Anthropic выпустила Sonnet 5.5: модель прошла Pokémon и почти догнала флагман Opus
iXBT.com ·
Anthropic представила Claude Sonnet 5.5 — вторую модель семейства Claude 5.5 после флагманской Opus 5.5. Компания позиционирует новинку как более быструю и дешёвую модель для повседневных задач с чётко заданными целями: исправления кода, работа с документами, презентациями и таблицами. При этом по ряду сложных тестов Sonnet 5.5 уже приблизилась к Opus 5.5.
Anthropic представила Claude Sonnet 5.5 — вторую модель семейства Claude 5.5 после флагманской Opus 5.5. Компания позиционирует новинку как более быструю и дешёвую модель для повседневных задач с чётко заданными целями: исправления кода, работа с документами, презентациями и таблицами. При этом по ряду сложных тестов Sonnet 5.5 уже приблизилась к Opus 5.5.
Особенно заметен скачок в программировании. В тесте Terminal-Bench 4.0, который проверяет способность модели выполнять многоэтапные задачи через командную строку, Sonnet 5.5 получила 70,6% против 10,3% у Sonnet 5. Для сравнения, Opus 5.5 набрала 66,4% на своём максимальном уровне. В CursorBench 4.0 результат Sonnet 5.5 составил 55,5%, а Opus 5.5 — 57,8%.
В работе с компьютером разрыв ещё меньше: в OSWorld 2.1 Sonnet 5.5 получила 80,1% баллов против 81,8% у Opus 5.5 и 57% у Sonnet 5. В тесте GDPval-AA v2.1, имитирующем реальные профессиональные задачи в 44 профессиях, результаты составили 1844 и 1846 баллов соответственно. Anthropic отдельно предупреждает, что результаты Sonnet 5.5 в GDPval-AA были получены на предварительной версии модели с ошибкой в работе со структурированным выводом, компания ожидает, что исправление лишь немного повысит показатель.
Есть у новой модели и необычный практический тест: Sonnet 5.5 стала первой моделью семейства Sonnet, которая смогла пройти Pokémon Red, ориентируясь только на скриншоты игры. Anthropic использует этот результат как пример способности модели работать с длинными последовательностями действий и визуальной информацией.
При этом Sonnet 5.5 не должна полностью заменить Opus 5.5. Anthropic описывает Opus как модель для сложной работы, требующей длительного рассуждения и самостоятельного принятия решений, тогда как Sonnet рассчитана прежде всего на хорошо определённые задачи. В некоторых тестах на максимальном уровне усилий результаты двух моделей сопоставимы, но для открытых задач, требующих продолжительного самостоятельного суждения, Opus 5.5 остаётся сильнее.
Sonnet 5.5 генерирует ответы более чем на 30% быстрее Sonnet 5 и обычно использует меньше токенов, поэтому Anthropic оценивает снижение стоимости выполнения типичной задачи до 30%.
При этом цена токенов не изменилась: $2 за миллион входных токенов и $10 за миллион выходных, а чтение из кэша стоит $0,20 за миллион токенов. Модель уже доступна в Claude, через API и облачные платформы Amazon Web Services, Google Cloud и Microsoft Azure.