Представлен Sonnet 4.6 — лишь чуть хуже Opus 4.6

Anthropic выпустила Claude Sonnet 4.6 — обновленную версию своей средней модели, которая на ряде бенчмарков вплотную приближается к флагманскому Opus 4.6, а кое-где его обходит. Цена осталась прежней: $3/$15 за миллион токенов — примерно в 1,7 раза дешевле Opus.

На SWE-bench Verified (агентное программирование) Sonnet 4.6 набрал 79,6% против 80,8% у Opus 4.6. На OSWorld (управление компьютером) — 72,5% против 72,7%. На офисных задачах GDPval-AA модель и вовсе обогнала Opus: 1633 против 1606 баллов Elo. Самый заметный прогресс по сравнению с предшественником Sonnet 4.5 — на бенчмарке ARC-AGI-2 (нестандартные задачи): результат вырос с 13,6% до 58,3%, то есть более чем вчетверо.

Sonnet 4.6 стал дефолтной моделью в claude.ai и Claude Cowork для бесплатных и Pro-пользователей. В бета-режиме доступно контекстное окно на 1 млн токенов. Компания отмечает, что разработчики с ранним доступом часто предпочитали Sonnet 4.6 даже прежнему Opus 4.5, выпущенному в ноябре 2025 года.

Отдельно Anthropic выделяет прогресс в computer use — возможности модели управлять компьютером как человек. Компания первой запустила эту функцию в октябре 2024 года, тогда назвав её «экспериментальной и склонной к ошибкам». За 16 месяцев результаты Sonnet на OSWorld выросли с начальных значений до 72,5%. По оценке компании, модель вышла на уровень человека в задачах вроде навигации по таблицам и заполнения веб-форм.

Релиз Sonnet 4.6 продолжает тренд, при котором "средние" модели догоняют флагманы предыдущего поколения. У конкурентов похожая картина: GPT-5.2 Pro обходит Sonnet 4.6 по graduate-level reasoning (93,2% против 89,9%), но уступает на ARC-AGI-2 и офисных задачах. Gemini 3 Pro проигрывает Sonnet 4.6 почти по всем метрикам, кроме визуального мышления без инструментов graduate-level reasoning и мультиязычных задач.

P.S. Поддержать меня можно подпиской на канал "сбежавшая нейросеть", где я рассказываю про ИИ с творческой стороны.