Claude Sonnet 5: Anthropic подтянула агентность до уровня Opus, сохранив цену Sonnet
Вчера Anthropic выпустила Claude Sonnet 5 - новую версию модели, которую компания называет самой агентной в истории линейки Sonnet. По части бенчмарков она приближается к флагманской Opus 4.8, хотя стоит заметно дешевле. Sonnet 5 сразу стала моделью по умолчанию для бесплатных и Pro-пользователей Claude и доступна на платных тарифах и через API.
SWE-bench и Terminal-Bench против Opus 4.8
Anthropic сравнивает Sonnet 5 с предыдущей версией, Sonnet 4.6, по четырём тестам. SWE-bench Pro, который проверяет способность модели решать реальные баги и задачи ревью в существующих кодовых базах, вырос с 58,1% до 63,2%. Terminal-Bench 2.1, тест на самостоятельную работу в командной строке, поднялся с 67,0% до 80,4%. OSWorld-Verified, где модель управляет компьютером как человек (кликает, переключает окна, запускает программы), прибавил с 78,5% до 81,2%. Humanity's Last Exam с доступом к инструментам, сборник сложных мультидисциплинарных вопросов, вырос с 46,8% до 57,4%.
Разброс в приростах говорит о том, куда именно Anthropic вложила усилия. Модель ощутимо прибавила в способности рассуждать и доводить длинные цепочки действий до конца. Прирост в управлении компьютером, из категории «щёлкать мышью и переключать окна», оказался куда скромнее.
Цена $2/$10 - только до августа
Sonnet 5 работает во всех приложениях Claude, в Claude Code и в API. Вводная цена действует до 31 августа: $2 за миллион входных токенов и $10 за миллион выходных. После этой даты цена вырастет до $3 и $15 - рост в полтора раза.
Такая схема - распространённый приём при запуске новых моделей: закрепить нижнюю цену на старте, чтобы стимулировать переход, а затем поднять её до постоянного уровня. Рост с $10 до $15 за выходные токены выглядит скромно в абсолютных цифрах, но при больших объёмах через API счёт за квартал ощутимо меняется.
CRM, юрдокументы, страховые процессы
Ранние партнёры, работавшие с моделью до релиза, описывают вполне рутинные задачи: обновление записей в CRM (системе учёта клиентов и сделок), автоматизация рассылок, отладка кода в старых (legacy) проектах, юридический анализ документов, работа со страховыми процессами - последовательности типовых операций, которые раньше собирали вручную. Общая характеристика по отзывам: модель точнее держится исходного плана, реже застревает и просит вмешательства человека, самостоятельно прогоняет тесты по итогам работы.
Безопаснее, но эксплойты возможны
По собственным оценкам Anthropic, Sonnet 5 реже совершает нежелательные действия, чем предшественник, точнее отказывает в опасных запросах и лучше держится против prompt injection - попыток скрыть вредоносные инструкции внутри данных, которые модель обрабатывает в фоне задачи. У модели по умолчанию включены киберзащитные ограничения, а способность создавать эксплойты заметно ниже, чем у моделей линейки Opus. Формулировка компании оставляет вопрос открытым: «заметно ниже» - не то же самое, что «отсутствует».
Компания подаёт Sonnet 5 как способ сделать агентные возможности доступнее: линейка Opus остаётся флагманом для самых сложных задач, а Sonnet приближается к ней в диапазоне рассуждений и работы с инструментами, оставаясь дешевле. График cost-performance у Anthropic показывает: при среднем уровне effort (глубины рассуждений, которую можно настраивать) Sonnet 5 иногда почти сравнивается с Opus 4.8.
Проверочная точка - 31 августа, когда цена вырастет до постоянного уровня $3 и $15 за миллион токенов. Если объём использования через API не упадёт после повышения, значит модель закрепилась как рабочий инструмент, а не выиграла только за счёт вводной скидки.
