Claude Opus 4.6 + GPT-5.3 Codex: എന്റെ ഇരട്ട മോഡൽ വർക്ക്ഫ്ലോ, കാര്യക്ഷമത ഇരട്ടിയാക്കുന്നു

പുതിയ മോഡലുകൾക്കായി രാത്രി ഉറക്കമിളച്ച് കാത്തിരുന്ന സുഹൃത്തുക്കളെ, നിങ്ങൾ സുഖമായിരിക്കുന്നുണ്ടോ?

Anthropic-ഉം OpenAI-യും ഒരേ ദിവസം തന്നെ അവരുടെ പ്രധാന മോഡലുകൾ പുറത്തിറക്കി. വിവിധ സ്കോറുകൾ താരതമ്യം ചെയ്യുന്ന പോസ്റ്റുകൾ കൊണ്ട് സോഷ്യൽ മീഡിയ നിറഞ്ഞിരിക്കുകയാണ്.

എന്നാൽ ഇന്ന് എനിക്ക് സ്കോറുകളെക്കുറിച്ച് സംസാരിക്കാൻ താൽപ്പര്യമില്ല.

ഈ അപ്‌ഡേറ്റിലൂടെ നിങ്ങൾക്ക് എന്താണ് ലഭിക്കുക എന്നതിനെക്കുറിച്ചാണ് എനിക്ക് പറയാനുള്ളത്.

ഇരട്ട മോഡൽ സഹകരണ വർക്ക്ഫ്ലോ 🔥 എന്നെ ഞെട്ടിച്ച ഒരു വിശദാംശം ആദ്യം പറയാം

OpenAI ഔദ്യോഗിക ബ്ലോഗിൽ ഒരു വാക്യമുണ്ട്:

"GPT-5.3-Codex എന്നത് സ്വന്തമായി നിർമ്മിക്കുന്നതിൽ പ്രധാന പങ്കുവഹിച്ച ആദ്യത്തെ മോഡലാണ്."

അതിനർത്ഥമെന്താണ്?

GPT-5.3 വികസിപ്പിക്കുന്നതിനിടയിൽ, OpenAI ടീം ആദ്യകാല Codex പതിപ്പുകൾ ഉപയോഗിച്ച് പരിശീലന പ്രക്രിയയിലെ പിഴവുകൾ കണ്ടെത്തുകയും വിന്യാസം നിയന്ത്രിക്കുകയും ടെസ്റ്റ് ഫലങ്ങൾ വിശകലനം ചെയ്യുകയും ചെയ്തു.

Codex-ന് അവരുടെ സ്വന്തം വികസനം വേഗത്തിലാക്കാൻ കഴിയുന്നതിനെക്കുറിച്ച് അവർ തന്നെ അത്ഭുതപ്പെട്ടു.

AI അതിൻ്റെ സ്വന്തം വികസനത്തിൽ പങ്കാളിയാകാൻ തുടങ്ങി.

മുമ്പ് ഞാൻ എഴുതിയ മൗട്ടായിയുടെ ലേഖനം ഇത് എന്നെ ഓർമ്മിപ്പിച്ചു. അന്ന് ഞാൻ പറഞ്ഞു: "അത് പിന്നീട് നശിച്ചാലും കുഴപ്പമില്ല, ഇപ്പോൾ ഉപയോഗിക്കാൻ കഴിയുമെങ്കിൽ, അത് ഉപയോഗിക്കുക."

ഇപ്പോൾ എനിക്ക് പറയാൻ കഴിയുന്നത്: AI യുടെ പരിണാമ വേഗത നമ്മൾ വിചാരിക്കുന്നതിലും വേഗത്തിലായിരിക്കാം.

നിങ്ങൾ "കൃത്യമായി മനസ്സിലാക്കി" പ്രവർത്തിക്കാൻ തുടങ്ങുമ്പോഴേക്കും ഒരുപാട് വൈകിയിരിക്കാം.

💜 Claude Opus 4.6: കൂടുതൽ മികച്ചതല്ല, ശരിക്കും നിങ്ങൾക്കായി കാര്യങ്ങൾ ചെയ്യാൻ കഴിയും

Anthropic-ൻ്റെ ഈ അപ്‌ഡേറ്റിൻ്റെ ഔദ്യോഗിക ബ്ലോഗ് തലക്കെട്ട് വളരെ രസകരമാണ്: "Claude Opus 4.6 ഉപയോഗിച്ച് ധനകാര്യത്തെ മുന്നോട്ട് നയിക്കുന്നു".

അവർ പ്രത്യേകം ധനകാര്യ മേഖലയ്ക്ക് വേണ്ടി ഇത് ഒപ്റ്റിമൈസ് ചെയ്തു. എന്നാൽ ഇത് നിങ്ങൾക്ക് ഒരുപോലെ ഉപയോഗപ്രദമാണ്.

🔧 Cowork: ഒടുവിൽ പ്രാദേശിക ഫയലുകൾ നേരിട്ട് കൈകാര്യം ചെയ്യാൻ കഴിയും

ഞാൻ ഏറ്റവും കൂടുതൽ കാത്തിരുന്നത് ഈ ഫീച്ചറിന് വേണ്ടിയാണ്.

മുമ്പ് Claude ഉപയോഗിക്കുമ്പോൾ, നിങ്ങൾ ഫയലുകളുടെ ഉള്ളടക്കം കോപ്പി ചെയ്ത് പേസ്റ്റ് ചെയ്യേണ്ടി വന്നു.

ഇപ്പോൾ Cowork ഉപയോഗിച്ച്, നിങ്ങളുടെ കമ്പ്യൂട്ടറിലെ ഒരു ഫോൾഡർ ആക്സസ് ചെയ്യാൻ Claude-നെ അനുവദിക്കാം. അതിന് പുതിയ ഫയലുകൾ വായിക്കാനും എഡിറ്റ് ചെയ്യാനും സൃഷ്ടിക്കാനും കഴിയും.

ഒന്ന് സങ്കൽപ്പിച്ച് നോക്കൂ: നിങ്ങളുടെ ഡിസൈൻ ഫയലുകൾ അടങ്ങിയ ഫോൾഡർ ഇതിന് നൽകുക, ഇത് ഉപയോഗിച്ച് നിങ്ങൾക്ക് പേരിടൽ രീതികൾ ക്രമീകരിക്കാനും ഡിസൈൻ ഡോക്യുമെൻ്റുകൾ ഉണ്ടാക്കാനും ചിത്രങ്ങൾ കൂട്ടമായി പ്രോസസ്സ് ചെയ്യാനും കഴിയും.

ഇതൊരു ഭാവിയല്ല, ഇപ്പോൾ ഉപയോഗിക്കാൻ കഴിയുന്ന ഫീച്ചറാണ്.

Cowork ഫീച്ചർ

📊 Claude in Excel and PowerPoint

Anthropic, Claude-നെ Excel-ലും PowerPoint-ലും സൈഡ്ബാറിലേക്ക് നേരിട്ട് ചേർത്തു.

Hebbia-യുടെ CTO പറയുന്നത്: "മുമ്പ് ഒരു ഫിനാൻഷ്യൽ PPT ഉണ്ടാക്കാൻ മണിക്കൂറുകൾ എടുക്കുമായിരുന്നു, എന്നാൽ ഇപ്പോൾ മിനിറ്റുകൾക്കുള്ളിൽ പൂർത്തിയാക്കാൻ കഴിയും."

ഇത് പ്രൊഡക്റ്റ് റിപ്പോർട്ടുകളും ഡിസൈൻ നിർദ്ദേശങ്ങളും ചെയ്യുന്ന ആളുകൾക്ക് വളരെ ഉപകാരപ്രദമാണ്.

Shortcut AI-യുടെ സഹസ്ഥാപകൻ പറയുന്നത്: "Opus 4.6-ൻ്റെ പ്രകടനം വിശ്വസിക്കാൻ കഴിയാത്തത്ര മികച്ചതാണ്. Opus 4.5-ന് ബുദ്ധിമുട്ടുള്ള കാര്യങ്ങൾ ഇപ്പോൾ വളരെ എളുപ്പത്തിൽ ചെയ്യാൻ കഴിയും."

📈 ധനകാര്യ മേഖലയിലെ സ്കോറുകൾ

ഔദ്യോഗിക ഡാറ്റ:

Finance Agent மதிப்பீடு: 60.7% (Opus 4.5-നേക്കാൾ 5.47% കൂടുതൽ)

TaxEval: 76.0%

Real-World Finance மதிப்பீடு: Sonnet 4.5-നേക്കാൾ 23% കൂടുതൽ

ഈ കണക്കുകൾ എന്താണ് അർത്ഥമാക്കുന്നത്? സങ്കീർണ്ണമായതും ഒന്നിലധികം ഘട്ടങ്ങളുള്ളതുമായ കാര്യങ്ങൾ കൈകാര്യം ചെയ്യുന്നതിൽ Claude കൂടുതൽ ശക്തനായിരിക്കുന്നു.

💚 GPT-5.3 Codex: ആശയവിനിമയ രീതി മാറി, അതാണ് പ്രധാനം

⚡ വേഗത 25% വർദ്ധിച്ചു, എന്നാൽ അതിലും പ്രധാനം ആശയവിനിമയ രീതി മാറിയെന്നതാണ്

മുമ്പ് Codex ഉപയോഗിക്കുമ്പോൾ, ഫലം കാണുന്നതിന് നിങ്ങൾ അത് പൂർത്തിയാകുന്നതുവരെ കാത്തിരിക്കേണ്ടി വന്നു. ദിശ മാറ്റണോ? നിർത്തിയിട്ട് വീണ്ടും തുടങ്ങുക.

ഇപ്പോൾ അതല്ല സ്ഥിതി.

GPT-5.3 Codex പ്രവർത്തിക്കുമ്പോൾ തന്നെ പുരോഗതി റിപ്പോർട്ട് ചെയ്യും. നിങ്ങൾക്ക് എപ്പോൾ വേണമെങ്കിലും ഇടപെടാനും ചോദ്യങ്ങൾ ചോദിക്കാനും ദിശ മാറ്റാനും കഴിയും, ഇതിലൂടെ കാര്യങ്ങൾ നഷ്ടപ്പെടില്ല.

ഈ ആശയവിനിമയ രീതി ഒരു സഹപ്രവർത്തകനുമായി സഹകരിക്കുന്നതിന് തുല്യമാണ്.

ആശയവിനിമയ രീതി താരതമ്യം

🌐 വെബ്സൈറ്റ് വികസന ശേഷിയിലെ മെച്ചപ്പെടുത്തൽ

ഔദ്യോഗികമായി നൽകിയിട്ടുള്ള ഒരു ഉദാഹരണം: GPT-5.3 Codex-നെയും GPT-5.2 Codex-നെയും ഉപയോഗിച്ച് ഒരു SaaS ലാൻഡിംഗ് പേജ് ഉണ്ടാക്കാൻ ആവശ്യപ്പെട്ടു.

GPT-5.3 ൻ്റെ പതിപ്പ്:

✅ വാർഷിക വില സ്വയമേവ പ്രതിമാസ വിലയിലേക്ക് മാറ്റുന്നു, ഇത് കിഴിവ് കൂടുതൽ വ്യക്തമാക്കുന്നു.

✅ വ്യത്യസ്തമായ മൂന്ന് അഭിപ്രായങ്ങളുള്ള ഒരു ഓട്ടോമാറ്റിക് റൊട്ടേറ്റിംഗ് യൂസർ റിവ്യൂ കോമ്പോണൻ്റ് ഉണ്ടാക്കുന്നു.

✅ മൊത്തത്തിൽ ഇത് നേരിട്ട് ഉപയോഗിക്കാൻ കഴിയുന്ന ഒരു ഉൽപ്പന്നം പോലെ തോന്നിക്കുന്നു.

GPT-5.2 ൻ്റെ പതിപ്പ് താരതമ്യേന ലളിതമാണ്, കൂടുതൽ മാറ്റങ്ങൾ വരുത്തേണ്ടി വരും.

"ഉപയോക്താവിൻ്റെ ഉദ്ദേശ്യം മനസ്സിലാക്കാനുള്ള" ഈ കഴിവ്, പ്രോട്ടോടൈപ്പുകളും ഡെമോകളും ചെയ്യുന്ന ആളുകൾക്ക് വളരെ ഉപകാരപ്രദമാണ്.

🔐 സൈബർ സുരക്ഷ: "ഉയർന്ന ശേഷിയുള്ള" എന്ന് അടയാളപ്പെടുത്തിയ ആദ്യത്തെ മോഡൽ

ഈ വിവരം പലരും ശ്രദ്ധിച്ചില്ല.

സൈബർ സുരക്ഷാ ടാസ്‌ക്കുകളിൽ "ഉയർന്ന ശേഷിയുള്ള" എന്ന് OpenAI തരംതിരിച്ച ആദ്യത്തെ മോഡലാണ് GPT-5.3 Codex.

അവർ Trusted Access for Cyber എന്നൊരു പ്രോഗ്രാം അവതരിപ്പിച്ചു, കൂടാതെ സൈബർ സുരക്ഷാ പ്രതിരോധ ഗവേഷണത്തെ പിന്തുണയ്ക്കുന്നതിന് 10 മില്യൺ ഡോളർ API ക്രെഡിറ്റ് നൽകുമെന്നും വാഗ്ദാനം ചെയ്തു.

AI-യുടെ കഴിവുകൾ അതിവേഗം വികസിക്കുകയാണ്.

📊 സ്കോറുകൾ താരതമ്യം ചെയ്യുമ്പോൾ: ഓരോന്നിനും അതിൻ്റേതായ കഴിവുകളുണ്ട്

Terminal-Bench 2.0 (ടെർമിനൽ പ്രോഗ്രാമിംഗ് ശേഷി)

GPT-5.3 Codex: 77.3% GPT-5.2 Codex: 64.0% 📈 മെച്ചപ്പെടുത്തൽ: 13.3%

OSWorld-Verified (കമ്പ്യൂട്ടർ പ്രവർത്തിപ്പിക്കാനുള്ള ശേഷി)

GPT-5.3 Codex: 64.7% GPT-5.2 Codex: 38.2% 📈 മെച്ചപ്പെടുത്തൽ: 26.5%

മൊത്തത്തിൽ, GPT-5.3 Codex ടെർമിനൽ പ്രവർത്തനത്തിലും കമ്പ്യൂട്ടർ ഉപയോഗിക്കാനുള്ള ശേഷിയിലും വലിയ പുരോഗതി കൈവരിച്ചു.

സ്കോറുകൾ താരതമ്യം ചെയ്യുമ്പോൾ

🍺 മൗട്ടായിയുടെ തത്വം: അവ "നശിക്കുന്നതിന്" മുമ്പ് നിങ്ങൾക്ക് എന്ത് നേടാനാകും?

കുറച്ച് നാളുകൾക്ക് മുമ്പ് ഞാൻ ഒരു ലേഖനം എഴുതിയിരുന്നു, AI ടൂളുകളുടെ മൂല്യം വിശദീകരിക്കുന്നതിന് ഡാൻ യോങ്പിംഗിൻ്റെ മൗട്ടായി വാങ്ങിയതിൻ്റെ തത്വം ഉപയോഗിച്ചു.

അതിൻ്റെ പ്രധാന ആശയം ഇതാണ്:

Copilot-നെ മാറ്റുമോ? സാധ്യമാണ്.

Cursor-ന് മതിയായ സുരക്ഷാ സംവിധാനങ്ങളുണ്ടോ? തീർച്ചയായും കുറവാണ്.

Claude Code ഒരു അവസാന രൂപമാണോ? തീർച്ചയായും അല്ല.

എന്നാൽ ഇതൊന്നും പ്രധാനമല്ല.

പ്രധാനം അവ "നശിക്കുന്നതിന്" മുമ്പ് നിങ്ങൾക്ക് അതിൽ നിന്ന് എത്രത്തോളം നേടാനാകും എന്നതാണ്.

ഇപ്പോൾ Claude Opus 4.6-ഉം GPT-5.3 Codex-ഉം വന്നിരിക്കുന്നു, അതേ ചോദ്യം വീണ്ടും:

ഈ രണ്ട് മോഡലുകളും മാറ്റുമോ? തീർച്ചയായും മാറും.

ഇവ AI-യുടെ അവസാന രൂപമാണോ? തീർച്ചയായും അല്ല.

എന്നാൽ അവ മാറ്റുന്നതിന് മുമ്പോ?

ചിലർ Cowork ഉപയോഗിച്ച് ഡിസൈൻ ഡോക്യുമെൻ്റുകളുടെ കാര്യക്ഷമത 10 മടങ്ങ് വർദ്ധിപ്പിക്കും.

ചിലർ Claude in Excel ഉപയോഗിച്ച് ഡാറ്റ വിശകലനം ചെയ്യാനെടുക്കുന്ന സമയം ഒരു ദിവസം എന്നുള്ളത് ഒരു മണിക്കൂറാക്കി കുറയ്ക്കും.

ചിലർ GPT-5.3 Codex-ൻ്റെ സഹായത്തോടെ ഒരാഴ്ചയ്ക്കുള്ളിൽ ഒരു സമ്പൂർണ്ണ SaaS ഉണ്ടാക്കും.

നിങ്ങളോ? നിങ്ങൾ ഇപ്പോളും "മികച്ച ടൂളിനായി" കാത്തിരിക്കുകയാണോ?

🎯 എൻ്റെ തിരഞ്ഞെടുക്കാനുള്ള നിർദ്ദേശങ്ങൾ

ഡിസൈൻ നിർദ്ദേശങ്ങൾ, ഉൽപ്പന്ന റിപ്പോർട്ടുകൾ, ഡാറ്റ വിശകലനം എന്നിവ ചെയ്യുന്നതിന് → Claude Opus 4.6

👉 Cowork + Excel/PowerPoint സംയോജനം, ഇത് ഓഫീസ് സാഹചര്യങ്ങൾക്ക് കൂടുതൽ അനുയോജ്യമാണ്.

പ്രോട്ടോടൈപ്പ് വികസിപ്പിക്കുക, കോഡ് എഴുതുക, ഡീബഗ് ചെയ്യുക → GPT-5.3 Codex

👉 ടെർമിനൽ ശേഷി ശക്തമാണ്, ആശയവിനിമയം മികച്ചതാണ്, വേഗത കൂടുതലാണ്.

രണ്ടും ഉപയോഗിക്കുക → അതാണ് എൻ്റെ തിരഞ്ഞെടുപ്പ്

👉 Claude ഉപയോഗിച്ച് പ്രാഥമിക ഗവേഷണവും ഡോക്യുമെൻ്റേഷനും ചെയ്യുക, GPT ഉപയോഗിച്ച് പിന്നീടുള്ള വികസനവും ഡീബഗ്ഗിംഗും ചെയ്യുക.

മറ്റൊരു പ്രധാന കാര്യം: GPT ഇന്ത്യയിൽ ഉപയോഗിക്കാൻ കൂടുതൽ എളുപ്പമാണ്.

തിരഞ്ഞെടുക്കാനുള്ള നിർദ്ദേശങ്ങൾ

💰 വില

Claude Opus 4.6

ഇൻപുട്ട്: $5 / ദശലക്ഷം ടോക്കൺ ഔട്ട്പുട്ട്: $25 / ദശലക്ഷം ടോക്കൺ 200,000 ടോക്കണിൽ കൂടുതൽ: $10 / $37.50

GPT-5.3 Codex

API വില ഇതുവരെ പ്രഖ്യാപിച്ചിട്ടില്ല. നിലവിൽ ChatGPT Plus/Pro സബ്‌സ്‌ക്രിപ്‌ഷൻ വഴി ഉപയോഗിക്കാം.

✨ അവസാനമായി ചിലത്

ഈ അപ്‌ഡേറ്റിൽ നിന്ന് എനിക്ക് ഏറ്റവും കൂടുതൽ അനുഭവപ്പെട്ടത്, സ്കോറുകൾ എത്രത്തോളം മെച്ചപ്പെട്ടു എന്നതല്ല, AI-യുടെ പ്രവർത്തനരീതി മാറുന്നു എന്നതാണ്.

Claude നിങ്ങളുടെ ഫയൽ സിസ്റ്റം നേരിട്ട് പ്രവർത്തിപ്പിക്കാൻ തുടങ്ങുന്നു.

GPT പ്രവർത്തിക്കുമ്പോൾ തന്നെ നിങ്ങളുമായി സംവദിക്കാൻ തുടങ്ങുന്നു.

AI അതിൻ്റെ സ്വന്തം വികസനത്തിൽ പങ്കാളിയാകാൻ തുടങ്ങുന്നു.

ഒരു വർഷം മുമ്പ്, AI-ക്ക് കോഡ് എഴുതാൻ കഴിയുമോ എന്ന് നമ്മൾ ചർച്ച ചെയ്തു.

ഇപ്പോൾ, AI-ക്ക് ഒരു പ്രോജക്റ്റ് സ്വതന്ത്രമായി പൂർത്തിയാക്കാൻ കഴിയുമോ എന്ന് നമ്മൾ ചർച്ച ചെയ്യുന്നു.

ഒരു വർഷം കഴിഞ്ഞാലോ?

എനിക്കറിയില്ല.

എന്നാൽ എനിക്കൊരു കാര്യം അറിയാം: AI ടൂളുകൾ ഉപയോഗിച്ച് പണം സമ്പാദിച്ച ആളുകൾക്ക്, ഈ ടൂളുകൾ മാറ്റുമെന്ന് അറിയാത്തതുകൊണ്ടല്ല.

അവർക്ക് ഒരു കാര്യം മനസ്സിലായി: അത് പിന്നീട് നശിച്ചാലും കുഴപ്പമില്ല, ഇപ്പോൾ ഉപയോഗിക്കാൻ കഴിയുമെങ്കിൽ, അത് ഉപയോഗിക്കുക.നിങ്ങൾ «ചിന്തിച്ച് വ്യക്തമാകുമ്പോൾ», ആനുകൂല്യങ്ങൾ പങ്കിട്ടെടുത്ത് കഴിയും.