Claude Sonnet 5: сильная агентская логика при возросшей стоимости за задачу
Экономический анализ: окупается ли повышенная цена Sonnet 5 за счёт сокращения числа повторных попыток агента.
Claude Sonnet 5 набрал 53 балла в индексе искусственного интеллекта, но без рекламных цен будет стоить дороже, чем Opus 4.8.
Мы поддержали Anthropic, чтобы оценить Claude Sonnet 5 перед выпуском: при максимальных усилиях он улучшается на 6 пунктов по сравнению с Sonnet 4.6 и достигает того же индекса интеллекта, что и GPT-5.5, с высокой аргументацией, но остается позади Opus 4.7 и 4.8.
Ключевые выводы
➤ Claude Sonnet 5 — модель №5 по индексу искусственного анализа интеллекта, отставая всего на 2-3 пункта от GPT-5.5 (xhigh) и Opus 4.8 (max)
➤ При максимальных усилиях Sonnet 5 работает тяжелее, чем предыдущие модели Anthropic: он использовал примерно на 40% больше токенов вывода для каждой задачи индекса интеллекта, чем Sonnet 4.6, и примерно в три раза больше агентских оборотов для наших оценок информационной работы AA-Briefcase и GDPval-AA. Такое поведение хорошо масштабируется с настройкой «усилие»: при максимальном усилии требуется примерно в 6 раз больше оборотов, чем при низком усилии на GDPval-AA.
➤ Claude Sonnet 5 стоит больше за задание, чем Opus 4.8, без учета рекламных цен: Claude Sonnet 5 стоит 2,29 доллара за задание по индексу интеллекта, что примерно в 2 раза больше, чем у Sonnet 4.6, и примерно на 15 % больше, чем у Claude Opus 4.8. Это полностью обусловлено увеличением использования токенов. Sonnet 5 сохраняет ту же цену в размере 3/15 долларов США за 1 миллион токенов ввода/вывода, что и Sonnet 4.6 (по сравнению с 5/25 долларов США для Opus 4.8), однако Anthropic предлагает снижение на одну треть до 2 долларов США/10 долларов США до 1 сентября. В наших результатах используются стандартные цены 3 доллара США/15 долларов США.
➤ Sonnet 5 соответствует или превосходит Opus 4.8 в задачах агентной информационной работы: как в AA-Briefcase, так и в GDPval-AA Claude Sonnet 5 опережает Opus 4.8, уступая только Claude Fable 5 (который в настоящее время общедоступен). Эти тесты проверяют способность моделей создавать точные и хорошо представленные профессиональные результаты с использованием нашего эталонного агента с открытым исходным кодом Stirrup.
➤ В области рассуждений и задач, требующих большого объема знаний, Sonnet по-прежнему отстает от своих старших братьев и сестер: несмотря на существенные успехи во многих оценках, тяжелые рассуждения и тесты знаний по-прежнему показывают, что Opus 4.8 опережает Sonnet 5. На CritPt, передовом тесте физического рассуждения, разработанном исследователями из Аргонны и UIUC, Sonnet 5 набирает 17% - это на 14 пунктов выше, чем у его предшественника, но отстает от GLM-5.2, Claude Opus и Fable, а также GPT-5.5 (xhigh и Pro)
➤ Sonnet 5 также продемонстрировал значительные улучшения по сравнению с Sonnet 4.6 в Terminal-Bench v2.1 (+9 баллов), Humanity’s Last Exam (+10 баллов) и SciCode (+7 баллов), при этом в других местах результаты были относительно стабильными.
Другие ключевые детали модели
➤ Контекстное окно на 1 миллион токенов (эквивалент Sonnet 4.6)
➤ Цена $3/$15 за 1 миллион токенов ввода/вывода (снижена до $2/$10 до 1 сентября); Цена кэша остается на уровне 25% надбавки за записи в кэш (3,75 доллара США за миллион токенов) с 5-минутным временем жизни и 90% скидкой за попадания в кэш (0,3 доллара США за миллион токенов).
➤ Усилие остается рекомендуемым способом настройки производительности и задержки модели. В Sonnet 5 добавлена дополнительная настройка усилия «xhigh» по сравнению с Sonnet 4.6, соответствующая 5 уровням усилия, доступным в Opus 4.8 (макс., xhigh, высокий, средний, низкий).
