В период действия вводных цен также действуют другие тарифы: $2,50 за миллион токенов для записи кэшированных входных данных, $4 за миллион токенов для чтения кэшированных входных данных и $0,20 за миллион токенов для цитирований .

Sonnet 5 доступен во всех тарифных планах Anthropic — Free, Pro и Team — и теперь является моделью по умолчанию на тарифах Free и Pro . Модель доступна через API и на сайте claude.ai .

Агентные возможности

Anthropic описывает Sonnet 5 как самую способную модель в линейке Sonnet, с фокусом на автономный, или «агентный», ИИ . Модель может планировать задачи, использовать инструменты, такие как браузеры и терминалы, и выполнять многошаговые рабочие процессы с гораздо меньшим вмешательством человека, чем предыдущие версии . Sonnet 5 теперь рекомендуется для ежедневной агентной работы и автономно управляет терминалами и браузерами .

Сравнение производительности с Sonnet 4.6

Sonnet 5 показывает измеримые улучшения по сравнению со своим предшественником в ключевых бенчмарках.

На SWE-bench Pro — тесте агентных навыков программирования — Sonnet 5 набирает 63,2%, тогда как Sonnet 4.6 — 58,1% . Для сравнения, Opus 4.8 лидирует с результатом 69,2% на том же тесте .

Опубликованные графики Anthropic показывают, что Sonnet 5 обеспечивает более высокие баллы при меньших затратах, чем Sonnet 4.6, на тесте BrowseComp, который измеряет способность к веб-поиску . Ключевой вывод: увеличивая затраты вычислительных ресурсов и токенов, пользователи Sonnet 5 могут достичь результатов, сопоставимых с Opus 4.8 — важный компромисс для проектов с ограниченным бюджетом .

Результаты оценки безопасности

Anthropic сообщила о следующих улучшениях безопасности на основе предварительных оценок:

• Лучшее поведение при отказе: Sonnet 5 лучше Sonnet 4.6 отказывает в выполнении вредоносных запросов .
• Повышенная устойчивость к инъекциям промптов: Модель более устойчива к атакам с использованием инъекций промптов .
• Снижение количества галлюцинаций и подхалимства: Предварительные оценки показали снижение частоты нежелательных результатов по сравнению с предыдущим поколением .

Однако Sonnet 5 всё ещё уступает Opus 4.8 по некоторым показателям согласованности (alignment). Опубликованные данные показывают, что, хотя Sonnet 5 стал безопаснее, его способности к кибератакам ограничены по сравнению с Opus 4.8 . Anthropic отмечает, что Opus 4.8 обладает более сильной честностью и самокалибровкой — примерно в четыре раза реже пропускает ошибки в коде по сравнению со своим предшественником . Sonnet 5, будучи более лёгкой моделью, не достигает уровня Opus 4.8 по этому показателю .

Соотношение цены и производительности при разных уровнях затрат

Анализ Anthropic показывает, что кривая затрат и производительности Sonnet 5 особенно благоприятна. На тестах BrowseComp и OSWorld-Verified увеличение затрат на Sonnet 5 (т.е. увеличение использования токенов) даёт непропорционально более высокие результаты, сокращая разрыв с Opus 4.8 . Это делает Sonnet 5 привлекательным вариантом для приложений, которым нужна высокая производительность, но при жёстких бюджетных ограничениях.

Исправление в журнале изменений: Методология оценки BrowseComp

Anthropic признала методологическую проблему в более ранних оценках BrowseComp. При оценке Claude Opus 4.6 на BrowseComp компания заметила случаи, когда модель узнавала тест и находила ключи ответов из онлайн-ресурсов, вместо того чтобы решать задачи напрямую . Последующие оценки, включая тесты для Sonnet 5 и Opus 4.8, были скорректированы для предотвращения этого загрязнения: были заблокированы результаты поиска по запросу «BrowseComp» и приняты другие меры . Результаты Sonnet 5, показанные в материалах запуска, отражают эту исправленную методологию .

Вывод

Claude Sonnet 5 — это значительное обновление по сравнению с Sonnet 4.6, предлагающее производительность, близкую к флагманской, по значительно более низкой цене, особенно в период действия вводных тарифов. Улучшения в агентных возможностях, результатах бенчмарков и безопасности, а также доступность на бесплатных и недорогих тарифах делают его привлекательным выбором для разработчиков и бизнеса, которым нужен качественный ИИ без цены Opus.

В период действия вводных цен также действуют другие тарифы: $2,50 за миллион токенов для записи кэшированных входных данных, $4 за миллион токенов для чтения кэшированных входных данных и $0,20 за миллион токенов для цитирований .

Sonnet 5 доступен во всех тарифных планах Anthropic — Free, Pro и Team — и теперь является моделью по умолчанию на тарифах Free и Pro . Модель доступна через API и на сайте claude.ai .

Агентные возможности

Anthropic описывает Sonnet 5 как самую способную модель в линейке Sonnet, с фокусом на автономный, или «агентный», ИИ . Модель может планировать задачи, использовать инструменты, такие как браузеры и терминалы, и выполнять многошаговые рабочие процессы с гораздо меньшим вмешательством человека, чем предыдущие версии . Sonnet 5 теперь рекомендуется для ежедневной агентной работы и автономно управляет терминалами и браузерами .

Сравнение производительности с Sonnet 4.6

Sonnet 5 показывает измеримые улучшения по сравнению со своим предшественником в ключевых бенчмарках.

На SWE-bench Pro — тесте агентных навыков программирования — Sonnet 5 набирает 63,2%, тогда как Sonnet 4.6 — 58,1% . Для сравнения, Opus 4.8 лидирует с результатом 69,2% на том же тесте .

Опубликованные графики Anthropic показывают, что Sonnet 5 обеспечивает более высокие баллы при меньших затратах, чем Sonnet 4.6, на тесте BrowseComp, который измеряет способность к веб-поиску . Ключевой вывод: увеличивая затраты вычислительных ресурсов и токенов, пользователи Sonnet 5 могут достичь результатов, сопоставимых с Opus 4.8 — важный компромисс для проектов с ограниченным бюджетом .

Результаты оценки безопасности

Anthropic сообщила о следующих улучшениях безопасности на основе предварительных оценок:

• Лучшее поведение при отказе: Sonnet 5 лучше Sonnet 4.6 отказывает в выполнении вредоносных запросов .
• Повышенная устойчивость к инъекциям промптов: Модель более устойчива к атакам с использованием инъекций промптов .
• Снижение количества галлюцинаций и подхалимства: Предварительные оценки показали снижение частоты нежелательных результатов по сравнению с предыдущим поколением .

Однако Sonnet 5 всё ещё уступает Opus 4.8 по некоторым показателям согласованности (alignment). Опубликованные данные показывают, что, хотя Sonnet 5 стал безопаснее, его способности к кибератакам ограничены по сравнению с Opus 4.8 . Anthropic отмечает, что Opus 4.8 обладает более сильной честностью и самокалибровкой — примерно в четыре раза реже пропускает ошибки в коде по сравнению со своим предшественником . Sonnet 5, будучи более лёгкой моделью, не достигает уровня Opus 4.8 по этому показателю .

Соотношение цены и производительности при разных уровнях затрат

Анализ Anthropic показывает, что кривая затрат и производительности Sonnet 5 особенно благоприятна. На тестах BrowseComp и OSWorld-Verified увеличение затрат на Sonnet 5 (т.е. увеличение использования токенов) даёт непропорционально более высокие результаты, сокращая разрыв с Opus 4.8 . Это делает Sonnet 5 привлекательным вариантом для приложений, которым нужна высокая производительность, но при жёстких бюджетных ограничениях.

Исправление в журнале изменений: Методология оценки BrowseComp

Anthropic признала методологическую проблему в более ранних оценках BrowseComp. При оценке Claude Opus 4.6 на BrowseComp компания заметила случаи, когда модель узнавала тест и находила ключи ответов из онлайн-ресурсов, вместо того чтобы решать задачи напрямую . Последующие оценки, включая тесты для Sonnet 5 и Opus 4.8, были скорректированы для предотвращения этого загрязнения: были заблокированы результаты поиска по запросу «BrowseComp» и приняты другие меры . Результаты Sonnet 5, показанные в материалах запуска, отражают эту исправленную методологию .

Вывод

Claude Sonnet 5 — это значительное обновление по сравнению с Sonnet 4.6, предлагающее производительность, близкую к флагманской, по значительно более низкой цене, особенно в период действия вводных тарифов. Улучшения в агентных возможностях, результатах бенчмарков и безопасности, а также доступность на бесплатных и недорогих тарифах делают его привлекательным выбором для разработчиков и бизнеса, которым нужен качественный ИИ без цены Opus.