Claude Sonnet 5 在基准测试中匹敌 Opus — 但价格更低
anthropic 发布了 claude sonnet 5，其在基准测试中击败了前代产品 sonnet 4.6，并在编程和知识工作等任务上逼近更昂贵的 opus 4.8。这标志着“更小、更智能”的趋势正在加速，以更低的价格提供接近顶级的性能。
Anthropic 发布了 Claude Sonnet 5，将其宣传为迄今为止最具能动性的版本，具有改进的规划和浏览器、终端的工具使用能力。基准测试结果表明其相比 Sonnet 4.6 有明显提升，Sonnet 5 在 SWE-Bench Pro（编码）上得分 63.2%，在 Osworld-Verified（计算机使用）上得分 81.2%，缩小了与 Opus 4.8 的差距。值得注意的是，它在 GDPVal-AA v2 知识工作基准测试中得分 1,618，略微超过 Opus 4.8 的 1,615。此次发布是在美国政府阻止 Mythos 5 和 Fable 5 之后，Anthropic 表示 Sonnet 5 没有接受网络任务的训练，并具有新的安全措施来减轻利用风险。