Anthropic

Anthropic bygger sprogmodeller under navnet Claude og retter sig mod udviklere og organisationer, der har brug for en model med stabil adfærd i længere og mere komplekse opgaver. Virksomheden blev grundlagt i 2021 af tidligere OpenAI-folk og har hovedkvarter i San Francisco. Profilen er smallere end hos de store cloududbydere: Anthropic sælger adgang til modeller og et API, ikke en bred portefølje af infrastrukturtjenester.

Det, der adskiller tilgangen fra de øvrige udbydere, er hvor eksplicit safety-arbejdet indgår i produktet. Constitutional AI betyder, at modellens adfærd trænes mod et nedskrevet sæt principper i stedet for udelukkende menneskelig feedback. I praksis oplever du en model, der oftere afviser tvetydige forespørgsler og oftere skriver, hvad den ikke kan svare på.

Modelfamilien er delt i tre niveauer. Opus-modellerne er de tungeste og bruges til opgaver med reelle krav til reasoning. Sonnet ligger i midten og er ofte det praktiske udgangspunkt, mens Haiku er den hurtige og lette variant til klassificering, routing og høj volumen.

Du kommer i gang med en konto, en API-nøgle og et par linjer kode. SDK'erne til Python og TypeScript dækker det meste, og resten af API'et er almindelig REST, som du kan kalde fra et hvilket som helst sprog. Dokumentationen er struktureret omkring konkrete opgaver frem for lange konceptgennemgange.

API'et lægger op til, at du styrer meget via system prompt. Rollen, formatet og grænserne for opgaven hører hjemme dér, mens brugerbeskeden holdes til det faktiske input. Tool use og JSON-output gør det praktisk at hænge modellen sammen med eksisterende systemer, og streaming er nødvendigt, så snart et menneske sidder og venter på svaret.

Friktionen opstår typisk tre steder. Det store kontekstvindue frister til at sende hele dokumentsamlinger med i hvert kald, hvilket både koster tokens og gør svarene mere upræcise end en målrettet udvælgelse. Rate limits rammer hurtigere end forventet ved parallelle jobs, så du skal bygge kø og retry ind fra start. Endelig er der færre færdige integrationer end hos de bredest udbredte udbydere, så en del limarbejde skal skrives selv.

Prismodellen er pay-per-token, og forbruget følger både input og output. Lange kontekster og mange kald ændrer omkostningsbilledet mærkbart, så indfør logging af tokenforbrug pr. funktion tidligt i forløbet. Ellers opdager du først mønstret, når regningen er der.

Lock-in er moderat, men reelt. Selve API-kaldene er nemme at bytte ud, mens prompts, tool-definitioner og evalueringer er tunet til en bestemt models adfærd. Hold prompt-laget adskilt fra applikationslogikken, hvis du vil kunne teste en anden model uden at bygge om.

Anthropic er en amerikansk virksomhed, og det har betydning for databehandling og leverandørvurdering. Undersøg selv, hvilke regioner der er tilgængelige, hvilke vilkår der gælder for træning på dine data, og hvad din databehandleraftale dækker. Ved følsomme persondata bør det afklares, før første produktionskald.

En anden udbyder passer bedre, hvis du har brug for et bredt økosystem af færdige integrationer, hvis du vil køre modellen lokalt eller på egen infrastruktur, eller hvis dit krav er selvhosting i EU. Skal du derimod arbejde med lange dokumenter, flertrinsanalyse eller kode, hvor konsistens vejer tungere end hastighed, står Claude stærkt.