# क्लाउड नेरफ़ का पता कैसे लगाएं (वास्तविक डेटा के साथ)

Published: 2026-09-30

लोग कहते हैं कि क्लाउड हर लॉन्च के कुछ हफ़्तों बाद सुस्त हो जाता है। एक डेवलपर ने लॉन्च सप्ताह से 30-दिवसीय घड़ी पर क्लाउड ओपस 5.5 को रखा, जिसमें जमे हुए प्रश्न, एक पिन किया गया क्लाउड कोड और सार्वजनिक नियम थे, और यह दिखाता है कि पहले कोई क्यों नहीं जान सकता था, और आपके टोकन की संख्या ही देखने लायक चीज़ क्यों है। निर्णय: SHIP IT.

Canonical: https://thedailydiff.dev/hi/video/2026-09-30-opus-nerf-meter/

## इस वीडियो में क्या शामिल है

- लॉन्च के बाद क्लाउड सुस्त हो जाता है: सिद्धांत एक दिन-शून्य घड़ी से मिलता है
- लाइवनरफ़: लॉन्च सप्ताह से ओपस 5.5 पर 30-दिवसीय घड़ी
- एक नेरफ़ को कैसे पकड़ें: 78 कभी-कभी सही प्रश्न
- यह क्या देख सकता है: 7.5 अंक, और टोकन की गिनती पहले चलती है
- अंधा स्थान: एक ओपस 5 स्वैप और 8 गलत उत्तर कुंजियाँ

## अध्याय

- 0:00 लॉन्च के बाद क्लाउड सुस्त हो जाता है: सिद्धांत एक दिन-शून्य घड़ी से मिलता है
- 0:26 लाइवनरफ़: लॉन्च सप्ताह से ओपस 5.5 पर 30-दिवसीय घड़ी
- 1:24 एक नेरफ़ को कैसे पकड़ें: 78 कभी-कभी सही प्रश्न
- 2:19 यह क्या देख सकता है: 7.5 अंक, और टोकन की गिनती पहले चलती है
- 2:53 अंधा स्थान: एक ओपस 5 स्वैप और 8 गलत उत्तर कुंजियाँ
- 3:08 एन्थ्रोपिक: हम कभी भी मॉडल की गुणवत्ता कम नहीं करते
- 3:45 डेटा सेंटर अपने नंबर गुप्त रखते हैं; बैकब्लेज़ प्रकाशित करता है
- 4:25 क्रेडिट लाइन: क्लाउड ने मीटर बनाने में मदद की
- 4:50 निर्णय: SHIP IT, और 24 अक्टूबर से पहले इसका हवाला न दें

## अनुवादित प्रतिलेख

मूल अंग्रेजी कथन से अनुवादित। उपलब्ध ऑडियो और कैप्शन YouTube द्वारा नियंत्रित होते हैं।

### लॉन्च के बाद क्लाउड सुस्त हो जाता है: सिद्धांत एक दिन-शून्य घड़ी से मिलता है

0:00 हर कोई जानता है कि लॉन्च के कुछ हफ़्तों बाद क्लाउड सुस्त हो जाता है। तो एक डेवलपर ने लॉन्च सप्ताह से ओपस पांच पॉइंट पांच को घड़ी पर रखा, और घड़ी कहती है कि अभी तक कोई नहीं जान सकता था। इस वीडियो में, तीन प्रश्न। आप एक नेरफ़ को कैसे पकड़ते हैं? यह मीटर क्या देख सकता है? और एन्थ्रोपिक क्या कहता है? और रेपो के क्रेडिट में एक पंक्ति ने मुझे ज़ोर से हँसाया।

0:20 मैं अंत में इस पर आऊँगा। आज बुधवार, तीस सितंबर है, और यह The Daily Diff है। आज तीन कहानियाँ, और बड़ी वाली एक GitHub रेपो है जिसे लाइव नेरफ़ कहा जाता है।

### लाइवनरफ़: लॉन्च सप्ताह से ओपस 5.5 पर 30-दिवसीय घड़ी

0:30 महीनों से, लोग कहते रहे हैं कि एन्थ्रोपिक लॉन्च के बाद चुपचाप अपने मॉडलों को नेरफ़ करता है। सामान्य सिद्धांत एक निचोड़ा हुआ मॉडल, उसी नाम के तहत एक छोटा मॉडल है या बस कम सोच। रेपो अब तक के हर तर्क को वाइब्स बनाम वाइब्स कहता है। ओपस पांच पॉइंट पांच बाईस सितंबर को शिप किया गया था, और एक हफ़्ते पहले मैंने आपको बताया था कि इसने स्वतंत्र बोर्ड में शीर्ष स्थान हासिल किया, जबकि मध्यम मॉडल की तुलना में तीन गुना अधिक शब्द लिखे। ढाई दिन में, एक डेवलपर जिसे निंजा हॉक कहा जाता है, ने घड़ी शुरू की,

0:59 तीस दिनों के लिए दिन में एक बार, ऐसे लॉग के साथ जिन्हें कोई संपादित नहीं कर सकता। हैकर न्यूज़ थ्रेड को लगभग आठ सौ अंक मिले और एक टीम चैट की तरह विभाजित हो गया। एक टिप्पणीकार कहता है कि रिपोर्ट किए गए अधिकांश मामलों में नेरफ़िंग मॉडल वास्तविक नहीं है। एक अन्य कहता है कि लोग बस बुद्धिमत्ता के नए स्तर के आदी हो रहे हैं। और एक क्लाउड कोड पावर उपयोगकर्ता अब हर बार दर-इस-सत्र पॉप-अप को खारिज कर देता है, क्योंकि क्लाउड को रेटिंग देने से यह बदतर लगता था। सहकर्मी समीक्षा। तो, प्रश्न एक, आप एक नेरफ़ को कैसे पकड़ते हैं?

### एक नेरफ़ को कैसे पकड़ें: 78 कभी-कभी सही प्रश्न

1:27 आप लगभग तेईस सौ कठिन परीक्षा प्रश्नों से शुरू करते हैं, और ओपस पहली कोशिश में तिरानवे प्रतिशत सही पाता है, जो एक डिटेक्टर के लिए बेकार है, क्योंकि एक प्रश्न जो हमेशा सही होता है वह गिर नहीं सकता। सत्तासी प्रतिशत हमेशा सही या हमेशा गलत थे, और अठहत्तर जिन्हें यह केवल कभी-कभी सही पाता है, पैनल बन गए। वही प्रॉम्प्ट, कोई उपकरण नहीं, और कोई एआई जज के साथ सटीक-मिलान ग्रेडिंग नहीं, क्योंकि जज भी भटक जाएगा। यह हेडलेस क्लाउड कोड के माध्यम से मैक्स सदस्यता पर चलता है,

1:55 क्योंकि एपीआई संस्करण की कीमत लगभग सोलह सौ डॉलर प्रति माह थी। और क्लाउड कोड संस्करण पिन किया गया है, क्योंकि, रेपो के शब्दों में, एक बदला हुआ हार्नेस बिल्कुल एक बदले हुए मॉडल जैसा दिखता है। आंकड़े एन्थ्रोपिक के इवान मिलर द्वारा 'Adding Error Bars to Evals' नामक एक पेपर से आते हैं। तो एन्थ्रोपिक का अपना गणित अब एन्थ्रोपिक का ऑडिट कर रहा है, जो ग्राहक सहायता को सेवा की शर्तों को वापस उद्धृत करने का अकादमिक संस्करण है। यह ग्राहक सहायता को सेवा की शर्तों को वापस उद्धृत करने का अकादमिक संस्करण है। यह ग्राहक सहायता को सेवा की शर्तों को वापस उद्धृत करने का अकादमिक संस्करण है।

### यह क्या देख सकता है: 7.5 अंक, और टोकन की गिनती पहले चलती है

2:19 प्रश्न दो, यह क्या देख सकता है? प्रति दस-दिवसीय विंडो, लगभग साढ़े सात अंकों की गिरावट। यह साबित करने के लिए कि रिग काम करता है, लेखक ने जानबूझकर क्लाउड के प्रयास को कम कर दिया। मध्यम प्रयास ने आउटपुट को लगभग एक चौथाई कम कर दिया, और स्कोर को केवल चार अंक कम किया। कम प्रयास ने आउटपुट को लगभग दो तिहाई कम कर दिया, आठ अंकों के लिए। यह वह हिस्सा है जिसे चुराना है। कम सोच टोकन की गिनती में पहले दिखाई देती है इससे पहले कि यह उत्तरों में दिखाई दे।

2:43 तो अपने मॉडल संस्करण को पिन करें, प्रति कार्य आउटपुट टोकन लॉग करें, और अपने कुछ जमे हुए प्रश्न रखें। यदि आपका एजेंट अचानक छोटा लिखता है, तो Reddit को जांचने से पहले अपने लॉग जांचें। और यहाँ ईमानदार हिस्सा है।

### अंधा स्थान: एक ओपस 5 स्वैप और 8 गलत उत्तर कुंजियाँ

2:54 पुराने ओपस पांच को चुपचाप स्वैप करना रिग के लिए बहुत छोटा बदलाव था, और readme ऐसा सामने से कहता है। ऑडिट में आठ उत्तर कुंजियाँ भी मिलीं जो गलत लगती हैं, तो नेरफ़ डिटेक्टर को नेरफ़ खोजने से पहले बेंचमार्क में बग मिले।

### एन्थ्रोपिक: हम कभी भी मॉडल की गुणवत्ता कम नहीं करते

3:08 प्रश्न तीन, एन्थ्रोपिक क्या कहता है? पिछले साल, शिकायतों की लहर के बाद, एन्थ्रोपिक ने एक पोस्टमार्टम प्रकाशित किया। यह कहता है, उद्धरण, हम मांग, दिन के समय या सर्वर लोड के कारण मॉडल की गुणवत्ता कभी कम नहीं करते। वही पोस्ट स्वीकार करता है कि तीन बगों ने क्लाउड को खराब कर दिया था, और लगभग एक तिहाई क्लाउड कोड उपयोगकर्ताओं ने कम से कम एक बार गलत सर्वर हिट किए। तो शिकायतें वास्तविक थीं और कारण बग थे, यही कारण है कि रेपो चेतावनी देता है कि लॉन्च सप्ताह सबसे खराब सप्ताह हो सकता है। यही कारण है कि रेपो चेतावनी देता है कि लॉन्च सप्ताह सबसे खराब सप्ताह हो सकता है।

3:35 तीस दिनों में से छह दिन हो चुके हैं। पहला संभावित कॉल लगभग 24 अक्टूबर को आता है, तो ईमानदार जवाब यह है कि कोई नहीं जानता, जिसमें हर कोई शामिल है जो निश्चित था। उन नंबरों की बात कर रहे हैं जिन्हें कोई प्रकाशित नहीं करता है।

### डेटा सेंटर अपने नंबर गुप्त रखते हैं; बैकब्लेज़ प्रकाशित करता है

3:46 लाइटहाउस रिपोर्ट्स और डच पेपर ट्रौव ने पाया कि अधिकांश यूरोपीय डेटा सेंटर अपनी बिजली और पानी के उपयोग को गुप्त रखते हैं, हालांकि एक यूरोपीय संघ के नियम ने तीन साल से रिपोर्टिंग की आवश्यकता है। हालांकि एक यूरोपीय संघ के नियम ने तीन साल से रिपोर्टिंग की आवश्यकता है। नीदरलैंड में, एक चौथाई से भी कम प्रकाशित करते हैं। एक माइक्रोसॉफ्ट डेटा सेंटर अकेले डच बिजली का लगभग एक प्रतिशत उपयोग करता है। इस बीच, बैकब्लेज़ ने फिर से उबाऊ काम किया। इसके त्रैमासिक ड्राइव आँकड़े लगभग तीन लाख पचास हजार हार्ड ड्राइव को कवर करते हैं, और विफलता दर एक दशमलव सात तीन प्रतिशत तक बढ़ गई,

4:16 जो कुछ समय में सबसे अधिक है। तीन सीगेट मॉडल में शून्य विफलताएं थीं। तेरह साल से तिमाही दर तिमाही एक सार्वजनिक आधार रेखा ऐसी दिखती है। तेरह साल से तिमाही दर तिमाही एक सार्वजनिक आधार रेखा ऐसी दिखती है।

### क्रेडिट लाइन: क्लाउड ने मीटर बनाने में मदद की

4:25 अब, वह क्रेडिट लाइन। readme स्वीकार करता है कि रेपो का बहुत कुछ क्लाउड की मदद से लिखा गया था, जो मापा जा रहा मॉडल है। तो क्लाउड ने उस मीटर को बनाने में मदद की जो यह जांचता है कि क्लाउड सुस्त हो गया है या नहीं। यही कारण है कि ग्रेडर सादे कार्य हैं। लेखक के शब्दों में, आपको लेखक पर भरोसा नहीं करना चाहिए, मानव या अन्यथा। यदि आप इसे सुनने के बजाय पढ़ना पसंद करते हैं, तो diff हर सुबह आपके इनबॉक्स में आता है,

4:46 thedailydiff.dev पर मुफ्त, लिंक नीचे। तो, लाइव नेरफ़ पर आज का निर्णय।

### निर्णय: SHIP IT, और 24 अक्टूबर से पहले इसका हवाला न दें

4:51 SHIP IT। मैं इसे SHIP IT करूँगा क्योंकि यह पहली नेरफ़ बहस है जिसे मैंने एक टाइमस्टैम्प, एक सार्वजनिक नियम पुस्तिका और एक बताए गए अंधे स्थान के साथ देखा है। SHIP IT। मैं इसे SHIP IT करूँगा क्योंकि यह पहली नेरफ़ बहस है जिसे मैंने एक टाइमस्टैम्प, एक सार्वजनिक नियम पुस्तिका और एक बताए गए अंधे स्थान के साथ देखा है। बस चौबीस अक्टूबर से पहले इसका हवाला न दें। और आज के लिए यही diff है। मैं Axrisi से निको हूँ। जिम्मेदारी से विलय करें।

## स्रोत

- [livenerf](https://github.com/ninjahawk/livenerf) — github.com
- [Validation](https://github.com/ninjahawk/livenerf/blob/main/docs/VALIDATION.md) — github.com
- [Hacker News](https://news.ycombinator.com/item?id=49901736) — news.ycombinator.com
- [Anthropic postmortem (Sep 2025)](https://www.anthropic.com/engineering/a-postmortem-of-three-recent-issues) — www.anthropic.com
- [Adding Error Bars to Evals (Evan Miller)](https://arxiv.org/abs/2411.00640) — arxiv.org
- [Inspect (UK AI Security Institute)](https://inspect.aisi.org.uk/) — inspect.aisi.org.uk
- [NL Times](https://nltimes.nl/2026/09/30/data-centers-refusing-say-much-water-electricity-use) — nltimes.nl
- [Hacker News](https://news.ycombinator.com/item?id=49907057) — news.ycombinator.com
- [Backblaze Drive Stats Q2 2026](https://www.backblaze.com/blog/backblaze-drive-stats-for-q2-2026/) — www.backblaze.com
- [Hacker News](https://news.ycombinator.com/item?id=49893002) — news.ycombinator.com