Anthropic выпустила Claude Sonnet 5 и явно целится не в верхушку лидербордов, а в экономику агентов. Модель среднего класса заявлена как способная строить планы, пользоваться инструментами вроде браузера и терминала и работать автономно на уровне, который ещё недавно требовал заметно более крупных и дорогих моделей.
Цифры расставляют всё по местам. На агентном кодинге Sonnet 5 показывает 63,2% против 69,2% у Opus 4.8 — разрыв есть, и он честный. Зато на knowledge-work задачах Sonnet 5 старший флагман слегка обходит. Цена: $2 за миллион входных и $10 за миллион выходных токенов по стартовому прайсу, действующему до 31 августа, после чего тариф поднимается до $3/$15. Это дешевле Opus 4.8, GPT-5.5 и Gemini 3.1 Pro — хотя дороже Gemini 3.5 Flash. Со дня релиза Sonnet 5 становится моделью по умолчанию для пользователей free- и Pro-планов.
По безопасности Anthropic отчитывается об уменьшении доли нежелательного поведения, более уверенных отказах на вредоносные запросы и меньшем количестве галлюцинаций по сравнению с Sonnet 4.6 — но честно оговаривается, что до профиля Opus 4.8 модель не дотягивает. В тот же день компания анонсировала Claude Science — рабочее окружение для учёных по образу Claude Code — и возвращение Fable 5 с 1 июля, вместе с предложением отраслевого фреймворка оценки серьёзности джейлбрейков, подготовленного совместно с Amazon, Microsoft, Google и другими.
Что это значит на практике. Главный эффект Sonnet 5 — не в бенчмарках, а в том, что он сдвигает точку равновесия в роутинге «дорогая модель против дешёвой». Но считать выгоду нужно правильно. Шесть процентных пунктов разрыва на агентном кодинге — это не абстракция: на сложном рефакторинге более слабая модель делает больше итераций, чаще уходит в тупик и переписывает то, что уже написала, а каждая итерация — это полный контекст в счёт. Вполне реальный сценарий, когда «дешёвая» модель обходится дороже дорогой просто потому, что доезжает до результата за пять заходов вместо одного. Единица измерения, на которую стоит смотреть, — стоимость решённой задачи, а не стоимость токена. Прогоните обе модели на своём типовом наборе задач, сравните полную стоимость до зелёных тестов — и только потом переключайте роутер. И отдельно: промо-цена $2/$10 живёт до 31 августа. Строить на ней unit-экономику продукта — верный способ получить полуторакратный рост расходов первого сентября.
Комментарии