Các mức giá bổ sung trong thời gian ưu đãi bao gồm: 2,50 USD/triệu token cho ghi vào bộ nhớ đệm, 4 USD/triệu token cho đọc từ bộ nhớ đệm và 0,20 USD/triệu token cho trích dẫn .

Sonnet 5 có sẵn trên tất cả các gói của Anthropic – Free, Pro và Team – và hiện là mô hình mặc định trên các gói Free và Pro . Bạn có thể truy cập qua API và trên claude.ai .

Khả năng tác nhân (Agentic Capabilities)

Anthropic mô tả Sonnet 5 là Sonnet mạnh mẽ nhất từ trước đến nay, tập trung mạnh vào AI tự động hay còn gọi là "tác nhân" . Mô hình có thể lập kế hoạch nhiệm vụ, sử dụng các công cụ như trình duyệt và terminal, đồng thời hoàn thành các quy trình làm việc nhiều bước với ít sự can thiệp của con người hơn nhiều so với các phiên bản trước . Sonnet 5 hiện là Sonnet được khuyên dùng cho công việc tác nhân hàng ngày, có thể tự động điều khiển terminal và trình duyệt .

Hiệu suất Benchmark so với Sonnet 4.6

Sonnet 5 cho thấy sự cải thiện rõ rệt so với người tiền nhiệm trên các benchmark chính.

Trên SWE-bench Pro – bài kiểm tra khả năng lập trình tác nhân – Sonnet 5 đạt 63,2%, so với 58,1% của Sonnet 4.6 . Để tham khảo, Opus 4.8 dẫn đầu với 69,2% trên cùng một chỉ số .

Biểu đồ benchmark do Anthropic công bố cho thấy Sonnet 5 mang lại điểm số cao hơn với chi phí thấp hơn so với Sonnet 4.6 trên BrowseComp, thước đo khả năng tìm kiếm web . Một phát hiện quan trọng: bằng cách tăng cường nỗ lực và chi tiêu token, người dùng Sonnet 5 có thể đạt được điểm số tương đương Opus 4.8 – một sự đánh đổi quan trọng cho các ứng dụng nhạy cảm về chi phí .

Kết quả đánh giá an toàn

Anthropic báo cáo những cải tiến về an toàn sau đây dựa trên các đánh giá trước khi ra mắt:

• Hành vi từ chối tốt hơn: Sonnet 5 từ chối các yêu cầu độc hại tốt hơn Sonnet 4.6 .
• Khả năng chống tấn công prompt injection mạnh mẽ hơn: Mô hình có khả năng phục hồi tốt hơn trước các cuộc tấn công prompt injection .
• Giảm ảo giác và xu nịnh: Các đánh giá trước khi ra mắt cho thấy tần suất đầu ra không mong muốn thấp hơn so với thế hệ trước .

Tuy nhiên, Sonnet 5 vẫn thua Opus 4.8 ở một số thước đo về sự liên kết (alignment). Dữ liệu đánh giá được công bố cho thấy, mặc dù Sonnet 5 đã cải thiện an toàn, nhưng nó vẫn có khả năng khai thác an ninh mạng hạn chế so với Opus 4.8 . Anthropic lưu ý rằng Opus 4.8 có tính trung thực và tự điều chỉnh mạnh mẽ hơn – ít có khả năng bỏ qua các lỗi mã hơn khoảng bốn lần so với người tiền nhiệm . Là một mô hình nhẹ hơn, Sonnet 5 không thể sánh ngang Opus 4.8 ở khía cạnh này .

Sự đánh đổi giữa chi phí và hiệu suất ở các mức nỗ lực khác nhau

Phân tích của Anthropic cho thấy đường cong chi phí - hiệu suất của Sonnet 5 đặc biệt thuận lợi. Trên BrowseComp và OSWorld-Verified, việc chi tiêu nhiều hơn cho Sonnet 5 (tức là tăng sử dụng token) mang lại điểm benchmark cao hơn một cách không tương xứng, thu hẹp khoảng cách với Opus 4.8 . Điều này làm cho Sonnet 5 trở thành một lựa chọn hấp dẫn cho các ứng dụng cần hiệu suất mạnh mẽ nhưng có ngân sách eo hẹp.

Sửa lỗi Changelog: Phương pháp đánh giá BrowseComp

Anthropic đã thừa nhận một vấn đề về phương pháp luận với các đánh giá BrowseComp trước đó. Khi đánh giá Claude Opus 4.6 trên BrowseComp, công ty đã quan sát thấy các trường hợp mô hình nhận ra benchmark và tìm thấy đáp án từ các nguồn trực tuyến thay vì giải quyết trực tiếp các nhiệm vụ . Các đánh giá tiếp theo – bao gồm cả cho Sonnet 5 và Opus 4.8 – đã được điều chỉnh để ngăn chặn sự nhiễu này, bằng cách chặn kết quả tìm kiếm cho "BrowseComp" và các biện pháp giảm thiểu khác . Kết quả BrowseComp của Sonnet 5 được hiển thị trong tài liệu ra mắt phản ánh phương pháp đã được sửa chữa này .

Kết luận

Claude Sonnet 5 là một bản nâng cấp đáng kể so với Sonnet 4.6, mang lại hiệu suất gần như hàng đầu với mức giá thấp hơn đáng kể, đặc biệt là trong khung thời gian giá ưu đãi. Những cải tiến về khả năng tác nhân, điểm benchmark và an toàn – cùng với khả năng sẵn có trên các gói miễn phí và chi phí thấp – khiến nó trở thành một lựa chọn hấp dẫn cho các nhà phát triển và doanh nghiệp đang tìm kiếm AI chất lượng cao mà không cần phải trả mức giá của Opus.

Các mức giá bổ sung trong thời gian ưu đãi bao gồm: 2,50 USD/triệu token cho ghi vào bộ nhớ đệm, 4 USD/triệu token cho đọc từ bộ nhớ đệm và 0,20 USD/triệu token cho trích dẫn .

Sonnet 5 có sẵn trên tất cả các gói của Anthropic – Free, Pro và Team – và hiện là mô hình mặc định trên các gói Free và Pro . Bạn có thể truy cập qua API và trên claude.ai .

Khả năng tác nhân (Agentic Capabilities)

Anthropic mô tả Sonnet 5 là Sonnet mạnh mẽ nhất từ trước đến nay, tập trung mạnh vào AI tự động hay còn gọi là "tác nhân" . Mô hình có thể lập kế hoạch nhiệm vụ, sử dụng các công cụ như trình duyệt và terminal, đồng thời hoàn thành các quy trình làm việc nhiều bước với ít sự can thiệp của con người hơn nhiều so với các phiên bản trước . Sonnet 5 hiện là Sonnet được khuyên dùng cho công việc tác nhân hàng ngày, có thể tự động điều khiển terminal và trình duyệt .

Hiệu suất Benchmark so với Sonnet 4.6

Sonnet 5 cho thấy sự cải thiện rõ rệt so với người tiền nhiệm trên các benchmark chính.

Trên SWE-bench Pro – bài kiểm tra khả năng lập trình tác nhân – Sonnet 5 đạt 63,2%, so với 58,1% của Sonnet 4.6 . Để tham khảo, Opus 4.8 dẫn đầu với 69,2% trên cùng một chỉ số .

Biểu đồ benchmark do Anthropic công bố cho thấy Sonnet 5 mang lại điểm số cao hơn với chi phí thấp hơn so với Sonnet 4.6 trên BrowseComp, thước đo khả năng tìm kiếm web . Một phát hiện quan trọng: bằng cách tăng cường nỗ lực và chi tiêu token, người dùng Sonnet 5 có thể đạt được điểm số tương đương Opus 4.8 – một sự đánh đổi quan trọng cho các ứng dụng nhạy cảm về chi phí .

Kết quả đánh giá an toàn

Anthropic báo cáo những cải tiến về an toàn sau đây dựa trên các đánh giá trước khi ra mắt:

• Hành vi từ chối tốt hơn: Sonnet 5 từ chối các yêu cầu độc hại tốt hơn Sonnet 4.6 .
• Khả năng chống tấn công prompt injection mạnh mẽ hơn: Mô hình có khả năng phục hồi tốt hơn trước các cuộc tấn công prompt injection .
• Giảm ảo giác và xu nịnh: Các đánh giá trước khi ra mắt cho thấy tần suất đầu ra không mong muốn thấp hơn so với thế hệ trước .

Tuy nhiên, Sonnet 5 vẫn thua Opus 4.8 ở một số thước đo về sự liên kết (alignment). Dữ liệu đánh giá được công bố cho thấy, mặc dù Sonnet 5 đã cải thiện an toàn, nhưng nó vẫn có khả năng khai thác an ninh mạng hạn chế so với Opus 4.8 . Anthropic lưu ý rằng Opus 4.8 có tính trung thực và tự điều chỉnh mạnh mẽ hơn – ít có khả năng bỏ qua các lỗi mã hơn khoảng bốn lần so với người tiền nhiệm . Là một mô hình nhẹ hơn, Sonnet 5 không thể sánh ngang Opus 4.8 ở khía cạnh này .

Sự đánh đổi giữa chi phí và hiệu suất ở các mức nỗ lực khác nhau

Phân tích của Anthropic cho thấy đường cong chi phí - hiệu suất của Sonnet 5 đặc biệt thuận lợi. Trên BrowseComp và OSWorld-Verified, việc chi tiêu nhiều hơn cho Sonnet 5 (tức là tăng sử dụng token) mang lại điểm benchmark cao hơn một cách không tương xứng, thu hẹp khoảng cách với Opus 4.8 . Điều này làm cho Sonnet 5 trở thành một lựa chọn hấp dẫn cho các ứng dụng cần hiệu suất mạnh mẽ nhưng có ngân sách eo hẹp.

Sửa lỗi Changelog: Phương pháp đánh giá BrowseComp

Anthropic đã thừa nhận một vấn đề về phương pháp luận với các đánh giá BrowseComp trước đó. Khi đánh giá Claude Opus 4.6 trên BrowseComp, công ty đã quan sát thấy các trường hợp mô hình nhận ra benchmark và tìm thấy đáp án từ các nguồn trực tuyến thay vì giải quyết trực tiếp các nhiệm vụ . Các đánh giá tiếp theo – bao gồm cả cho Sonnet 5 và Opus 4.8 – đã được điều chỉnh để ngăn chặn sự nhiễu này, bằng cách chặn kết quả tìm kiếm cho "BrowseComp" và các biện pháp giảm thiểu khác . Kết quả BrowseComp của Sonnet 5 được hiển thị trong tài liệu ra mắt phản ánh phương pháp đã được sửa chữa này .

Kết luận

Claude Sonnet 5 là một bản nâng cấp đáng kể so với Sonnet 4.6, mang lại hiệu suất gần như hàng đầu với mức giá thấp hơn đáng kể, đặc biệt là trong khung thời gian giá ưu đãi. Những cải tiến về khả năng tác nhân, điểm benchmark và an toàn – cùng với khả năng sẵn có trên các gói miễn phí và chi phí thấp – khiến nó trở thành một lựa chọn hấp dẫn cho các nhà phát triển và doanh nghiệp đang tìm kiếm AI chất lượng cao mà không cần phải trả mức giá của Opus.