Anthropic 5세대(Fable 5 / Opus 5 / Sonnet 5): 측정 가능한 수준의 헛소리 탐지 능력 저하 및 약 2배의 장황함 — 재현 가능한 측정 결과 이슈

마지막 문장에 전적으로 동의함. 모델 자체는 유능한데 post-training에서 뭔가 완전히 꼬였어. 그래서 Opus/Sonnet 5의 instruction-following이랑 답변 방식이 이상해진 듯. 이번 달에 업데이트(5.1 같은 거) 좀 나왔으면 좋겠다.

사실 그게 내가 2년 전쯤 ChatGPT에서 Claude로 갈아탄 이유였음. 너무 '바이브 코더(vibe coder)'들이나 생각하기 싫어하는 사람들, 그냥 이상한 불렛 포인트로 정보 받아먹으려는 사람들한테 최적화됐거든. 기술 업계에서 가장 큰 문제는 여전히 '엔시티피케이션(enshittification)'이라고 봄.

ㄹㅇ 맞음! 나도 그때 ChatGPT에서 Claude로 넘어왔는데, 이번에 '바이브 코더'들까지 타겟팅하자는 생각은 분명 마케팅 쪽 멍청이들이 낸 아이디어일 거임. R&D 팀이 코드에 그런 쓰레기 같은 걸 넣고 싶어 했을 리가 없음.

ㄹㅇ 절대 아님. J space 블로그 포스트 이후에 이게 어떻게 논리적인 결과로 이어지는지 도저히 이해가 안 감.

정확함 — 만약 Gen 5가 진짜 J-Space 스타일의 글로벌 워크스페이스에서 돌아가는 거라면, 모든 단계를 일일이 말로 설명할 필요가 없을 텐데. 이 장황함은 아키텍처 문제가 아니라 포스트 트레이닝(post-training) 결과로 보임.

드디어 이 서브레딧에 제정신인 사람이 나타났네!!

VCST - 바이브코더슬롭투렛. 앤스로픽 5세대 모델들은 딱 이렇게 불러야 함 ㅋㅋ

다음번에 LLM 쓰레기 같은 답변을 걸러내는 방법:

좋은 지적임 — m 내 데이터가 사실 그 역설을 설명해주는데: Gen-5는 여전히 구조적 논리 오류는 완벽하게 잡아내지만(causal_chimera 2.0), 그럴싸하게 들리는 헛소리에는 선택적으로 실패함(reified metaphors: 2.0 → 0.67). 이건 당신의 가정과는 반대로, 프레이밍을 치켜세우는 헛소리에는 완전히 동조해버리는 거임. 그건 능력 손실이 아니라 열정 위주의 포스트 트레이닝 때문임. Wilson CI를 포함한 전체 수치: [github.com/anthropics/claude-code/issue …