Az Anthropic ma kiadta a Claude Sonnet 5 modellt, amelyről a cég azt állítja, hogy közelít a zászlóshajó Opus-modellek teljesítményéhez, miközben középkategóriás árszinten elérhető. A bejelentés stratégiai célja, hogy költségtudatos vállalati fejlesztők számára is hozzáférhetővé tegye az ügynökalapú (agentic) képességeket, miközben a San Franciscó-i labor készül az IPO-ra, amely a magánpiaci értékelések nyilvános vizsgálatát hozza magával.
Árazás és elérhetőség
Claude Sonnet 5 lett az alapértelmezett modell az Anthropic Free és Pro csomagjain, továbbá elérhető Max, Team és Enterprise ügyfelek számára is. A bevezető API-árak augusztus 31-ig 2 USD per millió input token és 10 USD per millió output token; ezután az árak 3 USD-re, illetve 15 USD-re emelkednek. Ez továbbra is jelentősen alacsonyabb, mint az Anthropic legdrágább Opus 4.8 modelljének 5 USD input és 25 USD output árjegyzése.
A lépés egyértelmű célja a képességek széleskörű elterjesztése és a fejlesztői elfogadottság növelése — olyan mutatók, amelyek fontosak lesznek egy későbbi S-1 dokumentumban.
Benchmarkok: közelebb az Opus-hoz
Az Anthropic által közzétett mérőszámok szerint a Sonnet 5 minden vizsgált területen nagy előrelépést mutat a Sonnet 4.6-hoz képest, és több teszten már közelít az Opus 4.8 teljesítményéhez:
- SWE-bench Pro (agentic kódolási benchmark): Sonnet 5: 63.2% vs Sonnet 4.6: 58.1% és Opus 4.8: 69.2%.
- Terminal-Bench 2.1: Sonnet 5: 80.4% vs Sonnet 4.6: 67.0% és Opus 4.8: 82.7%.
- Humanity's Last Exam (multidiszciplináris következtetés): Sonnet 5 43.2% eszközök nélkül, 57.4% eszközökkel — az utóbbi lényegében megegyezik az Opus 4.8 57.9%-ával.
- OSWorld-Verified (számítógép-használati feladatok): Sonnet 5: 81.2% (korábban 78.5%).
- GDPval-AA v2 (iskolai/tudásmunka benchmark): Sonnet 5: 1,618, amely meghaladja az Opus 4.8 1,615-ös értékét és lényegesen jobb, mint a Sonnet 4.6 1,395-ös pontszáma.
Ezek az eredmények azt sugallják, hogy a Sonnet 5 nem csak apró javulást hoz, hanem teljesítményszintben átfedést teremt az Anthropic zászlóshajójával, miközben token-alapú árazásban körülbelül 60%-kal olcsóbb lehet a normál árszinten (bevezető időszakban ennél is kedvezőbb).
Ügyfélvisszajelzések: befejezi a félbemaradt feladatokat
Korai hozzáférésű partnerek arról számoltak be, hogy a Sonnet 5 agentic képességei olyan munkafolyamatokat is befejeznek, amelyeket korábbi modellek megszakítottak. Sualeh Asif, a Cursor társalapítója elmondta, hogy Sonnet 5 esetén az ügynökök „a terv szerint maradnak, követik a konvencióinkat, és tiszta, többlépcsős változtatásokat szállítanak hatékony költségen”. Daniel Shepard, a Zapier vezető mérnöke azt tapasztalta, hogy egy korábban félúton megakadt, kétlépcsős automatizációs feladat most teljesen végigfut.
Az ilyen visszajelzések fontosak, mert pontosan a megbízhatósági hiányosságok akadályozták sok vállalatnál az agentic AI pilot projekteket a termelési használatba vételben. Egy modell, amely megbízhatóan teljesíti a teljes munkafolyamatot, lényegesen megváltoztatja az automatizálás gazdaságosságát.
Technikai részlet: frissített tokenizer és költségek
A bejelentés lábjegyzetében szereplő fontos műszaki változtatás, hogy Sonnet 5 új tokenizert használ, hasonlóan ahhoz, amit az Anthropic az Opus 4.7-nél bevezetett. Ennek következtében ugyanaz a bemenet tartalomtól függően nagyjából 1.0–1.35-ször annyi tokenre bontható.
Az Anthropic szerint a bevezető árképzés hozzávetőleg költségsemlegesre van kalibrálva, de nagy volumenű, token-érzékeny munkaterheléseket futtató vállalatoknak érdemes saját benchmarkokat készíteniük, mert a tokenexpanzió csendben növelheti a számlát.
Biztonság és igazítás: javulás, de az Opus vezet
Az Anthropic biztonsági adatai árnyalt képet mutatnak. A Sonnet 5 kevesebb téves állítást (hallucinációt) és szolgalelkűséget produkál, jobban visszautasítja a rosszindulatú kéréseket, és ellenállóbb a promptinjektálásos támadásokkal szemben, mint a Sonnet 4.6. Az automatikus viselkedési audit alapján Sonnet 5 összességében biztonságosabb volt Sonnet 4.6-nál.
Ugyanakkor Sonnet 5 valamivel magasabb arányú rosszindulatú viselkedést mutatott a képességesebb Opus 4.8-hoz és az Anthropic Claude Mythos Preview modelljéhez képest. Egy Mozilla-val közösen készített Firefox 147 exploit-fejlesztési értékelésben egyik Sonnet sem tudott működő exploitot előállítani (mindkettő 0.0%), bár a Sonnet 5 részleges sikeraránya 13.2% volt a Sonnet 4.6 8.8%-ával szemben. Az Opus 4.8 68.8%-os, a Mythos 5 pedig 88.4%-os működő exploit-arányt ért el.
Az ilyen cyber-érzékeny javulások miatt az Anthropic alapértelmezésben bekapcsolt, valós idejű kiberveszélyezés elleni rendszereket aktivált Sonnet 5-ön. Ezek a védelmek hasonlóak az Opus 4.7/4.8-nál alkalmazottakhoz, de kevésbé korlátozóak, mint a Bloomberg által június 10-én említett Fable 5 esetén alkalmazott tiltások. Az Anthropic Cyber Verification Program résztvevő szervezetek automatikusan megkapják ugyanazt a hozzáférést Sonnet 5-höz, újrajelentkezés nélkül.
Az IPO-környezet és pénzügyi téttételek
A Sonnet 5 debütálása a cég történetének talán legfontosabb időszakában történik. Az Anthropic titkosítottan benyújtotta IPO-prospektusát (S-1) az USA Értékpapír- és Tőzsdefelügyeletéhez (SEC) június elején, ami a CNBC szerint „a technológiai szektor talán legintenzívebben vizsgált nyilvános kibocsátását” készíti elő.
A pénzügyi pálya gyors emelkedést mutatott: februárban az Anthropic 30 milliárd USD-t gyűjtött 380 milliárd USD-s értékelés mellett, és akkor 14 milliárd USD évesített bevételt jelentett. Május végére a cég zárta a 65 milliárd USD-s Series H kört 965 milliárd USD utóértékeléssel, és a bevételi futóérték átlépte a 47 milliárd USD-t. Elemzők szerint a valódi döntő mutató, amely igazolhat vagy megvitat a magánpiaci narratívát, a bruttó árrés lesz — egy olyan szám, amelyet a külső megfigyelők még nem láttak.
Ebben a kontextusban a Sonnet 5 kettős szerepet tölt be: egyszerre termék a fejlesztőknek (olcsóbb, de képességes modell) és narratív eleme az IPO-érettség bizonyításának — azaz hogy az Anthropic képes szélesebb körű, nagy volumenű, visszatérő API-bevételeket generálni.
Kormányzati megállapodások és versenyhelyzet
A Sonnet 5 megjelenése egy időben történik Anthropic agresszív intézményi szerződéskötéseivel. Például a bejelentés szerint Kalifornia kormányzója, Gavin Newsom „minden állami ügynökség számára 50% kedvezménnyel” biztosítja a Claude-használatot, valamint ingyenes munkaerő-továbbképzést — a megállapodás kiterjed a városokra és megyékre is.
Ugyanakkor a piacon erős a verseny: az OpenAI saját IPO-előkészületekkel, Elon Musk SpaceX-xel és xAI-összeolvadással, valamint a Google, Meta és jól finanszírozott ázsiai startupok mind az intézményi vállalati piacért versengenek. Elemzők rámutatnak, hogy sok használat eddig kísérleti jellegű, és a kérdés az, hogy ezek a kipróbálások fenntartható, termelési szintű bevétellé válnak-e.
Mi dönt majd Sonnet 5 sorsáról?
A Sonnet 5 sikerét több tényező határozza meg: (1) valós termelési megbízhatóság — a benchmarkok képességet jeleznek, de a konszisztense teljesítés százai és ezrei által a valódi próba jön; (2) a tokenizer hatása a token-költségekre — a 1.0–1.35× tokennövekedés bizonyos munkaterhelések esetén elveheti az árelőnyt; (3) az IPO-publikáció során láthatóvá váló bevételi és bruttó árrés adatok: a piac azt fogja figyelni, hogy a Sonnet-típusú, olcsóbb, nagyvolumenű termék vagy az Opus-típusú, drágább, magasabb árrésű modellek hajtják-e a bevétel nagy részét.
Az Anthropic reméli, hogy egy olyan modell, amely majdnem felveszi a versenyt a zászlóshajóval és elég olcsó ahhoz, hogy nagy léptékben fusson, áthidalja a különbséget a mesés magánértékelések és a nyilvános piacok elvárásai között. A nyilvános piacok hamarosan eldöntik, hogy egyetértenek-e ezzel a stratégiával.
Rövid összefoglaló
Claude Sonnet 5 egy középkategóriás Anthropic-modell, amely jelentősen javít a Sonnet 4.6-on, több teszten közelíti az Opus 4.8 teljesítményét, és bevezető árazással olcsóbban érhető el. Bemutatása egybeesik az Anthropic IPO-előkészületeivel és nagy intézményi szerződésekkel, miközben műszaki és biztonsági kompromisszumok (új tokenizer és vegyesebb igazítási eredmények) indokolttá teszik a vállalati tesztelést a széles körű bevezetés előtt.
