एजेंटिक क्षमताओं बेसलाइन बन जाते हैं
एंथ्रोपिक ने आधिकारिक तौर पर क्लाउड सोनेट 5 को पेश किया है - इसके मध्य आकार के मॉडल का एक नया संस्करण जो उपयोगकर्ताओं की एक विस्तृत श्रृंखला के लिए एजेंटिक वर्कफ़्लो को सुलभ बनाता है। कंपनी के अनुसार, मॉडल स्वतंत्र रूप से योजनाओं को बना सकता है, एक ब्राउज़र और टर्मिनल का उपयोग कर सकता है, और निरंतर पर्यवेक्षण के बिना पूर्ण कार्य करता है - स्वायत्तता का एक स्तर जिसे हाल ही में आवश्यक फ्लैगशिप और महंगे समाधान तक। Sonnet 5 की रिहाई के साथ, यह स्पष्ट है कि एजेंटिक विशेषताएं अब शीर्ष स्तरीय मॉडलों की प्रीग्रेगेटिव नहीं हैं और हर कीमत खंड के लिए मानक बन रहे हैं। प्रतियोगिता अब मूल्य और विश्वसनीयता की ओर बदल रही है, बल्कि केवल "एजेंटिक" क्षमताओं की उपस्थिति के बजाय।
प्रदर्शन और मूल्य निर्धारण
डेवलपर्स का वादा है कि क्लाउड सोनेट 5 ओपस 4.8 के करीब परिणाम देता है, लेकिन बहुत कम कीमत पर। 30 जून से शुरू होकर, मॉडल मुक्त और प्रो योजनाओं में डिफ़ॉल्ट मॉडल बन जाता है, और सभी सदस्यताओं में भी उपलब्ध है। लॉन्च में, एक विशेष मूल्य प्रभावी है: $ प्रति मिलियन इनपुट टोकन और $ 10 प्रति मिलियन आउटपुट टोकन 31 अगस्त तक, जिसके बाद कीमत क्रमशः $ 15 तक बढ़ जाएगी।
एन्थ्रोपिक के अनुसार, नया मॉडल काफी हद तक अपने पूर्ववर्ती - सोनेट 4.6 को दर्शाता है, फरवरी में जारी - तर्क, उपकरण उपयोग, कोड लेखन और ज्ञान कार्य में। एजेंटिक कोडिंग बेंचमार्क पर, सोनेट 5 स्कोर 63.2%, जबकि ओपस 4.8 स्कोर 69.2% और सोनेट 4.6 स्कोर 58.1%। उसी समय, ज्ञान परीक्षणों में, सोननेट 5 भी थोड़ा बेहतर प्रदर्शन ओपस 4.8। एंथ्रोपिक जोर देता है कि ओपस 4.8 अधिकतम सटीकता के लिए विकल्प रहता है, लेकिन सोनेट 5 डेवलपर्स को बहुत कम लागत वाले विकल्प देता है। उपयोगकर्ता दो मॉडलों के बीच प्रयास के स्तर को समायोजित कर सकते हैं, प्रदर्शन और बजट का सही संतुलन चुन सकते हैं।
मूल्य के संदर्भ में, Sonnet 5 की तुलना में सस्ता है GPT-5.5 गूगल से ओपनएआई और जेमिनी 3.1 प्रो से, लेकिन जेमिनी 3.5 फ्लैश की तुलना में अधिक महंगा है।
सुरक्षा और डेवलपर छाप
जिन परीक्षकों की प्रतिक्रिया एन्थ्रोपिक ने ध्यान दिया कि क्लाउड सोनेट 5 को पूरा करने के लिए जटिल कार्यों को पूरा करने में बेहतर है, जबकि पिछले संस्करण अक्सर आधे रास्ते को बंद कर देते हैं। मॉडल भी अपने खुद के परिणामों की जाँच करता है, यहां तक कि जब नहीं कहा जाता है। उदाहरण के लिए, डैनियल Shepard, जैपियर में एक वरिष्ठ इंजीनियर ने कहा कि सोननेट 5 ने स्टार्ट-अप करने के लिए दो-भाग का कार्य पूरा किया: इसने सेल्सफोर्स में खातों को अद्यतन किया और उद्यम संपर्कों की घोषणा की। इससे पहले, उसके अनुसार, इसी तरह के परिदृश्यों में "ढकना" होगा।
सुरक्षा के लिए, नया मॉडल अक्सर अवांछनीय व्यवहार को प्रदर्शित करता है: यह दुर्भावनापूर्ण अनुरोधों को रोकने में बेहतर है, इंजेक्शन को प्रेरित करने के लिए अधिक लचीला है, अक्सर कम हो जाता है, और सोननेट 4.6 की तुलना में sycophancy से कम होता है। उसी समय, यह अभी भी ओपस 4.8 और क्लाउड मैथोस पूर्वावलोकन को गलत व्यवहार का विरोध करने की क्षमता में पीछे छोड़ देता है। एंथ्रोपिक ने यह भी नोट किया कि सोननेट 5 में वर्तमान ओपस मॉडल की तुलना में खतरनाक साइबर सुरक्षा कार्यों को करने की काफी कम क्षमता है। Fabian Hedin, Lovable के सह संस्थापक ने पुष्टि की कि क्लाउड सोनेट 5 "स्वच्छ और लगातार असुरक्षित अनुरोधों से इनकार कर दिया"।
