Claude Sonnet 5.5-ն արդեն հասանելի է VEGA-ում
Anthropic-ը թողարկել է Claude Sonnet 5.5-ը՝ Claude 5.5 ընտանիքի երկրորդ մոդելը՝ Opus 5.5-ից հետո։ Այն Sonnet 5-ի ուղղակի կատարելագործված տարբերակն է՝ առօրյա սովորական աշխատանքի համար․ վրիպակներ ուղղելու, հստակ փաստաթղթեր, սլայդներ ու աղյուսակներ կազմելու և կոդն ուսումնասիրելու։
Այն արդեն հասանելի է մեր հարթակում։ Claude Sonnet 5.5-ը հասանելի է vega.chat-ում՝ մոդելների ընտրացանկում։ Այն հասանելի է նաև api.vega.chat-ում՝ մեր API-ում vibe coding-ի և գործակալների համար, լավագույն գնով։
Ինչ է փոխվել Sonnet 5-ից հետո
Կոդավորման ցուցանիշներում ամենամեծ առաջընթացն է նկատվում։ Terminal-Bench 4.0-ում՝ գործակալային կոդավորման գնահատման թեստում, մոդելը հավաքում է 70.6%, մինչդեռ Sonnet 5-ը՝ 10.3%։ CursorBench-ում, որը կազմվել է իրական կոդավորման սեանսների հիման վրա, այն հասնում է 55.5%-ի՝ Sonnet 5-ի 34.1%-ի դիմաց։ Վաղ փորձարկողները հայտնում են, որ Sonnet 5.5-ն ավելի արագ է ուսումնասիրում անծանոթ կոդային բազան և միաժամանակ մի քանի գործիքների կանչեր է կատարում, ինչի շնորհիվ առաջադրանքներն ավարտվում են ավելի քիչ քայլերով։
Առաջընթաց է գրանցվել նաև գիտելիքի վրա հիմնված աշխատանքներում։ GDPval-AA-ում՝ տասնյակ մասնագիտությունների իրական առաջադրանքների թեստում, Sonnet 5.5-ը հավաքում է 1844 միավոր՝ Sonnet 5-ի 1449-ի դիմաց, և մոտ է Opus 5.5-ի 1846 միավորին։ Anthropic-ը նաև նշում է դրա դիզայնի զգացողությունը․ միջերեսներն ավելի հղկված են ստացվում, իսկ ձևանմուշից ստեղծված սլայդաշարերը գրեթե խմբագրման կարիք չեն ունենում։
Պատասխանների գեներացումն ավելի քան 30%-ով արագ է, քան Sonnet 5-ում։ Հարկ է նշել նաև մի ուշագրավ փաստ․ սա առաջին Sonnet-ն է, որն ավարտել է Pokemon Red-ը՝ աշխատելով միայն էկրանի պատկերների հիման վրա։
Համեմատական թեստեր
| Համեմատական թեստ | Sonnet 5.5 | Sonnet 5 | Opus 5.5 |
|---|---|---|---|
| Terminal-Bench 4.0 (գործակալային կոդավորում) | 70.6% | 10.3% | 66.4% |
| FrontierCode 1.1 (հիմնական) | 46.2% | 42.4% | 54.4% |
| CursorBench 4.0 | 55.5% | 34.1% | 57.8% |
| GDPval-AA v2.1 (գիտելիքի վրա հիմնված աշխատանք) | 1844 | 1449 | 1846 |
| Humanity's Last Exam (գործիքներով) | 64.5% | 54.9% | 67.7% |
| OSWorld 2.1 (համակարգչի օգտագործում) | 80.1% | 57.0% | 81.8% |
| Chartography (գծապատկերների ճանաչում) | 61.6% | 15.6% | 64.4% |
Anthropic-ը նշում է, որ համեմատական թեստերը պատմության միայն մի մասն են ներկայացնում։ Սեփական փորձարկումներում Opus 5.5-ը շարունակում է ավելի ուժեղ լինել բարդ, բաց բնույթի աշխատանքներում, որոնք պահանջում են երկարատև դատողություն։ Sonnet 5.5-ն առավել հարմար է ցածր ջանք պահանջող կարգավորումներում, երբ պետք է արագ պատասխանել՝ պահպանելով բարձր որակը։
Անվտանգություն
Ավտոմատացված վարքագծային աուդիտի արդյունքներով Sonnet 5.5-ը չափումների մեծ մասում հավասար է կամ գերազանցում է Sonnet 5-ին։ Սա առաջին Sonnet-ն է, որը թողարկվում է ամենահզոր մոդելների համար նախատեսված դասի կիբերանվտանգության պաշտպանությամբ, քանի որ կիբերանվտանգության ոլորտում դրա հնարավորությունները համադրելի են Opus 5-ի հետ։ Կենսաբանության ոլորտի պաշտպանությունը նույնն է, ինչ Sonnet 5-ում։ Երկուսն էլ նախատեսված են բարձր ռիսկայնության հարցումների նեղ շրջանակի համար, մինչդեռ սովորական ծրագրավորման և կենսագիտությունների ոլորտի աշխատանքների մեծ մասը չի սահմանափակվում։
Փորձեք VEGA-ում
Ամենաբարդ, բաց բնույթի նախագծերի համար Opus 5.5-ը շարունակում է մնալ լավագույն ընտրությունը։ Sonnet 5.5-ը լրացնում է այն արագ կրկնությունների, հստակ սահմանված առաջադրանքների, կոդի և ամենօրյա փաստաթղթերի համար։ Haiku 5.5-ն ավելի ուշ կլրացնի ընտանիքը՝ մեծ ծավալի աշխատանքների համար։
Բացեք vega.chat-ը, մոդելների ցանկից ընտրեք Claude Sonnet 5.5-ը և ուղարկեք ձեր առաջին առաջադրանքը։ Եթե աշխատում եք գործակալների կամ կոդի օգնականների հետ, միացեք api.vega.chat-ի միջոցով։