Fable 5.1 ने सक्रिय AI बातचीत के लिए हर टर्न पर एफ़र्ट कंट्रोल पेश किया है। यह लेख बताता है कि थिंकिंग बजट को एडजस्ट करने से टोकन स्तर पर असल में क्या होता है, रीज़निंग को कब बढ़ाना या घटाना फ़ायदेमंद है, Fable 5.1 बदलाव के दौरान कॉन्वर्सेशन स्टेट को कैसे संभालता है, और प्रोडक्शन सेशन में कौन-से वास्तविक पैटर्न सबसे अच्छा लागत-गुणवत्ता अनुपात देते हैं।
लार्ज लैंग्वेज मॉडल के साथ बातचीत के बीच में काम करने के तरीके में चुपचाप एक बदलाव आया है। Fable 5.1 से पहले, अगर आप किसी सेशन की शुरुआत मॉडल से गहराई से सोचने को कहकर करते थे और फिर कुछ त्वरित तथ्यात्मक सवालों पर आ जाते थे, तो हर जवाब के लिए आपको उतना ही कॉग्निटिव ओवरहेड चुकाना पड़ता था। Fable 5.1 इसे ठीक करता है। यह आपको किसी चल रही बातचीत में किसी भी समय यह तय करने देता है कि मॉडल कितना रीज़निंग एफ़र्ट लगाए। इसके लिए न कॉन्टेक्स्ट रीसेट करना पड़ता है, न नया सेशन शुरू करना पड़ता है, और न ही आपकी बातचीत के बारे में मॉडल की अब तक जमा हुई समझ से समझौता करना पड़ता है। यह कोई छोटा-मोटा API फ़्लैग नहीं है। यह इस बात में बुनियादी बदलाव है कि टोकन बजट व्यवहार में कैसे काम करते हैं।
पिछले मॉडल वर्ज़न में एफ़र्ट सेशन-स्तर की प्रतिबद्धता थी। आप पहले संदेश से पहले थिंकिंग बजट तय करते थे, और उस सेशन के हर जवाब उसी आवंटन रणनीति से चलते थे। इससे एक असली लागत समस्या पैदा होती थी: अगर बातचीत किसी जटिल आर्किटेक्चर सवाल से शुरू होती थी, जिसमें गहरी रीज़निंग चाहिए थी, और फिर सरल फ़ॉलो-अप सवालों की ओर मुड़ जाती थी, तो मॉडल उसी गहराई पर कंप्यूट करता रहता था, भले ही वह गहराई बेकार हो। हाई-वॉल्यूम सेशन चलाने वाली टीमों ने इसका असर सीधे अपने इनफ़रेंस बिलों में महसूस किया। अनुकूलन का एकमात्र तरीका नया सेशन शुरू करना था, और उसका मतलब था कि मॉडल ने आपकी समस्या के बारे में जो कुछ बना लिया था, वह सब खो देना।
Fable 5.1 ने हर टर्न पर एफ़र्ट पैरामीटर पेश किए। बातचीत के किसी भी बिंदु पर आप अगले संदेश के साथ एक संशोधित budget_tokens मान भेज सकते हैं, और मॉडल तुरंत अपना थिंकिंग आवंटन बदल देता है। कॉन्टेक्स्ट विंडो बनी रहती है, बातचीत का इतिहास सुरक्षित रहता है, और मॉडल वह सब आगे ले जाता है जो उसने पहले समझा था। बदलती है सिर्फ़ कंप्यूट रणनीति। इससे यह संभव होता है कि आप एक ही लंबे सेशन को डायनामिक एफ़र्ट प्रोफ़ाइल के साथ चलाएँ, बजाय इसके कि एक एफ़र्ट लेवल चुनकर पूरी बातचीत उसी पर टिकाए रखें।
💡 महत्वपूर्ण: एफ़र्ट एडजस्टमेंट का मतलब मॉडल बदलना नहीं है। आप अब भी Claude Fable 5 से ही बात कर रहे हैं। जो बदलता है वह यह है कि दिखने वाला जवाब बनाने से पहले वह कितने थिंकिंग टोकन आवंटित करता है।
बजट टोकन असल में क्या हैं, यह समझने में ही ज़्यादातर डेवलपर्स उलझ जाते हैं। इस शब्दावली के आउटपुट टोकन के साथ कई उलझे हुए तरीकों से ओवरलैप होते हैं, और बिलिंग के असर भी असली हैं।
जब एक्सटेंडेड थिंकिंग सपोर्ट वाला मॉडल किसी संदेश का जवाब देता है, तो वह दो चरणों में ऐसा करता है। पहले, वह भीतर ही भीतर रीज़निंग करता है और ऐसे आउटपुट बनाता है जिन्हें अक्सर "थिंकिंग टोकन" या "स्क्रैचपैड टोकन" कहा जाता है। ये उपयोगकर्ता से छिपे रहते हैं, आउटपुट में नहीं दिखते, पर कंप्यूट खर्च करते हैं और आपके बिल में दिखते हैं। दूसरे, मॉडल दिखने वाला जवाब बनाता है। दिखने वाला जवाब वही है जो आप पढ़ते हैं। थिंकिंग टोकन वह कीमत हैं जो आप बेहतर और ज़्यादा सटीक दिखने वाले जवाब के लिए चुकाते हैं। बजट बढ़ाने का मतलब है कि मॉडल यह तय करने से पहले कि वह क्या कहेगा, ज़्यादा भीतरी विचार-विमर्श करता है।
budget_tokens पैरामीटर यह सीमा तय करता है कि मॉडल दिखने वाला जवाब शुरू करने से पहले कितने थिंकिंग टोकन इस्तेमाल कर सकता है। ज़्यादा बजट का मतलब है कि मॉडल लंबे समय तक विचार कर सकता है, ज़्यादा रीज़निंग पाथ खंगाल सकता है, ज़्यादा विरोधाभास पकड़ सकता है और ज़्यादा सोचा-समझा जवाब दे सकता है। कम बजट मॉडल को ज़्यादा सीधा रहने पर मजबूर करता है, और वह चरण-दर-चरण भीतरी रीज़निंग के बजाय पैटर्न रिकॉल पर निर्भर होता है।
व्यवहार में अलग-अलग बजट स्तरों पर यह होता है:
| बजट स्तर | थिंकिंग टोकन | किसके लिए सबसे अच्छा |
|---|---|---|
| न्यूनतम (1,000 से कम) | लगभग शून्य | तथ्यात्मक खोज, सरल कंप्लीशन |
| मानक (2,000 से 5,000) | मध्यम | ज़्यादातर रोज़मर्रा के काम |
| उच्च (8,000 से 20,000) | काफ़ी | जटिल लॉजिक, कोड रिव्यू, प्लानिंग |
| अधिकतम (20,000+) | विस्तृत | गणित के प्रमाण, लंबी अवधि की रीज़निंग |
मॉडल हमेशा अपनी पूरी सीमा इस्तेमाल नहीं करता। अगर सवाल सरल है, तो वह थिंकिंग टोकन की सीमा तक पहुँचने से बहुत पहले ही अपना दिखने वाला आउटपुट पूरा कर सकता है। बजट एक सीमा है, गारंटी नहीं।
ज़्यादा एफ़र्ट हमेशा बेहतर नहीं होता। यह धीमा होता है और इसकी लागत ज़्यादा होती है। लेकिन कुछ खास स्थितियाँ हैं जहाँ थिंकिंग टोकन में कंजूसी करना उस बड़े बजट से भी ज़्यादा महँगा पड़ता है, क्योंकि बर्बाद हुए फ़ॉलो-अप संदेश ज़्यादा खर्च कराते हैं।
सवाल की कई वैध व्याख्याएँ हों। जब इस बारे में असली अस्पष्टता हो कि सही जवाब कैसा दिखना चाहिए, तो ज़्यादा थिंकिंग स्पेस वाला मॉडल उस अस्पष्टता को साफ़-साफ़ पहचानने और संबोधित करने की कहीं ज़्यादा संभावना रखता है, बजाय इसके कि किसी एक रास्ते को चुनकर भरोसे से आगे बढ़ जाए।
आपकी कॉन्टेक्स्ट विंडो घनी हो। अगर आप लंबे बातचीत थ्रेड पर काम कर रहे हैं या काफ़ी रेफ़रेंस मटीरियल पेस्ट कर चुके हैं, तो जवाब देने से पहले मॉडल को उस सबको सही तरह से जोड़ने के लिए ज़्यादा थिंकिंग टोकन चाहिए। भारी कॉन्टेक्स्ट विंडो पर लो-एफ़र्ट मोड सतही जवाब देता है, जो उन जानकारियों के बीच के संबंध छोड़ देता है जो आपने थ्रेड में पहले दी थीं।
आप कुछ ऐसा डीबग कर रहे हैं जो विफल हुआ है। Claude Fable 5 में डीबगिंग सेशन ऊँचे बजट से काफ़ी फ़ायदा उठाते हैं। किसी स्पष्टीकरण पर टिकने से पहले मॉडल को विफलता की स्थिति का पता लगाने, वैकल्पिक कारणों पर विचार करने और झूठे सुरागों को खारिज करने के लिए जगह चाहिए।
एक सीमा-प्रभाव होता है। किसी दिए गए सवाल प्रकार के लिए बजट टोकन को एक बिंदु से आगे बढ़ाने पर नतीजे घटते जाते हैं। एक सरल तथ्यात्मक खोज के लिए 30,000 टोकन का बजट लगभग वैसा ही जवाब देता है जैसा 3,000 टोकन का बजट, लेकिन उसमें साफ़ तौर पर ज़्यादा समय लगता है और कंप्यूट लागत लगभग दस गुना होती है। Fable 5.1 को प्रभावी ढंग से इस्तेमाल करने का कौशल यह सीखने में है कि आपके विशेष वर्कफ़्लो में अलग-अलग टास्क प्रकारों के लिए यह सीमा कहाँ होती है।
💡 व्यावहारिक नियम: अगर पिछले तीन हाई-एफ़र्ट जवाब हर एक में 200 शब्दों से छोटे थे, तो उस बातचीत के चरण के लिए आपका बजट शायद बहुत ऊँचा है। उसे 50 प्रतिशत घटाएँ और तुलना करें।
एक विशिष्ट वर्क सेशन के भीतर के बहुत-से सवालों को विस्तृत रीज़निंग की ज़रूरत नहीं होती। यह जानना उतना ही ज़रूरी है कि बजट कब घटाना है, जितना यह कि उसे कब बढ़ाना है।
लेटेंसी-संवेदनशील पाइपलाइन के लिए लो-एफ़र्ट मोड काफ़ी तेज़ है। ऐसे इंटरैक्टिव एप्लिकेशन में, जहाँ उपयोगकर्ता लगभग तुरंत जवाब की उम्मीद करते हैं, ऊँचे थिंकिंग बजट असहनीय देरी पैदा करते हैं। Fable 5.1 की सेशन के बीच एफ़र्ट घटाने की क्षमता का मतलब है कि आप ऐसे सिस्टम डिज़ाइन कर सकते हैं जहाँ शुरुआती प्लानिंग चरण ऊँचा एफ़र्ट इस्तेमाल करे और फिर एक्ज़िक्यूशन चरण के सवाल लो एफ़र्ट पर चलें, यह सब एक ही लगातार API सेशन के भीतर बिना बातचीत का संदर्भ खोए। एक्ज़िक्यूशन चरण के दौरान उपयोगकर्ता को तेज़ जवाब मिलते हैं, फिर भी शुरुआत में हुई उच्च-गुणवत्ता वाली प्लानिंग का फ़ायदा बना रहता है।
सही टास्क के लिए कम बजट का मतलब कम गुणवत्ता नहीं है। सरल स्ट्रिंग फ़ॉर्मैटिंग, एंटिटी एक्सट्रैक्शन, छोटे टेक्स्ट का अनुवाद और सीधी तथ्यात्मक याद, ये सब लगभग एक जैसा प्रदर्शन करते हैं, चाहे बजट 500 टोकन हो या 5,000। मॉडल को जानी-पहचानी जानकारी लौटाने के लिए "सोचने" की ज़रूरत नहीं होती। थिंकिंग टोकन उसे तब चाहिए होते हैं जब जवाब के लिए जानकारी के बीच असली संश्लेषण, बहु-चरण अनुमान या अनिश्चितता में रीज़निंग चाहिए।
एफ़र्ट एडजस्टमेंट के नीचे की मेकेनिक्स सिर्फ़ टोकन सीमा तय करने से कहीं ज़्यादा सूक्ष्म है। मॉडल एक सेशन के भीतर हर संदेश को बराबर नहीं मानता।
जब Claude Fable 5 संशोधित बजट के साथ एक नया जवाब टर्न शुरू करता है, तो वह पूरी बातचीत को शुरू से पूरे ध्यान के साथ दोबारा नहीं पढ़ता। वह रीसेंसी वेटेज लागू करता है: हाल के संदेशों को पुराने संदेशों से ज़्यादा ध्यान-वेट मिलता है। इसका मतलब है कि कम बजट पर भी मॉडल अभी कही गई बात भरोसे से शामिल करता है। कम बजट से नुकसान तब होता है जब मॉडल को पुराने कॉन्टेक्स्ट को हाल के कॉन्टेक्स्ट के साथ जोड़कर देखना हो। अगर कोई मुख्य बाधा दस संदेश पहले बताई गई थी और मौजूदा सवाल के लिए वह बाधा जानना ज़रूरी है, तो कम बजट पर मॉडल उस संबंध को पकड़ने से चूक सकता है। यह जानते हुए व्यावहारिक कदम यह है कि नए चरण के लिए एफ़र्ट घटाते समय पहले की महत्वपूर्ण बाधाओं को संक्षेप में दोहरा दें।
Fable 5.1 उन थ्रेड पर स्वचालित कॉन्टेक्स्ट कंप्रेशन पेश करता है जो कॉन्टेक्स्ट विंडो की सीमा के करीब पहुँचते हैं। यह कंप्रेशन एफ़र्ट एडजस्टमेंट से अलग है, लेकिन दोनों एक-दूसरे पर असर डालते हैं। जब कंप्रेशन हो चुका हो, तो लो-एफ़र्ट जवाब शायद यह न पकड़ पाए कि कंप्रेशन के दौरान पहले की बातचीत की कोई बारीकी खो गई है। अगर आप किसी लंबे थ्रेड पर काम कर रहे हैं जिसमें शुरुआती महत्वपूर्ण कॉन्टेक्स्ट है, तो एफ़र्ट को कम से कम मानक स्तर पर रखना एक व्यावहारिक सुरक्षा उपाय है, ताकि मॉडल वह बात न छोड़ दे जो कंप्रेस होकर गायब हो गई हो।
Claude Fable 5 के साथ डीबगिंग का आदर्श पैटर्न यह है कि ऊँचे एफ़र्ट पर शुरू करें, मॉडल को समस्या की छंटाई करने दें, और जब मूल कारण साफ़ हो जाए तो इम्प्लीमेंटेशन चरणों के लिए मध्यम एफ़र्ट पर आ जाएँ। महँगी रीज़निंग एक बार होती है। एक्ज़िक्यूशन चरण तेज़ और किफ़ायती बना रहता है। यह पैटर्न पूरे डीबगिंग थ्रेड में अधिकतम एफ़र्ट पर चलने की तुलना में कुल सेशन लागत अक्सर 40 प्रतिशत या उससे ज़्यादा घटा देता है।
प्रोजेक्ट प्लानिंग या किसी जटिल लक्ष्य को सबटास्क में तोड़ने के लिए, ऊँचे बजट वाले प्लानिंग टर्न से शुरू करें। फिर जब आप हर सबटास्क को एक-एक करके पूरा करें, तो मानक या यहाँ तक कि लो एफ़र्ट पर चला सकते हैं। मॉडल के हाल के कॉन्टेक्स्ट में प्लान पहले से है और उसे हर बार शुरू से दोबारा बनाने की ज़रूरत नहीं होती। महँगा संश्लेषण का काम प्लानिंग टर्न में एक बार होता है, और आगे के टर्न उसी प्लान के आधार पर कुशलता से चलते हैं।
अगर आप ऐसा एप्लिकेशन बना रहे हैं जो हाई-थ्रूपुट क्वेरी संभालता है और कभी-कभार ही किसी वास्तव में कठिन सवाल से सामना होता है, तो आप दो-पास वाला सिस्टम लागू कर सकते हैं: पहले लो एफ़र्ट पर जवाब की कोशिश करें, और अगर जवाब में हेजिंग भाषा हो या वह अधूरा लगे, तो वही क्वेरी ऊँचे एफ़र्ट पर दोबारा चलाएँ। इससे आपकी औसत इनफ़रेंस लागत लो-एफ़र्ट बेसलाइन के करीब रहती है, और कठिन सवाल आने पर आपका सिस्टम उन्हें ठीक से संभाल लेता है।
Claude Fable 5 PicassoIA पर लार्ज लैंग्वेज मॉडल (LLM) कलेक्शन में सीधे उपलब्ध है। असली वर्कफ़्लो में एफ़र्ट एडजस्टमेंट का फ़ायदा कैसे उठाएँ, यह यहाँ है।
जब आप PicassoIA पर Claude Fable 5 के साथ सेशन खोलते हैं, तो एडवांस्ड सेटिंग्स पैनल में आपको एफ़र्ट कंट्रोल दिखेगा। स्लाइडर मिनिमल से मैक्सिमम तक चलता है। ज़्यादातर सेशन के लिए बीच की स्थिति से शुरू करना सही रहता है। आप बातचीत के किसी भी बिंदु पर अगला संदेश भेजने से पहले उसे एडजस्ट कर सकते हैं, और नया बजट उस जवाब पर तुरंत लागू होता है और उसके बाद के सभी जवाबों पर भी, जब तक आप उसे फिर न बदलें। नया सेशन शुरू करने की ज़रूरत नहीं है।
अलग-अलग रीज़निंग ज़रूरतों के लिए जानने लायक दूसरे मॉडल में Claude Sonnet 5 तेज़ मध्यम-वज़न टास्क के लिए, Claude Opus 4.7 सबसे भारी रीज़निंग वर्कलोड के लिए, DeepSeek R1 अगर आप रीज़निंग ट्रेस की शैलियों की तुलना करना चाहते हैं, और Kimi K2 Thinking तकनीकी समस्याओं पर विस्तृत चरण-दर-चरण रीज़निंग के लिए शामिल हैं।
बाज़ार में हर मॉडल बातचीत के बीच एफ़र्ट एडजस्टमेंट नहीं देता। इस खास क्षमता पर मौजूदा पीढ़ी की तुलना यह है:
| मॉडल | सेशन के बीच एफ़र्ट एडजस्टमेंट | बजट टोकन कंट्रोल | नोट्स |
|---|---|---|---|
| Claude Fable 5 | हाँ | हर टर्न पर budget_tokens | सेशन के बीच पूरा दानेदार नियंत्रण |
| Claude Opus 4.7 | हाँ | हर टर्न पर budget_tokens | सबसे ऊँची समग्र रीज़निंग सीमा |
| GPT 5 Pro | आंशिक | केवल सेशन-स्तर | बातचीत के बीच नहीं बदला जा सकता |
| DeepSeek R1 | नहीं | हर जवाब के लिए तय | हमेशा पूरा रीज़निंग ट्रेस बनाता है |
| Kimi K2 Thinking | आंशिक | सीमित कंट्रोल | थिंकिंग हमेशा एक्सटेंडेड मोड में रहती है |
| O4 Mini | नहीं | केवल एफ़र्ट हिंट | सिर्फ़ लो, मीडियम, हाई प्रीसेट |
Fable 5.1 के दृष्टिकोण का फ़ायदा दानेदारपन में है। प्रीसेट और सेशन-स्तर के कंट्रोल उपयोगी हैं, लेकिन एक विशेष टोकन सीमा के साथ हर टर्न पर एफ़र्ट बदल पाने की तुलना में वे दक्षता के लाभ से चूक जाते हैं।
एफ़र्ट एडजस्टमेंट की आर्थिक हकीकत सीधी है: अच्छी तरह से प्रबंधित सेशन उसी ज़मीन को कवर करने वाले फ़्लैट हाई-एफ़र्ट सेशन की तुलना में काफ़ी कम खर्च होता है। एक सामान्य 30-टर्न डीबगिंग सेशन में, सही समय पर ऊँचे और निम्न एफ़र्ट के बीच बदलने से पूरे समय अधिकतम एफ़र्ट पर चलने की तुलना में कुल थिंकिंग टोकन खपत 40 से 60 प्रतिशत तक घट सकती है।
जब Claude Fable 5 को API के ज़रिए इस्तेमाल करते हैं, तो हर जवाब में उपयोग मेटाडेटा आता है जो थिंकिंग टोकन को आउटपुट टोकन से अलग करता है। इस डेटा को लॉग करने से आप देख सकते हैं कि हर टर्न ने कितनी रीज़निंग खर्च की, और इससे अनुमान लगाने के बजाय अपनी एफ़र्ट रणनीति को अनुभव के आधार पर ठीक करना संभव होता है।
💡 टिप: एक ही 10 प्रतिनिधि क्वेरी तीन अलग-अलग बजट स्तरों पर चलाएँ और आउटपुट की गुणवत्ता व टोकन लागत की साथ-साथ तुलना करें। डेटा आमतौर पर एक दोपहर के परीक्षण में आपके विशेष उपयोग के मामले के लिए एक साफ़ सबसे अच्छा बिंदु दिखा देगा।
जो टीमें हर दिन सैकड़ों सेशन चलाती हैं, उनके लिए औसत थिंकिंग टोकन खपत में 30 प्रतिशत की कमी भी एक महीने में एक बड़ा लागत अंतर है। Fable 5.1 में एफ़र्ट एडजस्टमेंट जितना गुणवत्ता का उपकरण है, उतना ही बिलिंग का भी उपकरण है, और सबसे अच्छे प्रैक्टिशनर इसे दोनों मानकर चलते हैं।
यहाँ बताई गई हर चीज़ अभी आज़माने के लिए उपलब्ध है। Claude Fable 5 PicassoIA पर लाइव है, और एफ़र्ट कंट्रोल सेशन सेटिंग्स में मौजूद है। एक असली बातचीत शुरू करें, सिंथेटिक टेस्ट नहीं। कोई असली समस्या लाएँ जिससे आप जूझ रहे हैं। पहले दो या तीन टर्न के लिए ऊँचा एफ़र्ट बजट रखें, जब तक मॉडल समस्या की अपनी समझ बनाता है। फिर उसे घटाएँ और देखें कि जवाब का स्वभाव कैसे बदलता है।
यह खुद आज़माने का अनुभव आपको एफ़र्ट एडजस्टमेंट कब फ़ायदेमंद है, यह किसी भी मात्रा की पढ़ाई से ज़्यादा सिखाएगा। picassoia.com/en/all-models पर रीज़निंग मॉडल का बड़ा कैटलॉग आपको Claude Sonnet 5, GPT 5, Gemini 3.1 Pro और कई दूसरे मॉडल तुलना के लिए देता है। हर एक का रीज़निंग गहराई और लागत पर अलग नज़रिया है। एक ही सेशन दो-तीन मॉडलों पर चलाकर देखें कि कौन-सा एफ़र्ट व्यवहार आपके वर्कफ़्लो में सबसे अच्छा बैठता है। इसी तरह आप वह मॉडल खोजते हैं जो सचमुच आपके प्रोडक्शन टूल्स के सेट में होना चाहिए।
अपनी भाषा चुनें
