Claude Sonnet 5.5 эми VEGA'да жеткиликтүү
Anthropic Claude Sonnet 5.5 моделин чыгарды. Бул Opus 5.5тен кийинки Claude 5.5 үй-бүлөсүндөгү экинчи модель. Ал күнүмдүк иштер үчүн Sonnet 5тин түз жаңыртылган версиясы: мүчүлүштүктөрдү оңдоо, так документтерди, слайддарды жана электрондук жадыбалдарды түзүү, ошондой эле кодду окуп чыгуу.
Модель платформабызда иштеп жатат. Claude Sonnet 5.5 vega.chat сайтындагы моделдер тизмесинде жеткиликтүү. Ал ошондой эле интуитивдүү код жазуу жана агенттер үчүн API'биз api.vega.chat'та эң мыкты баада сунушталат.
Sonnet 5тен берки өзгөрүүлөр
Код жазуудагы көрсөткүчтөр эң чоң өсүштү көрсөтөт. Агенттик код жазууну баалоочу Terminal-Bench 4.0 сынагында модель Sonnet 5тин 10.3% көрсөткүчүнө салыштырмалуу 70.6% алды. Чыныгы код жазуу сессияларынын негизинде түзүлгөн CursorBench сынагында ал Sonnet 5тин 34.1% көрсөткүчүнө салыштырмалуу 55.5% жетти. Алгачкы сыноочулардын айтымында, Sonnet 5.5 бейтааныш код базасын ылдамыраак окуп, куралдарга кайрылууларды бириктирет, ошондуктан тапшырмалар азыраак кадам менен бүтөт.
Билимге негизделген иштердин көрсөткүчү да жогорулады. Ондогон кесиптердеги чыныгы тапшырмаларды баалаган GDPval-AA сынагында Sonnet 5.5 Sonnet 5тин 1449 көрсөткүчүнө салыштырмалуу 1844 упай алды. Бул Opus 5.5тин 1846 упайына жакын. Anthropic анын дизайнга болгон жөндөмүн да белгилейт: интерфейстер тыкан чыгып, шаблондон даярдалган слайд топтомдорун аз гана оңдоо керек болот.
Жооп Sonnet 5ке караганда 30%дан ашык ылдамыраак түзүлөт. Белгилей кетчү бир нерсе: бул — Pokemon Red оюнун экран сүрөттөрүн гана колдонуп бүтүргөн биринчи Sonnet модели.
Бенчмарк көрсөткүчтөрү
| Бенчмарк | Sonnet 5.5 | Sonnet 5 | Opus 5.5 |
|---|---|---|---|
| Terminal-Bench 4.0 (агенттик код жазуу) | 70.6% | 10.3% | 66.4% |
| FrontierCode 1.1 (Main) | 46.2% | 42.4% | 54.4% |
| CursorBench 4.0 | 55.5% | 34.1% | 57.8% |
| GDPval-AA v2.1 (билимге негизделген иштер) | 1844 | 1449 | 1846 |
| Humanity's Last Exam (куралдар менен) | 64.5% | 54.9% | 67.7% |
| OSWorld 2.1 (компьютерди колдонуу) | 80.1% | 57.0% | 81.8% |
| Chartography (диаграммаларды таануу) | 61.6% | 15.6% | 64.4% |
Anthropic бенчмарктар жалпы көрүнүштүн бир бөлүгүн гана көрсөтөрүн белгилейт. Өздөрү жүргүзгөн сыноолордо узак убакыт бою тынымсыз баам-парасат талап кылган татаал, так аныкталбаган иштерде Opus 5.5 күчтүүрөөк бойдон калат. Sonnet 5.5 азыраак аракет талап кылынган жөндөөлөрдө өзгөчө ылайыктуу: ал тез жооп берип, сапатын жогору сактайт.
Коопсуздук
Автоматташтырылган жүрүм-турум аудитинде Sonnet 5.5 көпчүлүк көрсөткүчтөр боюнча Sonnet 5ке тең же андан жакшы натыйжа көрсөттү. Бул — эң жөндөмдүү моделдер үчүн иштелип чыккан деңгээлдеги киберкоопсуздук чаралары менен чыккан биринчи Sonnet модели, анткени анын киберкоопсуздук мүмкүнчүлүктөрү Opus 5тин мүмкүнчүлүктөрүнө салыштырмалуу. Биологиялык коопсуздук чаралары Sonnet 5тегидей бойдон калды. Экөө тең жогорку тобокелдиктеги суроо-талаптардын чектелүү тобуна багытталган; күнүмдүк иштеп чыгуу жана биология илимдериндеги иштердин басымдуу бөлүгү чектөөлөргө кабылбайт.
VEGA'да колдонуп көрүңүз
Эң татаал жана так аныкталбаган долбоорлор үчүн Opus 5.5 мурдагыдай эле мыкты тандоо бойдон калат. Ал эми тез кайталоо, так чектери белгиленген тапшырмалар, код жана күн сайын колдонгон документтер үчүн Sonnet 5.5 ылайыктуу. Көп көлөмдөгү иштер үчүн үй-бүлөнү кийин Haiku 5.5 толуктайт.
vega.chat сайтына кирип, моделдер тизмесинен Claude Sonnet 5.5ти тандап, биринчи тапшырмаңызды жөнөтүңүз. Агенттер же код жардамчылары менен иштесеңиз, api.vega.chat аркылуу туташыңыз.