Anthropic-ը ներկայացրել է Claude Sonnet 5-ը՝ ամենաագենտ Sonnet մոդելը

Ամենաագենտ Sonnet մոդելը

Anthropic-ը հունիսի 30-ին ներկայացրել է Claude Sonnet 5-ը՝ այն ներկայացնելով որպես ընկերության մինչ այժմ ստեղծած ամենաագենտ Sonnet մոդելը։ Այն կարող է պլաններ կազմել, օգտագործել այնպիսի գործիքներ, ինչպիսիք են դիտարկիչն ու տերմինալը, և ինքնավար աշխատել այն մակարդակով, որը դեռ մի քանի ամիս առաջ պահանջում էր ավելի մեծ ու թանկ մոդելներ։

Ընկերության համաձայն՝ ագենտ AI-ի դարաշրջանը սկսվել է հենց Sonnet դասի մոդելներով. Claude Sonnet 3.5-ը, 3.6-ը և 3.7-ը առաջին մոդելներն էին, որոնք տպավորիչ արդյունքներ ցույց տվեցին ծրագրավորման և գործիքների օգտագործման մեջ։ Վերջերս ագենտ ունակությունների ամենանկատելի աճը գրանցվել է Opus դասի մոդելներում, իսկ Sonnet 5-ը կրճատում է այդ տարբերությունը. նրա արդյունավետությունը մոտ է Opus 4.8-ին, բայց գինը զգալիորեն ցածր է։

Արդյունքները, ջանքերի մակարդակները և գինը

Ընկերության տվյալներով՝ Sonnet 5-ը էականորեն գերազանցում է նախորդ Sonnet 4.6-ին դատողության, գործիքների օգտագործման, ծրագրավորման և գիտելիքի հետ աշխատանքի հարցում։ Միջին ջանքերի ռեժիմում մոդելը շատ ավելի տնտեսող է, իսկ բարձր ջանքերի դեպքում որոշ առաջադրանքներում հասնում է Opus 4.8-ի մակարդակին։ Օգտատերերը կարող են կարգավորել ջանքերի մակարդակը՝ ծախսի և արդյունավետության միջև հավասարակշռություն գտնելու համար։

Claude Sonnet 5-ը հասանելի է բոլոր փաթեթներում. այն Free և Pro փաթեթների լռելյայն մոդելն է և հասանելի է նաև Max, Team ու Enterprise օգտատերերին։ Գինը մուտքային մեկ միլիոն թոքենի համար 2 դոլար է, ելքային մեկ միլիոն թոքենի համար՝ 10 դոլար. ներդրողական գինը դարձել է մշտական, մինչդեռ ստանդարտ սակագինը 3 և 15 դոլար էր։ Anthropic-ը նշում է, որ մոդելն օգտագործում է թարմացված թոքենիզատոր, ուստի նույն տեքստը կարող է դառնալ մոտավորապես 1.0–1.35 անգամ ավելի շատ թոքեն։

Անվտանգության գնահատականները

Anthropic-ի անվտանգության գնահատականները ցույց են տվել, որ Sonnet 5-ը ընդհանուր առմամբ ավելի քիչ անցանկալի վարք է դրսևորում, քան Sonnet 4.6-ը, և ավելի անվտանգ է ագենտ համատեքստերում։ Գնահատականները նաև ցույց են տալիս, որ կիբերանվտանգության առաջադրանքներ կատարելու նրա ունակությունը շատ ավելի ցածր է, քան ընթացիկ Opus մոդելներինը։ Firefox դիտարկիչի խոցելիությունների համար էքսպլոյթ մշակելու թեստում Sonnet 5-ը երբեք չի կարողացել ստեղծել ամբողջությամբ աշխատող էքսպլոյթ, սակայն մասնակի հաջողության ցուցանիշը փոքր-ինչ բարձր է Sonnet 4.6-ից։ Ամբողջական արդյունքները հրապարակված են Claude Sonnet 5-ի System Card-ում։

Anthropic-ի մեջբերած ծրագրավորողները մոդելին դրական գնահատական են տվել։ Zimu Li-ի խոսքով՝ Sonnet 5-ը ագենտներին տալիս է հզոր կատարողական շերտ բազմաքայլ ծրագրային ճարտարագիտության համար։ Kiro-ի փոխնախագահ Deepak Singh-ը մոդելը նկարագրում է որպես Opus դասի ճշգրտությամբ ուժեղ ագենտ ծրագրավորման մոդել։