Claude Sonnet 5.5

Claude Sonnet 5.5 — вторая модель линейки Claude 5.5, она вышла через неделю после Opus 5.5. В линейке она занимает среднюю ступень. Opus 5.5 компания предназначает для сложной работы, где нужно взвешенное суждение, а Sonnet 5.5 — быстрый и более дешёвый вариант для чётко поставленных повседневных задач. Для большого потока недорогих запросов Anthropic обещает в ближайшие недели выпустить Claude Haiku 5.5. Сколько думать перед ответом, модель решает сама, а глубину размышлений задаёт настройка уровня усилий, от низкого до максимального. В приложениях Claude по умолчанию стоит средний уровень.

По замерам Anthropic, текст модель выдаёт более чем на 30% быстрее Sonnet 5, а задача на ней обходится до 30% дешевле при той же цене за токен. Экономия получается за счёт того, что модели нужно меньше токенов на ту же работу. Кроме того, она чаще объединяет вызовы инструментов и делает меньше шагов. Компания заявляет, что в ряде тестов Sonnet 5.5 уже на низком или среднем уровне усилий обходит лучший результат Sonnet 5, а задача стоит примерно в десять раз меньше. В Terminal-Bench 4.0, где модель сама программирует в терминале, она набрала 70,6% против 10,3% у Sonnet 5 и 66,4% у Opus 5.5. В GDPval-AA с задачами из реальных профессий у неё 1844 балла по шкале Эло, как в шахматных рейтингах, а у Opus 5.5 — 1846. Ещё это первая Sonnet, которая прошла игру Pokémon Red, видя только снимки экрана.

Её берут для программирования: для задач, которые затрагивают много файлов и поставлены нечётко, для исправления ошибок, проверки кода и работы в терминале. Сильна она и в агентных задачах, где модель сама выполняет цепочку действий с помощью инструментов. Сюда входит и управление компьютером: в OSWorld 2.1 у неё 80,1% против 57% у Sonnet 5. Второе направление — офисная работа: финансовый анализ, поддержка клиентов, документы, презентации и таблицы. Anthropic отмечает, что модель пишет яснее прошлого поколения. Тестировщики хвалили её чувство дизайна: она доводит до ума интерфейсы и следует шаблонам слайдов, так что презентации почти не приходится править.

Сама компания признаёт, что в сложной работе без чёткой постановки, где суждение нужно удерживать долго, Opus 5.5 остаётся заметно сильнее. Навыки модели в кибербезопасности выросли до уровня Opus 5. Поэтому Sonnet 5.5 первой среди Sonnet получила защитные меры как у старших моделей: рискованные запросы на эту тему она открыто передаёт Sonnet 5, а специалисты по киберзащите могут подать заявку на расширенный доступ. Кроме того, модель не пересказывает свои внутренние рассуждения. Так Anthropic защищается от дистилляции, то есть от обучения чужих моделей на ответах Claude. Разработчикам при переходе с Sonnet 5 придётся поправить код: прежний способ отключить рассуждения больше не работает, а на требование обязательно вызвать инструмент модель отвечает ошибкой.

источники:Анонс Claude Sonnet 5.5 ↗Что нового в Claude Sonnet 5.5 — документация ↗