Anthropic выпустила Claude Sonnet 5.5 — почти как Opus, но дешевле

Anthropic выпустила Claude Sonnet 5.5 — вторую модель в семействе Claude 5.5. По данным компании, она генерирует ответы более чем на 30% быстрее, стоит до 30% меньше на задачу и почти догоняет Opus 5.5 на нескольких бенчмарках. Модель уже доступна на Amazon Web Services, Google Cloud и Microsoft Azure.

Для чего нужна

Opus 5.5 рассчитан на сложные задачи, требующие взвешённых решений. Sonnet 5.5 нацелен на повседневную работу: исправление багов, написание документации, создание презентаций и таблиц. Anthropic также анонсировала Claude Haiku 5.5 на ближайшие недели — модель для сценариев с высокой пропускной способностью и низкой стоимостью.

Резкий скачок в кодинге

Наибольший прогресс Sonnet 5.5 показывает в программировании. На Terminal-Bench 4.0, тесте для агентного кодинга, модель набирает 70,6% против 10,3% у Sonnet 5. На CursorBench 4.0 результат — 55,5% против 34,1%, всего на два пункта ниже Opus 5.5 (57,8%).

На FrontierCode 1.1 в режиме High Sonnet 5.5 опережает Sonnet 5 на десять пунктов примерно при одной пятнадцатой стоимости за задачу. Ранние тестировщики отметили, как быстро модель разбирается в кодовой базе. Sonnet 5.5 также чаще группирует вызовы инструментов, что сокращает число шагов.

Есть и странность: на максимальном уровне усилий Max модель показывает на FrontierCode результат хуже, чем на Xhigh. Anthropic объясняет это тем, что при максимуме усилий модель чаще запускает функцию код-ревью, которая делит работу между субагентами. В некоторых случаях это приводило к таймаутам или изменениям за пределами задачи, а FrontierCode за такое снижает оценку.

Почти как Opus в работе со знаниями

На GDPval-AA, бенчмарке OpenAI для офисных задач из 44 профессий и девяти отраслей, Sonnet 5.5 набирает 1 844 балла. Это почти совпадает с Opus 5.5 (1 846) и примерно на 400 баллов выше Sonnet 5 (1 449). GPT-6 Sol по данным Anthropic получает 1 487 баллов. На Chartography, тесте распознавания визуальных диаграмм, Sonnet 5.5 прыгает с 15,6% до 61,6%.

Ранние тестировщики описали Sonnet 5.5 как более естественного собеседника с чувством дизайна. По утверждению Anthropic, модель умеет переделывать интерфейсы и выполнять шаблоны слайдов так, что результат почти не требует правок. Компания также заявляет, что Sonnet 5.5 — первая модель серии Sonnet, способная пройти Pokémon Red, используя только скриншоты.

Цена и защита

Цена за миллион токенов не изменилась по сравнению с Sonnet 5: $2 за входные, $10 за выходные и $0,20 за чтение кэша. Поскольку модель тратит меньше токенов на задачу, эффективные затраты падают до 30%. Независимое тестирование этих заявлений ещё предстоит.

Как и другие модели Anthropic, Sonnet 5.5 предлагает настраиваемый уровень усилий, позволяющий обменивать стоимость и скорость на качество. На низких и средних настройках модель уже обходит лучшие результаты Sonnet 5 на нескольких бенчмарках примерно при одной десятой стоимости за задачу. Подбор подходящего уровня под конкретную задачу пока остаётся скорее искусством, чем наукой.

Поскольку Sonnet 5.5 значительно сильнее предшественника в кибербезопасности, Anthropic впервые добавляет защитные механизмы в модель серии Sonnet. Запросы, связанные с высокорисковыми задачами в этой области, будут заметно перенаправляться на Sonnet 5. Через расширенную программу Cyber Verification Program квалифицированные специалисты смогут подать заявку на уровне доступа. Компания также добавила классификаторы против атак дистилляции — те же, что используются в самых мощных моделях. Насколько эти меры работают, станет ясно в ближайшие месяцы.