Claude Sonnet 5.5 מגיע עם מהירות גבוהה יותר ומחיר אסימון קבוע

Anthropic שחררה את Claude Sonnet 5.5, הדגם השני במשפחת Claude 5.5. הוא זמין במוצרי Claude וב-API של החברה, וגם דרך Amazon Bedrock, Google Cloud ו-Microsoft Azure. מחיר האסימונים נשאר 2 דולר למיליון אסימוני קלט ו-10 דולר למיליון אסימוני פלט; קריאה מן המטמון עולה 20 סנט למיליון אסימונים.

החברה מציגה אותו כדגם לעבודה יומיומית מוגדרת היטב: תיקון באגים, יצירת מסמכים, מצגות וגיליונות, ומשימות שמערבות שימוש ממושך בכלים. לפי Anthropic, קצב הפלט גבוה ביותר מ-30% לעומת Sonnet 5, והעלות הכוללת למשימה יכולה לרדת בעד 30% בזכות פחות קריאות לכלים ופחות אסימונים. אלה נתוני השקה של החברה, והחיסכון בפועל תלוי בסוג המשימה ובהגדרות המאמץ.

שיפור גדול במבחן, עם הסתייגות חשובה

Anthropic מדווחת על ציון 70.6% ב-Terminal-Bench 4.0 לעומת 10.3% ל-Sonnet 5. הפער חריג בגודלו, ולכן צריך לקרוא אותו יחד עם תנאי המבחן ועם השינויים במערכת ההרצה. החברה עצמה מציינת שבמאמץ המרבי היו מקרים שבהם הדגם השיג תוצאה חלשה יותר מהגדרת xhigh, בין היתר מפני שהפעיל תתי-סוכנים לבדיקת קוד, הגיע למגבלת זמן או הרחיב את היקף השינוי.

CodeRabbit, שקיבלה גישה מוקדמת, בחנה את Sonnet 5.5 במשימות סקירת קוד והשוותה אותו ל-Opus 5.5. זו בדיקה של ספק שעובד עם המודל ואינה תחליף למדידה עצמאית רחבה, אבל היא מספקת פרטים שימושיים יותר מציון יחיד. llmwise פרסמה חמש הרצות כתיבה דרך אותה תשתית שבה היא בוחנת דגמים אחרים; הדגם עבר ארבע מהן ונכשל באחת בגלל חריגה ממגבלת אורך.

שינוי גם במדיניות האבטחה

זהו דגם Sonnet הראשון שמקבל חלק ממנגנוני ההגנה ש-Anthropic הפעילה עד כה בדגמי Opus עבור סיכוני סייבר. החברה יכולה להעביר בקשות בסיכון גבוה לדגם קודם ומוגבל יותר. מנגנוני הבטיחות בתחום הביולוגי לא השתנו. Anthropic גם מתארת מסווגים לזיהוי ניסיון לזקק את יכולות הדגם ושמירה של תהליך החשיבה לצורכי בקרה.

בבדיקה אוטומטית של 1,850 תרחישים החברה לא מצאה ראיה לכך שלדגם יש מטרות סותרות משלו. היא מוסיפה שהערכות כאלה עלולות להחמיץ כשלים. זו הבחנה חשובה: היעדר כשל במערך בדיקות אינו הוכחה להתנהגות בטוחה בכל סביבת עבודה.

יש גם פרט תפעולי למי שמכבה את מצב החשיבה המורחבת: Anthropic מציינת שצריך להפעיל את הגדרת between_tools כדי לאפשר לדגם לחשוב בין קריאות לכלים. בלי בדיקה של ההגדרה הזאת, השוואה לדגם קודם עלולה למדוד תצורה שונה במקום את יכולת הדגם.

למפתחים, ההחלטה המעשית היא לבדוק את הדגם על משימות אמיתיות עם אותה תשתית, מגבלת זמן ורמת מאמץ שבהן הוא ירוץ בייצור. כדאי למדוד זמן כולל, מספר קריאות לכלים, עלות למשימה ושיעור תיקונים אנושיים. Anthropic מספקת מספרים מבטיחים וזמינות רחבה כבר ביום ההשקה. עדיין חסרות מדידות עצמאיות לאורך זמן, בעיקר על משימות מרובות שלבים ועל ההשפעה של מנגנוני הסייבר החדשים.