Claude Sonnet 5 rend l'écart de prix avec Opus plus difficile à justifier

Anthropic a publié Claude Sonnet 5, son nouveau modèle de milieu de gamme conçu pour améliorer considérablement les capacités agentiques, la planification, l'utilisation d'outils et l'opération autonome, sans le prix de ses homologues de la classe Opus. Disponible aujourd'hui sur les forfaits Free, Pro, Max, Team et Enterprise, ainsi que dans Claude Code et via l'API Claude, Sonnet 5 est présenté comme réduisant l'écart de performance avec Opus 4.8 tout en offrant des économies substantielles. anthropic-launches-claude-mythos-5-its-most-powerful-model-for-cybersecurity-and-biology-research-with-strict-access-controls

Selon Anthropic, le modèle marque un bond significatif par rapport à son prédécesseur, Sonnet 4.6, sur des indicateurs clés incluant le raisonnement, l'utilisation d'outils, le codage et le travail de connaissance. Les évaluations internes de l'entreprise montrent que Sonnet 5 surpasse Sonnet 4.6 sur une large gamme de benchmarks, y compris les évaluations de recherche agentique et d'utilisation d'ordinateur. Dans certains cas, la performance de Sonnet 5 à effort élevé correspond à celle d'Opus 4.8. cuga-ibms-open-source-agent-harness-lets-you-build-apps-with-just-a-prompt-and-tool-list

Tarification et disponibilité

Sonnet 5 est lancé avec un tarif de lancement de 2 $ par million de tokens d'entrée et 10 $ par million de tokens de sortie jusqu'au 31 août 2026. Après cela, la tarification standard s'applique, à 3 $ par million de tokens d'entrée et 15 $ par million de tokens de sortie. Anthropic note que Sonnet 5 utilise un tokenizer mis à jour, similaire au changement introduit avec Opus 4.7, ce qui peut augmenter le nombre de tokens d'environ 1,0 à 1,35 fois selon le contenu. Le tarif de lancement est conçu pour rendre la transition à peu près neutre en termes de coût pour les utilisateurs. anthropic-boosts-claude-api-rate-limits-streamlines-tiers-to-three

Le modèle est le paramètre par défaut pour les utilisateurs de Free et Pro, et est disponible pour les abonnés Max, Team et Enterprise. Anthropic a également augmenté les limites de débit sur Chat, Cowork, Claude Code et la plateforme Claude pour gérer une utilisation plus élevée de tokens à des niveaux d'effort accrus. Les utilisateurs peuvent ajuster le paramètre d'effort pour équilibrer le coût et la performance.

Performance agentique : témoignages des premiers partenaires

Les retours des partenaires d'accès anticipé d'Anthropic ont été constamment positifs. Les développeurs et organisations ont décrit un modèle qui termine des tâches complexes là où les modèles Sonnet précédents s'arrêtaient, qui vérifie ses propres résultats sans incitation et qui fonctionne de manière autonome à un prix attractif.

Joe Spisak, directeur produit chez Meta, a déclaré : Claude Sonnet 5 donne à nos agents une couche d'exécution solide pour le travail d'ingénierie logicielle en plusieurs étapes. Il gère bien le codage soutenu, l'utilisation d'outils et le débogage dans des contextes techniques complexes, et a été particulièrement utile pour les workflows où le suivi et la base technique sont importants.

CoSailor a décrit un test réel : Nous avons confié à Claude Sonnet 5 un travail en deux parties, mettre à jour les niveaux de comptes Salesforce, envoyer une annonce de lancement aux contacts entreprise, et il a terminé de bout en bout. Avant, cela s'arrêtait à mi-chemin.

Henrik Torstensson, fondateur de Lovable, a salué le comportement sécuritaire du modèle : Claude Sonnet 5 fait plus avec moins. Même qualité de sortie, moins d'étapes pour y arriver. Il refuse les demandes dangereuses de manière propre et cohérente.

David Byrne de Stripe a noté la compétence de débogage autonome du modèle : J'ai demandé à Claude Sonnet 5 d'enquêter sur un bug. Sans y être invité, il a écrit un test de reproduction, implémenté le correctif, puis l'a mis de côté pour confirmer que le bug revenait sans la modification. Le tout en une seule passe. why-your-ai-agent-might-ace-the-task-but-flunk-the-process-enter-skillcoach

Simon Last de Notion Labs a souligné sa fiabilité dans les modifications de code en plusieurs étapes : Avec Claude Sonnet 5, les agents restent sur le plan, suivent nos conventions et livrent des modifications propres en plusieurs étapes, le tout à un coût efficace.

Scott Wu de Cognition AI a déclaré : Claude Sonnet 5 est à son meilleur sur le code existant, les conditions de concurrence, les tests cachés, les parties que personne ne veut toucher. Il retrace un échec jusqu'à sa cause réelle et livre un correctif durable au lieu de masquer le symptôme.

Peter Wang d'Eve Legal a noté des gains dans la recherche juridique : Claude Sonnet 5 se situe sur la frontière de Pareto pour les tâches de demandeur chez Eve. Nous voyons les gains les plus nets dans la recherche et l'analyse juridiques, avec un rapport qualité-prix qui a rendu la décision de migrer facile.tcs-and-anthropic-partner-to-bring-claude-to-regulated-industries

Nick Ursa de ClickHouse a mis l'accent sur la vitesse : Claude Sonnet 5 raisonne en étapes plus serrées et amène nos utilisateurs aux réponses sensiblement plus vite.

Jack Terrell, PDG de Pace, a observé la fiabilité du modèle en production : Nos agents d'utilisation d'ordinateur exécutent des workflows d'assurance... Claude Sonnet 5 prend constamment la bonne action et le fait rapidement, ce qui est ce que le travail d'assurance réel exige.

Évaluation de la sécurité et mesures de cybersécurité

Les évaluations de sécurité pré-déploiement d'Anthropic ont constaté que Sonnet 5 est globalement plus sûr que Sonnet 4.6, avec des taux plus faibles d'hallucination, de sycophancie et de comportement non aligné. Le modèle a également montré une amélioration dans le refus de demandes malveillantes et la résistance aux attaques par injection de prompt. Cependant, l'audit comportemental automatisé, qui teste une large gamme de comportements indésirables, a constaté que Sonnet 5 présente des taux légèrement plus élevés de comportement non aligné que le modèle plus performant Opus 4.8 et l'aperçu non publié Claude Mythos Preview.

Dans les évaluations de cybersécurité, Sonnet 5 a démontré des performances sensiblement inférieures à Opus 4.8 et Mythos 5 sur des tâches telles que le développement d'exploits logiciels. Par exemple, dans un test impliquant des vulnérabilités du navigateur Firefox, ni Sonnet 4.6 ni Sonnet 5 n'ont jamais produit un exploit complet fonctionnel, tous deux ont obtenu un score de 0,0 %, bien que Sonnet 5 ait montré un taux de succès partiel marginalement plus élevé. Anthropic attribue cela à des améliorations générales de l'intelligence plutôt qu'à un entraînement spécifique aux capacités cyber.

Parce que le taux de succès partiel cyber de Sonnet 5 est légèrement plus élevé que celui de son prédécesseur, Anthropic a lancé le modèle avec des mesures de cybersécurité activées par défaut. Ces mesures, qui détectent et bloquent les usages cyber dangereux en temps réel, sont les mêmes que celles utilisées avec Opus 4.7 et 4.8. Elles sont moins strictes que les mesures déployées avec Fable 5, qui bloquent une gamme beaucoup plus large de tâches de cybersécurité. Anthropic recommande Opus 4.8 pour les travaux de cybersécurité nécessitant des garde-fous réduits. anthropic-launches-claude-fable-5-a-fifth-generation-model-for-extended-autonomous-work

Journal des modifications et note méthodologique

Anthropic a émis une correction post-lancement : la version originale de l'article de blog incluait un graphique coût-performance pour l'évaluation BrowseComp qui utilisait une méthodologie plus simple, sous-estimant la performance de Sonnet 5. Le graphique a été mis à jour pour correspondre à la méthodologie standard décrite dans la carte système, qui utilise un budget de 10 millions de tokens avec compaction et appels d'outils programmatiques.

De plus, les scores de Sonnet 4.6 sur Humanity's Last Exam et OSWorld-Verified ont été mis à jour pour refléter les changements dans le modèle de notation et la méthodologie d'évaluation respectivement.

La carte système Claude Sonnet 5, qui présente les détails complets de l'évaluation et les évaluations de sécurité, est disponible sur le site Web d'Anthropic.