Anthropic представила Claude Sonnet 5.5
Anthropic представила Claude Sonnet 5.5. Это вторая модель семейства Claude 5.5. Первой стала Claude Opus 5.5, вышедшая 22 сентября 2026 года. Claude Haiku 5.5 для массовых и бюджетных задач компания обещает выпустить в ближайшие недели.
Для чего модель
Sonnet 5.5 рассчитана на чётко поставленные повседневные задачи. Она исправляет ошибки в коде, готовит документы, презентации и таблицы. Тестировщики отметили её чувство дизайна: модель аккуратно оформляет интерфейсы и заполняет шаблоны слайдов так, что колоды почти не нужно править. В одном внутреннем тесте модели дали квартальную отчётность публичной компании, стенограммы звонков и шаблон. Требовалось собрать операционный обзор на 10 слайдов. Два эксперта признали первый черновик готовым к отправке без правок.
Сложную открытую работу, где нужно долго взвешивать решения, Anthropic по-прежнему рекомендует поручать Opus 5.5. По словам компании, это подтвердили и внутренние, и внешние тесты.
Результаты тестов
В Terminal-Bench 4.0, агентном тесте на работу в командной строке, Sonnet 5.5 набрала 70,6%. У Sonnet 5 этот показатель 10,3%. У Opus 5.5 на максимальном уровне усилия 66,4%.
Другие результаты Sonnet 5.5 (для Sonnet 5 и Opus 5.5 цифры даны по порядку):
- CursorBench 4.0: 55,5% (34,1% и 57,8%).
- GDPval-AA v2.1, задачи из 44 профессий: 1844 балла (1449 и 1846). У GPT-6 Sol 1487.
- AA-Briefcase v1.1: 1811 (1359 и 1822). У GPT-6 Sol 1483.
- Humanity’s Last Exam с инструментами: 64,5% (54,9% и 67,7%).
- OSWorld 2.1, работа с компьютером: 80,1% (57,0% и 81,8%).
- Chartography, распознавание графиков: 61,6% (15,6% и 64,4%). У GPT-6 Sol 53,6%.
Модель также первой в линейке Sonnet прошла Pokémon Red, пользуясь только скриншотами. В FrontierCode при высоком уровне усилия она набрала на 10 пунктов больше Sonnet 5, а задача обошлась примерно в 15 раз дешевле. В Terminal-Bench для GPT-6 Sol результатов нет, поэтому в графиках Anthropic использовала GPT-5.6 Sol.
Что говорят тестировщики
В Epic Games сообщили, что модель справилась с аудитом архитектуры и разбором потоков данных на уровне модели старшего класса. Она вела десятки тысяч строк кода для игровых систем и выдерживала многочасовые задачи. В Slack отметили, что без смены промптов Sonnet 5.5 обошла Sonnet 5 почти во всех офлайн-тестах Slackbot. Она использовала меньше шагов и примерно на 14% меньше выходных токенов. Тестировщики также заметили, что модель быстро разбирается в кодовой базе и чаще объединяет вызовы инструментов.
Цены и скорость
Цены Sonnet 5.5 не изменились по сравнению с Sonnet 5. Миллион входных токенов стоит $2, миллион выходных $10, чтение из кэша $0,20, запись в кэш $2,50. У Opus 5.5 это $4, $20, $0,20 и $5 соответственно.
Экономия получается за счёт того, что модель тратит заметно меньше токенов на ту же работу. По тестам Anthropic, задача обходится до 30% дешевле. Генерация идёт на 30% и более быстрее, это самая быстрая модель Sonnet на сегодня. На части тестов Sonnet 5.5 на низком или среднем уровне усилия обходит лучший результат Sonnet 5 при стоимости задачи около одной десятой.
В Claude Code и приложениях по умолчанию стоит средний уровень усилия, на Claude Platform высокий.
Безопасность
Anthropic проверила модель на 1850 сценариях автоматического аудита поведения. По большинству показателей выравнивания, устойчивости к злоупотреблениям и честности Sonnet 5.5 не хуже Sonnet 5 или лучше. В тестах на удержание в изолированной среде она реже других моделей компании проверяет границы контейнера. Opus 5.5 в целом остаётся чуть надёжнее. Признаков целей, противоречащих намерениям пользователя, компания не нашла, но оговаривает, что никакой набор тестов не ловит все сбои.
Киберспособности модели выросли заметно, поэтому Sonnet 5.5 стала первой в линейке с киберзащитой, как у самых мощных моделей Anthropic. Рутинная разработка, включая поиск и исправление ошибок, работает как раньше. Запросы повышенного риска система откроет на Sonnet 5, и пользователь это увидит. Скоро специалисты по киберзащите смогут подать заявку на расширенный доступ через Cyber Verification Program. В биологии действуют те же ограничения, что у Sonnet 5. Часть запросов по микробиологии и вирусологии может блокироваться ошибочно, организации могут обратиться в Life Sciences Verification Program.
Ещё одно новшество: классификаторы против извлечения рассуждений модели. Так Anthropic защищается от дистилляции, когда злоумышленники с тысяч фальшивых аккаунтов копируют возможности модели. Сохранённые «мысли» модели теперь привязаны к аккаунту, где они созданы. Большинство разработчиков изменений не заметят. Тем, кто переносит диалоги между аккаунтами, стоит прочитать документацию.
