TL;DR
· Anthropic telah memulihkan akses global ke Claude Fable 5 mulai 1 Juli, mencakup pintu masuk seperti Claude.ai, Claude Code, dll.
· Posisi resmi beralih ke tugas asinkron yang panjang, kompleks, termasuk kerja pengetahuan, pengkodean, visual, dan eksekusi agen.
· Perulangan tugas dan Skills yang ramai dibahas di komunitas masih perlu dibedakan antara kemampuan resmi dan alur kerja pribadi, efektivitasnya tergantung pada izin, konteks, dan batasan keamanan.

Anthropic telah memulihkan akses global ke Claude Fable 5. Model ini, yang sempat dihentikan pada pertengahan Juni karena peraturan kontrol ekspor AS, kembali dibuka untuk Claude Platform, Claude.ai, Claude Code, dan Claude Cowork mulai 1 Juli. Dibandingkan dengan obrolan satu kali, Anthropic memposisikan Fable 5 lebih dekat ke sistem kerja AI yang berjalan lama: menangani kerja pengetahuan yang kompleks, pengkodean, pemahaman visual, dan tugas agen, terus merencanakan, mengeksekusi, memanggil sub-agen, dan memeriksa pekerjaannya sendiri di lingkungan seperti Claude Code atau Managed Agents.

Ini juga alasan mengapa diskusi seputar Fable 5 bergeser. Pengguna tidak lagi hanya peduli "bagaimana menulis prompt", tetapi bagaimana memecah tugas menjadi tujuan, materi, izin, standar penerimaan, dan titik tinjau manual, sehingga AI dapat maju ke hasil yang dapat diserahkan dalam jangka waktu yang lebih lama. Bagi pengembang, peneliti, tim konten, dan pengguna otomatisasi perusahaan, hambatan beralih dari keterampilan bertanya ke desain alur kerja.

Dari Jawaban Singkat ke Tugas Panjang, Fable 5 Ingin Menjadi "Model Pengontrol"

Di masa lalu, sebagian besar model obrolan lebih mirip asisten pelari cepat. Pengguna mengajukan pertanyaan, model menjawab satu putaran, menulis kode, atau memberikan analisis, lalu pengguna melanjutkan dengan pertanyaan lanjutan, koreksi, dan menambahkan konteks. Fable 5 mencoba memperpanjang proses ini, memungkinkan model terus bekerja di sekitar tujuan yang sama.

Halaman resmi Anthropic menekankan bahwa Fable 5 cocok untuk "tugas asinkron yang panjang, kompleks". Di lingkungan agen, ia dapat berpartisipasi dalam perencanaan, eksekusi multi-tahap, memanggil alat atau sub-agen, dan memeriksa pekerjaannya sendiri. Fokusnya di sini bukan pada keluaran yang lebih panjang dalam satu kali, tetapi apakah model dapat memainkan peran penjadwalan dan penerimaan dalam rantai tugas yang lebih lengkap.

Ini juga menjelaskan mengapa Claude Code menjadi pintu masuk penting. Pengguna biasa masih akan mengajukan pertanyaan langsung di kotak obrolan, tetapi pengembang dan pengguna alur kerja otomatisasi lebih cenderung menempatkan Fable 5 di basis kode, baris perintah, panggilan alat, dan kerangka agen, membiarkannya menangani tugas yang lebih dekat dengan pekerjaan nyata.

Umpan balik awal pengguna memang mencakup kasus positif seperti membangun sistem yang kompleks dan mengurangi iterasi berulang. Namun, umpan balik semacam ini lebih baik diamati daripada disimpulkan sebagai kesimpulan kinerja umum. Penilaian yang lebih hati-hati adalah bahwa Anthropic mendorong Fable 5 menuju alur kerja agen yang lebih intensif, membuat Claude tidak hanya menjawab pertanyaan, tetapi juga berpartisipasi dalam perencanaan, eksekusi, dan pemeriksaan.

"Perulangan Tugas" yang Ramai Dibahas di Komunitas, Kuncinya pada Tujuan dan Penerimaan

Setelah Fable 5 dibuka kembali, salah satu penggunaan yang paling banyak dibahas di komunitas adalah apa yang disebut "rekayasa loop", yang dapat dipahami sebagai merancang perulangan tugas otonom untuk AI.

Beberapa blog pihak ketiga dan praktik pengguna sering merangkum penggunaan ini sebagai /goal dan /loop. Yang pertama mengacu pada tugas dengan standar penyelesaian yang jelas, misalnya "terus meneliti sampai bisa menjawab 5 pertanyaan ini". Yang terakhir lebih seperti tugas yang dieksekusi pada interval tetap, misalnya "periksa email setiap 30 menit, hanya tandai yang benar-benar perlu saya tangani". Namun, dokumentasi resmi Anthropic yang terbuka untuk umum belum mengonfirmasi bahwa /goal dan /loop adalah perintah resmi Claude Code; ketersediaan aktual tergantung pada versi produk, kerangka agen, atau skrip yang dibuat sendiri oleh pengguna.

Nilai dari pendekatan ini adalah membebaskan pengguna dari setiap putaran prompt. Dalam penggunaan tradisional, pengguna sering menjadi hambatan iterasi: model memberikan hasil, pengguna menilai, lalu memberikan instruksi lebih lanjut. Tugas berbasis loop mengharuskan pengguna untuk mendefinisikan tujuan, batasan, dan standar penerimaan dengan jelas sejak awal, kemudian membiarkan AI menyelesaikan banyak bolak-balik di antaranya.

Semakin otonom model, semakin pengguna perlu mengomunikasikan tiga hal sebelumnya: kapan suatu tugas dianggap selesai, tindakan mana yang dapat dilakukan secara otomatis, dan titik mana yang harus kembali ke manusia untuk berkonsultasi. Jika tidak, operasi yang berjalan lama hanya akan memperbesar kesalahpahaman dan penyimpangan.

Komunitas juga mengajukan pembagian kerja model "barbel": perencanaan awal dan penerimaan akhir diserahkan ke model terkuat, sedangkan eksekusi di antaranya diserahkan ke model atau sub-agen dengan biaya lebih rendah. Pendekatan ini sesuai dengan logika biaya alur kerja agen, tetapi tidak boleh dipahami sebagai cara penggunaan tetap resmi Fable 5. Dalam implementasi nyata, perusahaan biasanya juga perlu mengintegrasikan kontrol izin, pencatatan log, tinjauan kode, dan konfirmasi manual ke dalam alur.

Skills Lebih Mirip Resep Kerja yang Dapat Digunakan Kembali, Jangan Anggap sebagai Janji Resmi

Arah lain yang sering dibahas adalah Skills. Ini dapat dipahami sebagai pengguna yang menyimpan serangkaian alur kerja berulang menjadi resep yang dapat digunakan kembali, sehingga Claude dapat memanggilnya berulang kali dalam tugas serupa, daripada menulis prompt panjang dari awal setiap kali.

Untuk tugas siklus panjang, ini sangat penting. Semakin kompleks tugas yang harus diselesaikan model, semakin tidak bisa hanya bergantung pada prompt instan. Gaya penulisan, sudut pandang penelitian, templat analisis keuangan, standar kode, proses rilis, preferensi klien—jika konten ini harus dijelaskan ulang setiap kali, stabilitas dan efisiensi akan terpengaruh. Menyimpannya sebagai file, instruksi, atau proses yang dapat dipanggil memungkinkan AI mulai dari aturan yang sama.

Namun, pernyataan terkait Skills perlu dibedakan antara fungsi resmi dan alur kerja komunitas. Mengekstrak preferensi dari riwayat obrolan, belajar struktur dari sampel besar, lalu mentransfer ke model lain seperti GPT atau Gemini—ini lebih dekat ke metode yang disusun sendiri oleh pengguna, bukan fungsi lintas platform yang sepenuhnya dijanjikan oleh Anthropic. Pernyataan yang lebih akurat adalah bahwa pengguna dapat mengatur alur kerja umum menjadi aset independen, seperti templat, SOP, daftar periksa, dan deskripsi proyek, lalu menggunakannya kembali di Claude atau alat AI lainnya.

Nilai aset semacam itu tidak terletak pada apakah namanya Skill, tetapi pada mengubah "bagaimana saya ingin AI bekerja" dari prompt sekali pakai menjadi instruksi kerja yang dapat dipelihara. Bagi perusahaan, ini lebih dekat ke manajemen pengetahuan yang sebenarnya daripada prompt tunggal.

Kemampuan Visual Memungkinkan Fable 5 Mengakses PDF, Antarmuka, dan Dasbor

Kemampuan lain yang ditekankan secara resmi oleh Fable 5 adalah pemahaman visual. Anthropic menyatakan bahwa ia dapat memahami diagram dan tabel dalam dokumen dan PDF, serta digunakan untuk memeriksa apakah output pengkodean konsisten dengan tujuan desain.

Kemampuan semacam ini mungkin tidak intuitif bagi pengguna obrolan biasa, tetapi penting bagi perusahaan dan pengembang. Banyak pekerjaan nyata bukan teks murni: data tersembunyi dalam diagram, masalah produk muncul di tangkapan layar antarmuka, status bisnis ditampilkan di dasbor, umpan balik desain perlu melihat detail visual, dan tugas otomatisasi mungkin perlu model memahami keadaan layar atau halaman saat ini.

Jika model dapat membaca materi ini dengan lebih akurat, ia tidak hanya menjadi asisten teks, tetapi dapat campur tangan dalam tugas yang lebih dekat ke lingkungan kantor. Misalnya, mengekstrak nilai dari diagram PDF, meninjau logika interaksi halaman backend, menemukan anomali berdasarkan tangkapan layar dasbor, atau memberikan saran perbaikan terstruktur untuk materi pemasaran.

Namun, kemampuan visual tetap harus diikat dengan proses verifikasi. Model dapat mengenali diagram dan tangkapan layar, tetapi itu tidak berarti semua kesimpulannya dapat diandalkan. Saat melibatkan data keuangan, keamanan kode, tinjauan kepatuhan, dan pengiriman ke klien, masih perlu mempertahankan sumber asli, langkah pemeriksaan, dan penerimaan manual.

Hambatan Penggunaan Sebenarnya adalah Menyiapkan Konteks untuk AI

Untuk menangani tugas siklus panjang, Fable 5 harus terus memahami lingkungan bisnis tempat pengguna berada. Satu prompt saja tidak cukup untuk mencakup struktur perusahaan, latar belakang proyek, preferensi klien, keputusan historis, dan prioritas saat ini. Bagi pengguna berat, pendekatan yang lebih realistis adalah membangun sistem konteks lokal.

Konteks ini dapat mencakup peta perusahaan, pembagian tim, hal-hal penting saat ini, SOP umum, penjelasan satu halaman tentang klien atau proyek penting, rencana rilis, sistem konten, strategi distribusi, dan log keputusan yang terus diperbarui. Ini setara dengan menyiapkan latar belakang bisnis yang dapat dibaca oleh AI, daripada membuat model menebak situasi pengguna dari awal setiap kali.

Dalam skenario Claude Code, cara yang dapat dikonfirmasi secara resmi termasuk menggunakan --add-dir untuk menambahkan direktori kerja tambahan, serta mengelola konteks melalui file deskripsi proyek. Pengguna juga dapat memelihara file memori dan file instruksi yang mencatat preferensi, batasan, dan format keluaran yang terbentuk selama kolaborasi jangka panjang. Dibandingkan dengan prompt satu putaran, pendekatan ini lebih cocok untuk proyek jangka panjang karena model dapat merujuk pada keputusan sebelumnya sebelum memberikan saran baru.

Batas keamanan juga tidak boleh diabaikan. FAQ Anthropic menunjukkan bahwa saat melibatkan bidang berisiko tinggi seperti keamanan siber, biologi, dan kimia, Fable 5 akan memiliki langkah perlindungan yang sesuai; beberapa kueri mungkin dialihkan ke Opus 4.8, dan pelanggan API juga perlu mengonfigurasi Fallback API. Ini akan mempengaruhi kontinuitas dan tingkat otomatisasi beberapa tugas.

Setelah Fable 5 dibuka kembali, yang dipasarkan oleh Anthropic bukanlah model yang sekadar "lebih pandai mengobrol", tetapi cara kerja AI yang lebih berat: lingkungan agen bertanggung jawab untuk eksekusi berkelanjutan, aset proses bertanggung jawab untuk metode yang dapat digunakan kembali, konteks lokal bertanggung jawab untuk mempertahankan memori bisnis, dan kemampuan visual bertanggung jawab untuk mengakses lebih banyak materi nyata. Batas atasnya tergantung pada kemampuan model, dan juga pada apakah manusia telah menyusun tujuan, materi, izin, dan standar penerimaan dengan baik. Bagi pengguna biasa yang hanya perlu tanya jawab dan menulis, Fable 5 mungkin tidak selalu diperlukan; bagi tim yang ingin AI menangani penelitian, pengkodean, operasi, dan tugas pemantauan, ia lebih seperti komponen inti, tetapi seberapa jauh ia bisa berlari masih tergantung pada apakah relnya jelas.

Klik untuk mempelajari posisi yang sedang dibuka oleh BlockBeats

Selamat bergabung dengan komunitas resmi BlockBeats:

Grup Berlangganan Telegram: https://t.me/theblockbeats

Grup Diskusi Telegram: https://t.me/BlockBeats_App

Akun Twitter Resmi: https://twitter.com/BlockBeatsAsia