Anthropic выпустила модель Sonnet 5.5, которая прошла Pokémon и почти догнала флагман Opus
Компания Anthropic представила Claude Sonnet 5.5, вторую модель семейства Claude 5.5 после флагманской Opus 5.5. Новинка позиционируется как более быстрая и дешёвая модель для повседневных задач с чётко заданными целями, такими как исправление кода, работа с документами, презентациями и таблицами.
Новая модель более чем на 30% быстрее предшественницы и в ряде тестов приблизилась к Opus 5.5, сохранив прежнюю цену API.
По ряду сложных тестов Sonnet 5.5 уже приблизилась к Opus 5.5. В тесте Terminal-Bench 4.0, проверяющем способность модели выполнять многоэтапные задачи через командную строку, Sonnet 5.5 получила 70,6% против 10,3% у Sonnet 5. 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 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 предупреждает, что результаты Sonnet 5.5 в GDPval-AA были получены на предварительной версии модели с ошибкой в работе со структурированным выводом, и компания ожидает, что исправление немного повысит показатель.
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.
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.
Подписывайтесь на наш Telegram-канал, чтобы быть в курсе всех новостей и событий Рунета.
