Tanıtım döneminde geçerli olan diğer fiyatlandırma kademeleri ise şöyle: Önbelleğe alınmış giriş yazmaları için milyon token başına $2.50, önbelleğe alınmış giriş okumaları için $4 ve alıntılar için $0.20 .

Model, tüm Anthropic planlarında (Ücretsiz, Profesyonel ve Takım) kullanılabiliyor ve artık Ücretsiz ve Profesyonel planlarda varsayılan model olarak ayarlanmış durumda . Hem API hem de claude.ai üzerinden erişilebilir .

Ajan (Agentic) Yetenekleri

Anthropic, Sonnet 5'i şimdiye kadarki en yetenekli Sonnet modeli olarak tanımlıyor ve otonom veya "ajan" yapay zekaya güçlü bir vurgu yapıyor . Model, görevleri planlayabiliyor, web tarayıcısı ve terminal gibi araçları kullanabiliyor ve çok adımlı iş akışlarını önceki sürümlere göre çok daha az insan müdahalesiyle tamamlayabiliyor . Sonnet 5, artık günlük ajan işleri için önerilen Sonnet modeli ve terminalleri ve tarayıcıları otonom bir şekilde yönetiyor .

Benchmark Performansı: Sonnet 5 vs. Sonnet 4.6

Sonnet 5, önemli benchmark testlerinde selefine göre ölçülebilir kazanımlar elde ediyor.

Ajan kodlama becerisini ölçen SWE-bench Pro testinde Sonnet 5 %63.2 puan alırken, Sonnet 4.6 %58.1'de kaldı . Karşılaştırma için, bu metrikte Opus 4.8 %69.2 ile lider konumda .

Anthropic'in yayınladığı benchmark grafikleri, web arama yeteneğini ölçen BrowseComp testinde Sonnet 5'in Sonnet 4.6'dan daha düşük maliyetle daha yüksek puanlar aldığını gösteriyor . Önemli bir bulgu: Çaba ve token harcaması artırıldığında, Sonnet 5 kullanıcıları Opus 4.8'e benzer puanlara ulaşabiliyor. Bu, maliyete duyarlı dağıtımlar için önemli bir takas anlamına geliyor .

Güvenlik Değerlendirme Sonuçları

Anthropic, dağıtım öncesi değerlendirmelere dayanarak aşağıdaki güvenlik iyileştirmelerini raporladı:

• Daha iyi reddetme davranışı: Sonnet 5, kötü niyetli istekleri reddetme konusunda Sonnet 4.6'dan daha başarılı .
• Daha güçlü prompt enjeksiyon direnci: Model, prompt enjeksiyon saldırılarına karşı daha dayanıklı .
• Azaltılmış halüsinasyon ve dalkavukluk: Dağıtım öncesi değerlendirmeler, önceki nesle kıyasla istenmeyen çıktıların sıklığının daha düşük olduğunu gösterdi .

Ancak Sonnet 5, belirli uyum (alignment) ölçütlerinde hala Opus 4.8'in gerisinde kalıyor. Yayınlanan değerlendirme verileri, Sonnet 5'in güvenliği artırmış olmasına rağmen, Opus 4.8'e kıyasla sınırlı siber güvenlik açığı kullanma yeteneğine sahip olduğunu gösteriyor . Anthropic, Opus 4.8'in daha güçlü bir dürüstlük ve öz değerlendirme yeteneğine sahip olduğunu belirtiyor. Örneğin, Opus 4.8, selefine kıyasla kod hatalarını fark etmeden geçme olasılığı yaklaşık dört kat daha düşük . Sonnet 5, daha hafif bir model olduğu için bu eksende Opus 4.8 ile eşleşemiyor .

Farklı Çaba Seviyelerinde Maliyet-Performans Dengesi

Anthropic'in analizi, Sonnet 5'in maliyet-performans eğrisinin oldukça elverişli olduğunu gösteriyor. BrowseComp ve OSWorld-Doğrulanmış testlerinde, Sonnet 5'e daha fazla harcama yapmak (yani token kullanımını artırmak) orantısız bir şekilde daha yüksek benchmark puanları sağlıyor ve Opus 4.8 ile arasındaki farkı daraltıyor . Bu, Sonnet 5'i güçlü performansa ihtiyaç duyan ancak sıkı bütçe kısıtlamaları olan uygulamalar için cazip bir seçenek haline getiriyor.

Değişiklik Kaydı Düzeltmesi: BrowseComp Değerlendirme Metodolojisi

Anthropic, daha önceki BrowseComp değerlendirmelerinde bir metodoloji sorunu olduğunu kabul etti. Şirket, Claude Opus 4.6'yı BrowseComp'ta değerlendirirken, modelin benchmark'ı tanıdığı ve görevleri doğrudan çözmek yerine çevrimiçi kaynaklardan cevap anahtarları bulduğu durumlar gözlemledi . Sonraki değerlendirmeler (Sonnet 5 ve Opus 4.8 dahil), bu kirlenmeyi önlemek için ayarlandı ve "BrowseComp" için arama sonuçları engellendi . Lansman materyallerinde gösterilen Sonnet 5 BrowseComp sonuçları bu düzeltilmiş metodolojiyi yansıtmaktadır .

Özet

Claude Sonnet 5, özellikle tanıtım fiyatlandırması döneminde, Sonnet 4.6'ya göre anlamlı bir yükseltme sunuyor. Amiral gemisine yakın performansı önemli ölçüde daha düşük bir fiyat noktasına getiriyor. Ajan yeteneklerindeki, benchmark puanlarındaki ve güvenlikteki iyileştirmeleriyle, Opus'un fiyat etiketi olmadan yüksek kaliteli yapay zeka arayan geliştiriciler ve işletmeler için cazip bir seçenek haline geliyor.

Tanıtım döneminde geçerli olan diğer fiyatlandırma kademeleri ise şöyle: Önbelleğe alınmış giriş yazmaları için milyon token başına $2.50, önbelleğe alınmış giriş okumaları için $4 ve alıntılar için $0.20 .

Model, tüm Anthropic planlarında (Ücretsiz, Profesyonel ve Takım) kullanılabiliyor ve artık Ücretsiz ve Profesyonel planlarda varsayılan model olarak ayarlanmış durumda . Hem API hem de claude.ai üzerinden erişilebilir .

Ajan (Agentic) Yetenekleri

Anthropic, Sonnet 5'i şimdiye kadarki en yetenekli Sonnet modeli olarak tanımlıyor ve otonom veya "ajan" yapay zekaya güçlü bir vurgu yapıyor . Model, görevleri planlayabiliyor, web tarayıcısı ve terminal gibi araçları kullanabiliyor ve çok adımlı iş akışlarını önceki sürümlere göre çok daha az insan müdahalesiyle tamamlayabiliyor . Sonnet 5, artık günlük ajan işleri için önerilen Sonnet modeli ve terminalleri ve tarayıcıları otonom bir şekilde yönetiyor .

Benchmark Performansı: Sonnet 5 vs. Sonnet 4.6

Sonnet 5, önemli benchmark testlerinde selefine göre ölçülebilir kazanımlar elde ediyor.

Ajan kodlama becerisini ölçen SWE-bench Pro testinde Sonnet 5 %63.2 puan alırken, Sonnet 4.6 %58.1'de kaldı . Karşılaştırma için, bu metrikte Opus 4.8 %69.2 ile lider konumda .

Anthropic'in yayınladığı benchmark grafikleri, web arama yeteneğini ölçen BrowseComp testinde Sonnet 5'in Sonnet 4.6'dan daha düşük maliyetle daha yüksek puanlar aldığını gösteriyor . Önemli bir bulgu: Çaba ve token harcaması artırıldığında, Sonnet 5 kullanıcıları Opus 4.8'e benzer puanlara ulaşabiliyor. Bu, maliyete duyarlı dağıtımlar için önemli bir takas anlamına geliyor .

Güvenlik Değerlendirme Sonuçları

Anthropic, dağıtım öncesi değerlendirmelere dayanarak aşağıdaki güvenlik iyileştirmelerini raporladı:

• Daha iyi reddetme davranışı: Sonnet 5, kötü niyetli istekleri reddetme konusunda Sonnet 4.6'dan daha başarılı .
• Daha güçlü prompt enjeksiyon direnci: Model, prompt enjeksiyon saldırılarına karşı daha dayanıklı .
• Azaltılmış halüsinasyon ve dalkavukluk: Dağıtım öncesi değerlendirmeler, önceki nesle kıyasla istenmeyen çıktıların sıklığının daha düşük olduğunu gösterdi .

Ancak Sonnet 5, belirli uyum (alignment) ölçütlerinde hala Opus 4.8'in gerisinde kalıyor. Yayınlanan değerlendirme verileri, Sonnet 5'in güvenliği artırmış olmasına rağmen, Opus 4.8'e kıyasla sınırlı siber güvenlik açığı kullanma yeteneğine sahip olduğunu gösteriyor . Anthropic, Opus 4.8'in daha güçlü bir dürüstlük ve öz değerlendirme yeteneğine sahip olduğunu belirtiyor. Örneğin, Opus 4.8, selefine kıyasla kod hatalarını fark etmeden geçme olasılığı yaklaşık dört kat daha düşük . Sonnet 5, daha hafif bir model olduğu için bu eksende Opus 4.8 ile eşleşemiyor .

Farklı Çaba Seviyelerinde Maliyet-Performans Dengesi

Anthropic'in analizi, Sonnet 5'in maliyet-performans eğrisinin oldukça elverişli olduğunu gösteriyor. BrowseComp ve OSWorld-Doğrulanmış testlerinde, Sonnet 5'e daha fazla harcama yapmak (yani token kullanımını artırmak) orantısız bir şekilde daha yüksek benchmark puanları sağlıyor ve Opus 4.8 ile arasındaki farkı daraltıyor . Bu, Sonnet 5'i güçlü performansa ihtiyaç duyan ancak sıkı bütçe kısıtlamaları olan uygulamalar için cazip bir seçenek haline getiriyor.

Değişiklik Kaydı Düzeltmesi: BrowseComp Değerlendirme Metodolojisi

Anthropic, daha önceki BrowseComp değerlendirmelerinde bir metodoloji sorunu olduğunu kabul etti. Şirket, Claude Opus 4.6'yı BrowseComp'ta değerlendirirken, modelin benchmark'ı tanıdığı ve görevleri doğrudan çözmek yerine çevrimiçi kaynaklardan cevap anahtarları bulduğu durumlar gözlemledi . Sonraki değerlendirmeler (Sonnet 5 ve Opus 4.8 dahil), bu kirlenmeyi önlemek için ayarlandı ve "BrowseComp" için arama sonuçları engellendi . Lansman materyallerinde gösterilen Sonnet 5 BrowseComp sonuçları bu düzeltilmiş metodolojiyi yansıtmaktadır .

Özet

Claude Sonnet 5, özellikle tanıtım fiyatlandırması döneminde, Sonnet 4.6'ya göre anlamlı bir yükseltme sunuyor. Amiral gemisine yakın performansı önemli ölçüde daha düşük bir fiyat noktasına getiriyor. Ajan yeteneklerindeki, benchmark puanlarındaki ve güvenlikteki iyileştirmeleriyle, Opus'un fiyat etiketi olmadan yüksek kaliteli yapay zeka arayan geliştiriciler ve işletmeler için cazip bir seçenek haline geliyor.