Claude Sonnet 5.5 Endi VEGA’da
Anthropic Claude Sonnet 5.5’ni, Opus 5.5’dan keyin Claude 5.5 oilasining ikkinchi modelini, taqdim etdi. U kundalik odatiy ishlar — xatolarni tuzatish, tushunarli hujjatlar, slaydlar va elektron jadvallar tayyorlash hamda kodni ko‘zdan kechirish — uchun Sonnet 5’ning bevosita yangilangan versiyasidir.
U allaqachon platformamizda mavjud. Claude Sonnet 5.5’ni vega.chat saytida model tanlash ro‘yxatidan topishingiz mumkin. Shuningdek, u vibe-kodlash va agentlar uchun mo‘ljallangan API’miz api.vega.chat’da ham eng qulay narxda mavjud.
Sonnet 5’dan nimalar o‘zgardi
Eng yaqqol o‘sish kod yozish ko‘rsatkichlarida ko‘rinadi. Agentlardan foydalanib kod yozishni baholovchi Terminal-Bench 4.0’da model Sonnet 5’ning 10.3% natijasiga qarshi 70.6% ball oladi. Haqiqiy kod yozish seanslari asosida tuzilgan CursorBench’da esa Sonnet 5’ning 34.1% natijasiga qarshi 55.5% ga erishadi. Dastlabki sinovchilar Sonnet 5.5 notanish kod bazasini tezroq o‘rganishi va vositalarga yuboriladigan so‘rovlarni birlashtirishi, shu bois vazifalar kamroq bosqichda bajarilishini aytishmoqda.
Bilim talab qiladigan ishlar ko‘rsatkichlari ham oshdi. Turli kasblardagi real vazifalarni tekshiruvchi GDPval-AA’da Sonnet 5.5 1844 ball oldi; Sonnet 5 1449 ball, Opus 5.5 esa 1846 ball olgan. Anthropic uning dizaynni yaxshi his qilishini ham ta’kidlaydi: interfeyslar yanada sayqallangan ko‘rinadi, shablon asosida yaratilgan taqdimotlarni esa ozgina tahrirlash kifoya.
Natijalar Sonnet 5’ga qaraganda 30% dan ortiq tezroq yaratiladi. Yana bir e’tiborga molik jihat: bu faqat skrinshotlardan foydalanib Pokemon Red’ni o‘yin oxirigacha o‘ynab tugatgan ilk Sonnet modelidir.
Sinov natijalari
| Sinov | Sonnet 5.5 | Sonnet 5 | Opus 5.5 |
|---|---|---|---|
| Terminal-Bench 4.0 (agentlar yordamida kod yozish) | 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 (bilim talab qiladigan ishlar) | 1844 | 1449 | 1846 |
| Humanity's Last Exam (vositalar bilan) | 64.5% | 54.9% | 67.7% |
| OSWorld 2.1 (kompyuterdan foydalanish) | 80.1% | 57.0% | 81.8% |
| Chartography (diagrammalarni tanib olish) | 61.6% | 15.6% | 64.4% |
Anthropic sinov natijalari voqeaning faqat bir qismini ko‘rsatishini qayd etadi. O‘z sinovlarida Opus 5.5 uzoq vaqt davomida puxta mulohaza yuritishni talab qiladigan murakkab, ochiq turdagi ishlarda hamon kuchliroq. Sonnet 5.5 esa kamroq kuch sarflash sozlamalarida ayni muddao: u tez javob beradi va yuqori sifatni saqlab qoladi.
Xavfsizlik
Avtomatlashtirilgan xulq-atvor auditida Sonnet 5.5 aksariyat ko‘rsatkichlar bo‘yicha Sonnet 5 bilan teng yoki undan yaxshiroq natija ko‘rsatadi. U eng kuchli modellarga mo‘ljallangan darajadagi kiberxavfsizlik himoyasi bilan taqdim etilgan ilk Sonnet modelidir, chunki uning kiberxavfsizlik imkoniyatlari Opus 5’nikiga qiyoslanadi. Biologiya sohasidagi himoya choralari Sonnet 5 bilan bir xil qoladi. Ikkala himoya ham yuqori xavfli so‘rovlarning tor doirasiga qaratilgan; odatiy dasturlash va hayot fanlari sohasidagi ishlarning aksariyatiga ta’sir qilmaydi.
VEGA’da sinab ko‘ring
Eng murakkab, ochiq turdagi loyihalar uchun Opus 5.5 eng yaxshi tanlov bo‘lib qoladi. Tezkor takrorlash, aniq belgilangan vazifalar, kod va har kuni ishlatadigan hujjatlar uchun esa uning yonida Sonnet 5.5 bor. Ko‘p hajmdagi ishlar uchun Haiku 5.5 keyinroq oilani to‘ldiradi.
vega.chat saytini oching, modellar ro‘yxatidan Claude Sonnet 5.5’ni tanlang va birinchi vazifangizni yuboring. Agentlar yoki kod yordamchilari bilan ishlasangiz, api.vega.chat orqali ulaning.