
Содержание3 разделов
Коротко
- Миллион токенов на входе у новинки обходится в два доллара, на выходе в десять. Старшая модель берёт ровно вдвое больше.
- Тарифы остались прежними, зато модель экономнее тратит токены, так что обычная задача дешевеет примерно на треть.
- На тесте с поручениями из разных профессий средняя модель уступила флагману лишь пару баллов.
- Средняя линейка впервые получила строгие фильтры по кибербезопасности, плюс фильтр против выкачивания ответов.
В понедельник, 28 сентября, Anthropic показала новую Sonnet под номером 5.5. Меньше недели назад вышел флагман поколения, и теперь у семейства появилась модель попроще. Её прочат в ежедневную рутину: код, документы, таблицы и слайды.
Продакт-менеджер исследовательской команды Theo Chu в разговоре с CNBC описал аудиторию так. Это клиенты, которые следят за расходами. Им хватит исполнителя без глубоких рассуждений, которыми сильна старшая модель, лишь бы рутина делалась.
Сколько стоит новая Claude Sonnet и откуда экономия
Прайс перенесли с прошлой версии без изменений. За каждый миллион входящих токенов платят два доллара, исходящие обойдутся в десять, а повторное обращение к закэшированному тексту стоит двадцать центов. У флагмана те же строчки прайса вдвое выше.
Выгода набегает иначе: на одно и то же поручение у новинки уходит заметно меньше токенов. Компания оценивает снижение итогового счёта примерно в треть для типичных случаев, ответы тоже стали приходить шустрее. Контекст вмещает миллион токенов, один ответ может занимать до ста двадцати восьми тысяч. Разработчики признают, что прошлая версия слишком охотно ходила в веб-поиск и тратила на это лишнее. Теперь эту привычку убрали.
Как Claude Sonnet 5.5 показала себя на бенчмарках по коду и офису
Больше всего прибавили навыки в терминале. На бенчмарке Terminal-Bench, где модель должна сама прогнать цепочку команд, прежняя версия решала около десятой части заданий, новая справляется с семью из десяти. На CursorBench результат поднялся с трети с небольшим до пятидесяти пяти процентов.
Любопытнее офисные поручения. Бенчмарк GDPval-AA собирает задания из четырёх с лишним десятков профессий. Здесь у средней модели 1844 очка, у флагмана на два больше, а у прошлой версии было около 1450. Впрочем, в Anthropic оговариваются: когда работа длинная и открытая, с кучей самостоятельных решений, дорогая модель пока выигрывает.
Подтянули и управление компьютером через экранный интерфейс. На OSWorld доля выполненных заданий выросла с 57 до восьмидесяти процентов. А ещё средняя линейка впервые прошла старую игру про покемонов на Game Boy, ориентируясь только по скриншотам.
Какую защиту Anthropic добавила новой Sonnet
Навыки взлома у модели выросли так, что компания впервые для средней линейки включила те же страховочные механизмы, что стоят на топовых моделях. Если запрос выглядит как опасное задание по взлому, ответить на него может предыдущая, более слабая версия. Появились и фильтры против дистилляции. Так называют приём, когда с сотен аккаунтов модель засыпают вопросами, а потом на её ответах учат собственную нейросеть. Классификаторы не дают вытянуть наружу ход рассуждений.
Пользоваться новинкой уже можно в приложении Claude, по API, а ещё в облаках Amazon, Google, Microsoft. Младшую модель поколения, Haiku, покажут в течение нескольких недель.
По нашему мнению, для большинства рабочих задач разница между средней и старшей моделью почти стёрлась, а вот счёт у них различается вдвое. Вы бы перешли на модель подешевле или платите за запас интеллекта?

Как вам материал?



Комментарии