Új Claude modellek hibás eszközhívásokkal rontják a Pi kódolási segédprogramot

Az Anthropic legújabb, Opus 4.8 és Sonnet 5 jelzésű Claude modelljei hibás eszközhívásokat generálnak a Pi kódolási segédprogramban. A problémát Simon Willison blogján Armin Ronacher írása tárta fel, aki szerint az új modellek kitalált kulcsokat adnak hozzá a beágyazott edits[] tömbhöz, ami miatt a Pi elutasítja a kéréseket.

Az Opus 4.8 és a Sonnet 5 modelljei, annak ellenére, hogy az Anthropic fejlesztései a Claude Code beépített szerkesztőeszközeinek hatékonyabb használatára irányulnak, rosszabb teljesítményt nyújtanak a Pihez való integrációban. Armin Ronacher szerint ez a megerősítéses tanulás (Reinforcement Learning) következménye lehet, amely a beépített szerkesztőeszközök optimalizálására összpontosít, de nem veszi figyelembe a külső eszközök sémáit.

Kapcsolódó: Anthropic API-hívások

Hibás eszközhívások és sémaeltérés

A probléma lényege, hogy bár maga a szerkesztési művelet helyes, az argumentumok nem felelnek meg a Pi által elvárt sémának. A modellek kitalált kulcsokat generálnak, amelyeket a Pi nem ismer fel, így a hívás sikertelenül zárul. Ez eltér az OpenAI Codex megközelítésétől, amely apply_patch mechanizmust használ, míg a Claude Code search-and-replace módszert alkalmaz.

Kapcsolódó: Claude hibája

Lehetséges okok és következmények

Ronacher elmélete szerint a megerősítéses tanulás során a modellek a beépített szerkesztőeszközök optimalizálására összpontosítanak, ami véletlenül ronthatja a kompatibilitást harmadik féltől származó eszközökkel. Ez felveti a kérdést, hogy a Pihez hasonló platformoknak érdemes-e több, eltérő sémájú szerkesztőeszközt implementálniuk, hogy alkalmazkodjanak a különböző modellek viselkedéséhez.

Kapcsolódó: AI finomhangolás

A hiba nemcsak a fejlesztők munkáját nehezíti, hanem rávilágít az AI modellek és a külső eszközök integrációjának összetettségére is. A pontos okok még nem tisztázottak, de a jelenség arra utal, hogy a SOTA modellek fejlesztése nem mindig jár együtt a szélesebb körű kompatibilitás javulásával. A helyzetet bonyolítja, hogy az OpenAI Codex már korábban is beszélt arról, hogy modelljeit hatékonyan tanítják a rájuk szabott apply_patch eszköz használatára.

Kapcsolódó: Claude Code belsője

Simon Willison blogján írta, hogy a 4.8-as Opus és a 5-ös Sonnet verziók bevezetése óta a probléma egyre inkább előtérbe kerül. A fejlesztőknek érdemes lehet tesztelniük az újabb Claude modellek viselkedését a saját eszközeikkel, különösen, ha azok eltérő sémát használnak, mint a Claude Code beépített szerkesztője.

Kapcsolódó: LLM-k programozása