- % 61,4ko errendimendua du OSWorld-en eta SWE-bench-en lehena da egiaztatuta.
- 30 ordu baino gehiagoz zeregin konplexuak kudeatzen ditu eta 64.000 token arte sortzen ditu
- Claude Code-ren eta agenteentzako Claude Agent SDK berriaren eguneraketak
- Segurtasun hobetua (ASL-3) eta prezio bera: 3 $/15 $ milioi token bakoitzeko
Anthropic-ek Claude Sonnet 4.5 kaleratu du, programazioan, agenteetan eta ordenagailuen kontrolean oinarritutako eboluzio bat, plataforma ingurune profesionaletan finkatzea helburu duena. Maila altuko lehiakideak dituen paisaia batean, konpainiak bertsio hau bere... ingeniaritza-lanetarako eredu finduagoa eta erabilgarriagoa Orain arte
Bertsio berriak Sonnet familiaren ibilbidean oinarritzen da, aurreko iterazioetan arrazoiketa eta kodeketa hobetu baitzituen. Oinarri horretan oinarrituta, 4.5 bertsioak esparru praktikoa zabaltzea du helburu, aurrerapenekin... arretaren, tresnen erabileraren eta produktibitatearen iraunkortasuna, segurtasunean eta lerrokatzean estrategia zuhurra mantenduz.
Gaitasun nagusiak eta errendimendu hobekuntzak
Antropikoaren arabera, Claude Sonnet 4.5 gai da 30 ordu baino gehiagoz arreta mantentzeko zeregin konplexuetan. eta urrats anitzekoa, testuinguruaren jarraitutasuna behar den proiektu luzeak hobesten dituena. Gainera, gehienezko emaitzak onartzen ditu 64.000 token erantzun bakarrean, eta erantzun aurretik “pentsatzeko denbora” doitzeko kontrolak eskaintzen ditu, abiadura eta xehetasuna behar den moduan orekatuz.
Ordenagailuaren aurrean egindako benetako zereginetan, Konpainiak % 61,4ko emaitza izan duela jakinarazi du OSWorld-en, aurrekoaren % 42,2tik gorako igoera nabarmena proba berean.Egoera praktikoetan, ereduak egin dezake arakatu weba, bete kalkulu-orriak eta egin ekintzak mahaigaineko aplikazioetan Chrome luzapenetik, erabiltzaileen etengabeko jarraipena murriztuz.
Lurraldea. Programazioak hobekuntza gehienak kontzentratzen dituSWE-bench Verified ebaluazioan, benetako munduko proiektuetan aplikatutako kodeketan oinarritu zena, Sonnet 4.5ek %77,2rekin gidatzen du (konputazio paraleloan kopurua handitzen duten konfigurazioekin). Anthropic-ek proposatzen du ereduak garapen-ziklo osoa estaltzea: kode-base handien plangintza, inplementazioa, berregituraketa eta mantentze-lanak.
Garapen hutsaz harago, Antropikoak fluxu luzeak eta urratsen koordinazioa behar dituzten erabilerak identifikatzen ditu.Zibersegurtasunetik eta finantzetatik hasi eta bulegoko produktibitateraino eta barne eta kanpoko datuak erabiliz egindako ikerketaraino. Testuinguru hauetan, promesa agente egonkorragoetan datza, epe luzerako lana koherentzia galdu gabe mantentzeko gai direnetan.
Garatzaileen tresnak eta ekosistema
Abiarazpena honekin batera dator Zer dago berria Claude Code-n?: kontrolak aurrerapena gordetzeko eta aurreko egoeretara itzultzeko, adibidez bertsioaren historia, One terminal interfaze berritua, Visual Studio Code-rako jatorrizko luzapena eta testuinguruaren eta memoriaren edizioaren hobekuntzak APIaren bidez zeregin luzeagoak exekutatzeko.
Anthropic-ek estreinatuko du, halaber, Claude Agent SDK, enpresak bere agenteak eraikitzeko erabiltzen duen azpiegitura errepikatzen duenaKitak epe luzeko memoriarako, baimen-sistemetarako eta azpiagenteen koordinaziorako tresnak eskaintzen ditu, helburu komunak lortzeko lankidetzan aritzen diren irtenbide automatizatuak sortzea erraztuz eta tresnekin konexioa ziurtatzen dutenak, hala nola: WireGuard.
Osagarri gisa, Enpresak aldi baterako gaitzen du “Imajinatu Clauderekin”, eredua nola funtzionatzen duen ikusteko aukera ematen digun erakustaldi bat softwarea denbora errealean sortzen du Ez dago kode aurrez definiturik. Aurrebista honek, denbora mugatu batez erabiltzaile gehienentzat eskuragarri, ereduak sorkuntza interaktiboan duen potentziala erakusten du.
Segurtasuna, lerrokatzea eta erresilientzia
Anthropic-ek Sonnet 4.5 barne hartzen du bere babes mailan 3. mailako IA segurtasuna (ASL-3), eduki arriskutsuak detektatzeko trebatutako iragazkiekin, batez ere CBRN arriskuekin lotutakoak. Konpainiak murriztu egin duela dio positibo faltsuak hamar aldiz handiagoak sailkatzaile hauen hasierako bertsioarekin alderatuta, eta eskaintzen ditu Segurtasun blokeoa gertatzen bada, Sonnet 4-rekin elkarrizketaren jarraipena.
Aldi berean, enpresak ziurtatzen du Ereduak nahi ez diren jokabideak murrizten ditu, hala nola lausengua edo erantzun engainagarriak, eta saiakeren aurkako defentsak indartzen ditu. berehalako injekzioaNeurri hauek erabilera bat adierazten dute fidagarriagoa enpresa-inguruneetan, non ekintza automatizatuen exekuzioak kontrolak eta trazabilitatea behar dituen.
Erabilgarritasuna, plataformak eta prezioak
Claude Sonnet 4.5 Claude.ai-n eskuragarri dago (weba, iOS eta Android) eta garatzaileentzat Claude Developer Platform bidez, Amazon Bedrock eta Google Cloud Vertex AI bezalako zerbitzuetan integratuta. Doako planak bost orduro berrezartzen den saio-muga eta eskaeraren araberako mezu kopuru aldakorra ditu. Prezioak berdinak dira.milioi bat sarrera token bakoitzeko 3 dolar eta milioi bat irteera token bakoitzeko 15 dolar.
Sarbide-ezaugarri berrien artean, Clauderen Chrome luzapena Max erabiltzaileentzat zabaltzen ari da. aurretik itxaron-zerrendan izena emanda. Erreferentzia-puntuek aurreko iterazioekin alderatuta hobekuntza nabarmenak iradokitzen dituzten arren, Anthropic-ek adierazi du benetako errendimendua erabilera-kasuaren eta zeregin bakoitzerako konfiguratutako arrazoiketa-aurrekontuaren araberakoa dela.
Kodeketan egindako aurrerapenen, agenteen autonomia handiagoaren eta segurtasunean arreta zorrotzagoa jartzearen konbinazioarekin, Claude Sonnet 4.5 aukera sendo gisa kokatzen da prozesu luzeetan jarraitutasuna eta kontrola behar duten talde teknikoentzat, kostu egonkorrak eta Anthropic-en dagoeneko zabaldutako ekosistemarekin bateragarritasuna mantentzea.
Bere "geek" interesak lanbide bihurtu dituen teknologia zalea naiz. Nire bizitzako 10 urte baino gehiago eman ditut punta-puntako teknologia erabiltzen eta era guztietako programak moldatzen jakin-min hutsagatik. Orain informatikako teknologian eta bideo-jokoetan espezializatu naiz. Izan ere, 5 urte baino gehiago daramatzadala teknologia eta bideo-jokoen inguruko hainbat webgunetan idazten, denontzat ulergarria den hizkuntza batean behar duzun informazioa eman nahi duten artikuluak sortzen.
Zalantzarik baduzu, nire ezagutza Windows sistema eragilearekin zerikusia duen guztia eta baita telefono mugikorretarako Android ere barne hartzen du. Eta nire konpromisoa zurekin da, beti prest nago minutu batzuk pasatzeko eta Interneteko mundu honetan izan ditzakezun zalantzak konpontzen laguntzeko.