Sonnet 5 обошла Opus 4.8 в одном тесте и стоит вдвое дешевле: наследник claude 3 7 sonnet

Anthropic позиционирует релиз не через один рекордный показатель, а через надёжность в агентных сценариях: длинные цепочки задач, самоисправление при ошибках инструментов, стабильная работа в многочасовых сессиях. Sonnet 5 заменяет Sonnet 4.6 (claude 3 7 sonnet, внутренний идентификатор claude 3 7 sonnet 20250219), вышедший в феврале 2026 года. Модель уже доступна по умолчанию на бесплатных и Pro-планах, а также в Claude Code и на платформе Claude Platform.

Что именно измеряли?

Anthropic опубликовала таблицу сравнений по пяти бенчмаркам, каждый проверяет отдельный навык модели.

• SWE-bench Pro оценивает агентное программирование: модель получает описание бага в реальном репозитории и должна сама написать исправление и тест.
• OSWorld-Verified проверяет, как модель управляет компьютером: открывает браузер, нажимает кнопки, заполняет формы.
• Terminal-Bench 2.1 тестирует работу в терминале, командной строке разработчика.
• HLE (Humanity's Last Exam, «Последний экзамен человечества») собирает задачи, которые сложны даже для экспертов.
• GDPval-AA v2 измеряет качество экспертной аналитической работы.

Модель предлагает четыре уровня усилий (effort levels): low, medium, high и xhigh (extra high). Чем выше уровень, тем больше токенов модель тратит на «рассуждение», тем точнее ответ, но и тем дороже запрос.

Где Sonnet 5 выигрывает, а где проигрывает?

• На SWE-bench Pro Sonnet 5 набрала 63,2% против 58,1% у Sonnet 4.6: разрыв с флагманом Opus 4.8 (69,2%) сократился почти вдвое.
• На Terminal-Bench 2.1 рост оказался самым заметным: 80,4% против 67,0% у предшественника, разница в 13,4 процентных пункта.
• На HLE Sonnet 5 почти сравнялась с Opus 4.8: 57,4% против 57,9%.
• На GDPval-AA v2 Sonnet 5 обошла Opus 4.8: 1 618 против 1 615. Это единственный бенчмарк, где модель среднего уровня опередила флагман.
• Anthropic заявляет, что Sonnet 5 показывает более низкий уровень галлюцинаций (когда модель уверенно выдумывает несуществующие факты), подхалимства и нежелательного поведения по сравнению с Sonnet 4.6.
• На самых сложных задачах Opus 4.8 по-прежнему точнее.
• На уровне усилий xhigh стоимость запросов к Sonnet 5 может превысить стоимость Opus 4.8 при сопоставимом качестве.

Что делать с этим прямо сейчас?

Авторам Дзена и копирайтерам. Если вы используете Claude через API для генерации или редактуры текстов, переход на Sonnet 5 при уровнях усилий low и medium даст лучшее качество за меньшие деньги, чем Sonnet 4.6. Но пересчитайте бюджет: тот же текст может потребовать на 35% больше токенов из-за нового токенизера. Промпты (prompt), которые вы отлаживали под claude 3 7 sonnet 20250219, стоит протестировать заново, потому что токенизация изменилась.

Разработчикам и маркетологам. Anthropic предлагает простую маршрутизацию: рутинные агентные задачи, автоматизация, работа с инструментами отправляются на Sonnet 5, критичные по точности задачи остаются на Opus 4.8, массовые и быстрые вызовы идут на Haiku 4.5. Вводная цена $2/$10 действует до 31 августа 2026 года, после чего вырастет до $3/$15.

Предпринимателям в РФ и СНГ. Доступ к API Claude из России требует обходных решений, Anthropic не открывала прямой доступ для российских аккаунтов. Из доступных в РФ альтернатив: YandexGPT и GigaChat для текстовых задач, хотя прямого сравнения с Sonnet 5 по этим бенчмаркам нет.

Вводная цена действует два месяца, и это окно стоит использовать для тестирования, а не для немедленного переезда всей инфраструктуры: проверьте реальный расход токенов на ваших данных, прежде чем фиксировать бюджеты на осень.

По данным Anthropic