Anthropic, Sonnet 5.5’i piyasaya sürdü: Kodlamada Opus 5.5’i yarı fiyatına geride bıraktı

Anthropic, Claude Sonnet 5.5’i pazartesi günü piyasaya sürdü. Model, haziran ayında piyasaya çıkan Sonnet 5’in yükseltilmiş sürümü. Anthropic, Sonnet 5.5’in Sonnet 5’ten %30’dan fazla hızlı çalıştığını belirtiyor. Anthropic, modelin fiyatını girdi tokenı başına milyon token için 2 dolar, çıktı tokenı başına milyon token için 10 dolar olarak belirledi. Bu fiyatlar, Opus 5.5’in fiyatlarının yarısı. Sonnet 5.5, görev başına Sonnet 5’ten neredeyse üçte bir daha az token kullanıyor; bu da çalıştırma maliyetini düşürüyor. Sonnet 5.5, Terminal-Bench 4.0’da %70,6 puan aldı. Opus 5.5 testte %66,4, Sonnet 5 ise %10,3 puan aldı. Terminal-Bench 4.0, bir yapay zekâ ajanının komutları bağımsız biçimde yazarak karmaşık mesleki görevleri tamamlayıp tamamlayamadığını ölçüyor. Bağımsız bir test kuruluşu olan Artificial Analysis, Sonnet 5.5’e testin kendi sürümünde %63,6 puan verdi. Artificial Analysis, Opus 5.5’i %59,6, OpenAI’ın GPT-6 Astra modelini ise %59,1 puanla değerlendirdi. Anthropic’e göre Sonnet 5.5, yüksek çaba düzeyinde FrontierCode’da GPT-6 Sol ile görev başına maliyetin yaklaşık beşte biri karşılığında aynı sonucu veriyor. Sonnet 5.5, 44 meslekteki profesyonel işleri Elo sıralamalarıyla ölçen GDPval-AA testinde 1.844 puan aldı. Opus 5.5, makalenin Sonnet 5.5 ile fiilen berabere kaldığı şeklinde nitelendirdiği 1.846 puana ulaştı. GPT-6 Sol 1.487 puan aldı. Artificial Analysis, Sonnet 5.5’i Opus 5.5’in ardından ikinci sıraya koyuyor. Artificial Analysis’e göre Sonnet 5.5, test ettiği tüm modellerden daha fazla token kullandı. Sonnet 5.5, azami çaba düzeyinde test başına yaklaşık 193.000 token üretti; bu, Artificial Analysis’ın şimdiye kadar ölçtüğü en yüksek miktar. Bu ayarda her görev 7,60 dolara mal oldu. Bu, Sonnet 5’in görev başına maliyetinden yaklaşık %50 daha fazlaydı ve Anthropic’in %30’a varan tasarruf iddiasıyla çelişiyor. Anthropic, uygulamalarında varsayılan ayar olan orta çaba düzeyindeki Sonnet 5.5’in, Sonnet 5’in en iyi kodlama puanını maliyetin onda birinden daha azına elde ettiğini söylüyor. Artificial Analysis, en iyi fiyat-performans dengesini yüksek çaba düzeyinin sunduğunu belirtiyor. OpenAI, geçen hafta GPT-6 Sol’un fiyatını girdi tokenı başına milyon token için 2 dolara, çıktı tokenı başına milyon token için 10 dolara indirdi. GPT-5.6 Terra’nın fiyatı girdi tokenı başına milyon token için 2 dolar, çıktı tokenı başına milyon token için 12 dolar. Anthropic, Terra için herhangi bir kıyaslama sonucu yayımlamadı. Anthropic’in tablosu şirketin kendi bildirimine dayanıyor. Artificial Analysis, yayımlanmamış bir sürümü bir hatayla birlikte test etti. Anthropic, hatanın sonuçları çok az değiştirdiğini ya da puanlarını bir miktar düşük göstermiş olabileceğini düşünüyor. Anthropic, uzun süreli muhakeme gerektiren karmaşık işlerde Opus 5.5’in hâlâ açıkça daha güçlü olduğunu söylüyor. Claude Haiku 5.5, yüksek hacimli ve maliyet hassasiyeti bulunan uygulamalar için geliştirildi ve önümüzdeki haftalarda kullanıma sunulacak.