😒 آنتروپیک از Claude Sonnet 5 رونمایی کرد

⚙️ مدل جدید Claude Sonnet 5 می‌تواند وظایف چندمرحله‌ای را برنامه‌ریزی کند از وب و ترمینال استفاده کند و بسیاری از کارها را بدون نیاز به راهنمایی مداوم کاربر به صورت خودکار انجام دهد.

😄 براساس نتایج رسمی Anthropic عملکرد Sonnet 5 نسبت به Sonnet 4.6 پیشرفت قابل توجهی داشته است. امتیاز این مدل در بنچمارک Terminal-Bench از 67 درصد به 80.4 درصد رسیده و در SWE-bench Pro نیز از 58.1 درصد به 63.2 درصد افزایش یافته است. همچنین در بخش استدلال و استفاده از ابزارها عملکرد آن بسیار نزدیک به مدل پرچمدار Opus 4.8 است.

👈 نکته جالب این نسخه عملکرد آن در آزمون GDPval-AA v2 است. Sonnet 5 امتیاز 1618 را به دست آورده که حتی کمی بالاتر از امتیاز 1615 مدل Opus 4.8 است.

📌 به گفته Anthropic Sonnet 5 علاوه بر بهبود توانایی در استدلال و کدنویسی پاسخ‌های خود را نیز به صورت خودکار بازبینی می‌کند تا خطاها کمتر شوند. این مدل با وجود عملکردی نزدیک به Opus 4.8 با هزینه بسیار پایین‌تری ارائه شده و به همین دلیل یکی از جذاب‌ترین گزینه‌ها برای توسعه ایجنت‌های هوش مصنوعی محسوب می‌شود.