Claude Sonnet 5 在基準測試中匹敵 Opus — 但價格更低
anthropic 發布了 claude sonnet 5，其在基準測試中擊敗了前代產品 sonnet 4.6，並在編程和知識工作等任務上逼近更昂貴的 opus 4.8。這標誌著“更小、更智能”的趨勢正在加速，以更低的價格提供接近頂級的性能。
Anthropic 發布了 Claude Sonnet 5，將其宣傳為迄今為止最具代理性的模型版本，具有改進的規劃和瀏覽器及終端工具使用能力。基準測試結果表明，與 Sonnet 4.6 相比有明顯的提升，Sonnet 5 在 SWE-bench Pro（編碼）上得分 63.2%，在 OSWorld-Verified（電腦使用）上得分 81.2%，縮小了與 Opus 4.8 的差距。值得注意的是，它在 GDPVal-AA v2 知識工作基準測試中獲得了 1,618 分，略微超過了 Opus 4.8 的 1,615 分。該模型的發布是在美國政府阻止 Mythos 5 和 Fable 5 之後，Anthropic 表示 Sonnet 5 沒有經過網路任務訓練，並具有新的安全措施來降低被利用的風險。