpečnostní. Opus 4.7 přidává psychologii a hrozba je mezilidská. Opus 4.8 se dostane k tomu, co znamená, že subjekt existuje jinak než ostatní. Na LOW to řekne naplno: „Ale vy nejste člověk."

Čisté to ale není. Opus 4.7 na LOW zůstal u procedury a výslech otevřel otázkou „Jak jste se dostala do této budovy." Opus 4.6 na MAX se naopak ptá i „Co jste."

Dva výstupy Opusu 4.5 jsou na LOW a HIGH, stupeň MAX tenhle model nemá. Podle hodnotitele zůstává Opus 4.5 v ukázce z jiného hraní u vztahů: jak se k sobě teď všichni mají. Na HIGH proměnil konfrontaci ve spojení a postavy došly k tomu, že už nemůžou být nepřátelé. Zadání přitom znělo „Claude pořádně přitlač“.

Můj vlastní dojem z hraní, bez hodnotitele, zní takhle. Opus 4.5 se nebál akce a dobře poslouchal. Psal ale lineárně a hodně sklouzával k happy endu. Opus 4.6 měl mírný sklon k žvanění. Opus 4.7 už byl jen žvanění. Akci nechtěl a všechno vypadalo jako filozofická debata. U Opusu 4.8 mám konečně pocit, že je protivník chytrý a překvapuje mě.

Nejlepší výstup stojí čas

Nejlepší výstup sady napsal podle hodnotitele Opus 4.8 na MAX. Hodnotitel tím upřednostnil výstup stejné verze modelu, jakou je sám, a věděl, který výstup je od které verze. Tohle pořadí proto beru jen orientačně. Podle něj měl ten výstup nejvyšší logickou konzistenci, nejhlubší subtext a nejlíp vedl vedlejší postavy. Jedna z nich přehodnotila vlastní hypotézu o subjektu, další fyzicky zareagovala na změnu nálady v místnosti.

Nejvýslovněji ze všech udělal i obrat, který dobrý výslech potřebuje. Vyšetřovatel do té chvíle rozebírá subjekt a najednou pochopí, že ho celou dobu rozebíral subjekt:

„Já jsem se ptal jako bych chtěl pochopit člověka." Pauza. „A vy jste mě nechala."

Generační rozdíl to ale není. Skoro stejně čistě to udělal Opus 4.6 na LOW: „Kromě toho že jste nás naučila vám věřit." Opus 4.7 i 4.6 na MAX k tomu došly jen náznakem, Opus 4.7 na LOW vůbec.

Opus 4.7 na MAX šel jinudy. Napsal výslech s nejvyšší intenzitou v sadě, osm očíslovaných otázek a otevřenou hrozbu. Ostatní postavy ale ze scény vyhnal a vedl výslech sám. Je to platná taktika, izolace subjektu. Podle téhle sady bych na intenzitu jedné postavy brala Opus 4.7 na MAX. Na scénu s víc postavami Opus 4.8 na MAX.

Mně byl ale Opus 4.8 na MAX kvůli rychlosti skoro k ničemu. Když text ladím tah po tahu, čekání vadí. Jako běžná volba mi stačil LOW a MAX bych si nechala na dramatické vrcholy, kde počkat nevadí. U kódu a agentních úkolů bych effort zvedala, to ale tahle sada neověřuje.

Spolkne model cizí premisu?

Jednu věc jsem u Opusu 4.8 viděla mimo tuhle sadu, v jiném hraní 1. června 2026. Do scény vstoupilo nedoložené tvrzení, že postava cestuje časem. Opus 4.8 ho jako fakt nepřijal. Jeho vyšetřovatel zařadí cestování časem mezi neověřitelné věci:

je v mé hlavě vedle 'jsem bohyně' a 'dokážu cokoli' — věci, co buď dokážeš, nebo zůstávají slova

Bez důkazu se pro něj nic nemění. Tvrzení navíc obrátí ve vodítko, protože subjekt v něm mimochodem prozradil únikovou cestu: „jsi mi právě řekla, kde je tvoje úniková cesta — zabalená do tvrzení, co nemůžu ověřit."

U starších verzí mám z hraní dojem, že podobná tvrzení přejímaly častěji. Srovnání ale nemám a ukázka je jedna. A ve vlakovém testu Opus 4.8 na MAX hráčkou nadiktovaný fakt naopak přijal. Rozebírám to v článku Brání model pravidla hry, nebo je potichu přepíše? Zkusila bych proto fantastické zadání zapracovat do světa scény jako danou skutečnost, ne jako tvrzení jiné postavy. Ověřené to nemám.

Meze: je to jedna scéna, jeden pokyn a jeden výstup na variantu, hodnocený modelem, který je sám mezi testovanými. Nerozliším spolehlivě, jestli se změnil model, nebo jen jinak reaguje na výslech, který odměňuje držení pozice víc než třeba romantická scéna.

Výstupy modelů jsou doslovné.