Sonnet 5.5 обошёл Opus 5.5 в Terminal-Bench 4.0

В Terminal-Bench 4.0, тесте на многошаговую работу агента в командной строке, новая модель Anthropic набрала 70,6%. У Sonnet 5 было 10,3%, у старшей Opus 5.5 66,4%. При этом Anthropic сама пишет, что в сложной открытой работе Opus 5.5 остаётся заметно сильнее.

Цена за токены не изменилась: 2 доллара за миллион входных и 10 за миллион выходных. Но Sonnet 5.5 тратит на ту же работу меньше токенов, поэтому, по тестам Anthropic, задача выходит до 30% дешевле, а ответ генерируется более чем на 30% быстрее.

Среди Sonnet эта модель первой получила киберзащиту, как у Opus 5.5. Рискованные запросы по кибербезопасности заметно переключаются на Sonnet 5, а обычный поиск и исправление багов работают как раньше.

Sonnet 5.5 уже доступен на всех платформах, включая AWS, Google Cloud и Azure, а Haiku 5.5 обещают в ближайшие недели.