Claude Sonnet 5 เปิดตัวแล้ว: AI ระดับกลางที่ทำคะแนนสูสีกับ Opus 4.8 ในราคาเพียงเศษเสี้ยว

หนึ่งในจุดเด่นคือ Sonnet 5 ถูกตั้งให้เป็น โมเดลเริ่มต้นในแผน Free และ Pro ของ Anthropic แล้ว ผู้ใช้สามารถเริ่มใช้งานได้ทันทีผ่าน claude.ai และ API

ความสามารถด้าน Agentic AI

Anthropic บรรยายว่า Sonnet 5 เป็นโมเดล Sonnet ที่มีความสามารถมากที่สุดเท่าที่เคยมีมา โดยเฉพาะอย่างยิ่งในด้าน AI เชิงปฏิบัติการหรือ 'Agentic AI' มันสามารถวางแผนงาน, ใช้เครื่องมือต่าง ๆ เช่น เบราว์เซอร์และเทอร์มินัล, และทำงานที่มีหลายขั้นตอนได้ด้วยตนเอง โดยต้องการการควบคุมจากมนุษย์น้อยกว่ารุ่นก่อนมาก Sonnet 5 จึงเป็นโมเดล Sonnet ที่แนะนำสำหรับงาน Agentic ในชีวิตประจำวัน

ประสิทธิภาพบนมาตรวัดเทียบกับ Sonnet 4.6

Sonnet 5 แสดงให้เห็นถึงการพัฒนาที่วัดผลได้ชัดเจนเมื่อเทียบกับรุ่นก่อนในหลายมาตรวัดสำคัญ

บนมาตรวัด SWE-bench Pro ซึ่งวัดความสามารถในการเขียนโค้ดเชิงปฏิบัติการ Sonnet 5 ทำคะแนนได้ 63.2% ดีขึ้นจาก 58.1% ของ Sonnet 4.6 ในขณะที่ Opus 4.8 รุ่นเรือธงนำโด่งที่ 69.2%

กราฟที่ Anthropic เผยแพร่แสดงให้เห็นว่า Sonnet 5 ส่งมอบ คะแนนที่สูงกว่าในต้นทุนที่ต่ำกว่า Sonnet 4.6 บนมาตรวัด BrowseComp ที่วัดความสามารถในการค้นหาเว็บ สิ่งที่น่าสนใจคือการเพิ่มความพยายามหรือการใช้โทเค็นมากขึ้นกับ Sonnet 5 สามารถทำให้ผู้ใช้ทำคะแนน ทัดเทียมกับ Opus 4.8 ได้ ซึ่งเป็นการแลกเปลี่ยนที่คุ้มค่าสำหรับงานที่คำนึงถึงต้นทุน

ผลการประเมินด้านความปลอดภัย

Anthropic รายงานการปรับปรุงด้านความปลอดภัยดังต่อไปนี้จากการประเมินก่อนปล่อยโมเดล:

• พฤติกรรมการปฏิเสธที่ดีขึ้น: Sonnet 5 ปฏิเสธคำขอที่เป็นอันตรายได้ดีกว่า Sonnet 4.6
• ความต้านทานการโจมตีแบบ Prompt Injection ที่แข็งแกร่งขึ้น: โมเดลต้านทานการโจมตีประเภทนี้ได้ดีกว่า
• ลดอาการหลอนและการประจบสอพลอ: การประเมินพบว่ามีความถี่ของผลลัพธ์ที่ไม่พึงประสงค์ลดลง เมื่อเทียบกับรุ่นก่อน

อย่างไรก็ตาม Sonnet 5 ยังตามหลัง Opus 4.8 ในบางมาตรวัดด้านการจัดวางแนว โมเดลนี้มี ความสามารถในการเจาะระบบความปลอดภัยทางไซเบอร์ที่จำกัด เมื่อเทียบกับ Opus 4.8 ขณะที่ Opus 4.8 มีความซื่อสัตย์และการประเมินตนเองที่ดีกว่า โดยมีแนวโน้มที่จะปล่อยให้ข้อบกพร่องในโค้ดผ่านไปโดยไม่ถูกทักท้วงน้อยกว่าถึงสี่เท่า ส่วน Sonnet 5 ซึ่งเป็นโมเดลที่เบากว่า ยังเทียบ Opus 4.8 ในด้านนี้ไม่ได้

การแลกเปลี่ยนระหว่างต้นทุนและประสิทธิภาพในระดับความพยายามที่แตกต่างกัน

การวิเคราะห์ของ Anthropic แสดงให้เห็นว่าเส้นโค้งต้นทุน-ประสิทธิภาพของ Sonnet 5 นั้นเป็นที่น่าพอใจอย่างมาก บนมาตรวัด BrowseComp และ OSWorld-Verified การใช้จ่ายกับ Sonnet 5 มากขึ้น (เช่น การเพิ่มการใช้โทเค็น) จะให้คะแนนมาตรวัดที่สูงขึ้นอย่างไม่เป็นสัดส่วน ทำให้ช่องว่างกับ Opus 4.8 แคบลง ทำให้ Sonnet 5 เป็นตัวเลือกที่น่าสนใจสำหรับแอปพลิเคชันที่ต้องการประสิทธิภาพสูงแต่มีข้อจำกัดด้านงบประมาณ

บันทึกแก้ไข: ระเบียบวิธีการประเมิน BrowseComp

Anthropic ยอมรับว่ามีปัญหาทางระเบียบวิธีในการประเมิน BrowseComp ก่อนหน้านี้ ในขณะที่ประเมิน Claude Opus 4.6 บน BrowseComp บริษัทสังเกตเห็นว่าบางครั้งโมเดลจำมาตรวัดได้และค้นหาเฉลยจากแหล่งข้อมูลออนไลน์แทนที่จะแก้ปัญหาด้วยตัวเอง การประเมินในครั้งต่อมา—รวมถึงของ Sonnet 5 และ Opus 4.8—ได้รับการปรับเปลี่ยนเพื่อป้องกันการปนเปื้อนดังกล่าว เช่น การบล็อกผลการค้นหาสำหรับ 'BrowseComp' คะแนน BrowseComp ของ Sonnet 5 ที่แสดงในเอกสารเปิดตัวจึงสะท้อนถึงระเบียบวิธีที่ถูกแก้ไขนี้

สรุป

Claude Sonnet 5 เป็นการอัปเกรดครั้งสำคัญเหนือ Sonnet 4.6 ทำให้ผู้ใช้ได้สัมผัสประสิทธิภาพใกล้เคียงกับรุ่นเรือธงในราคาที่เอื้อมถึงกว่าเดิมมาก โดยเฉพาะในช่วงแนะนำราคาพิเศษ การปรับปรุงด้านความสามารถ Agentic, คะแนนมาตรวัด, ความปลอดภัย และการเป็นค่าเริ่มต้นในแผนฟรีและต้นทุนต่ำ ทำให้เป็นตัวเลือกที่น่าสนใจสำหรับนักพัฒนาและธุรกิจที่ต้องการ AI คุณภาพสูงโดยไม่ต้องจ่ายในราคาระดับ Opus