Anthropic Sonnet 5.5: Быстрее, но затратнее Opus

28 сентября компания Anthropic представила свою новую разработку — модель Claude Sonnet 5.5, стоимость которой сопоставима с предшественником Sonnet 5. По данным компании, обновление модели позволило увеличить скорость работы на 30% и снизить стоимость выполнения задач на аналогичный процент.

Однако независимая организация, проводившая тестирование, сделала выводы, отличные от заявленных. При максимальной нагрузке модель оказывается менее экономичной.

Sonnet 5.5 стала вторым релизом в серии Claude 5.5, следуя за Opus 5.5, который был представлен 22 сентября. В тот же день OpenAI анонсировала свои модели GPT-6 Sol и Luna.

Новая модель Sonnet 5.5 сохранила прежние расценки: $2 за миллион входных токенов и $10 за миллион выходных. Согласно результатам теста Terminal-Bench 4.0, Anthropic набрала 70,6%, тогда как Sonnet 5 — лишь 10,3%, а Opus 5.5 — 66,4%.

Команда разработчиков отмечает, что Opus 5.5 подходит для сложных задач, требующих точности, в то время как Sonnet 5.5 лучше справляется с ежедневными задачами и подготовкой документов.

Хотя Sonnet 5.5 и не предлагает новых возможностей, Anthropic делает акцент на рисках, связанных с возможностью введения пользователей в заблуждение или потенциально опасного использования. Модель оснащена кибербезопасными инструментами для предотвращения нелегального копирования.

Согласно данным Artificial Analysis, Sonnet 5.5 потребляет больше токенов при максимальной нагрузке, чем Opus 5.5. На тесте Terminal-Bench 4.0 Sonnet 5.5 показал результат 64% против 60% у Opus 5.5 и GPT-6 Astra.

Объем токенов, использованных Sonnet 5.5 при максимальной производительности, выше на 60% по сравнению с Opus 5.5 и Sonnet 5, и в 7 раз больше, чем у GPT-6 Astra. Однако в других задачах, таких как финансовые кейсы, Sonnet 5.5 проявил себя более экономично, чем Sonnet 5.

В закрытом тестировании, проведенном Balyasny Asset Management, Sonnet 5.5 в среднем использовал 121 000 токенов на задачу, в то время как Sonnet 5 расходовал 497 000. Anthropic уже исправила баг, выявленный в тестах, и планирует повторные испытания.