- Et leeschtet 61,4% an OSWorld a féiert an der SWE-Bench Verifizéiert
- Behandelt komplex Aufgaben fir méi wéi 30 Stonnen a generéiert bis zu 64.000 Tokens
- Aktualiséierunge vum Claude Code an dem neie Claude Agent SDK fir Agenten
- Verbessert Sécherheet (ASL-3) a gläiche Präis: $3/$15 pro Millioun Tokens
Anthropic huet Claude Sonnet 4.5 erausbruecht, eng Evolutioun déi sech op Programméierung, Agenten a Computerkontroll konzentréiert a probéiert d'Plattform a professionelle Ëmfeld ze konsolidéieren. An enger Landschaft mat héije Konkurrenten beschreift d'Firma dës Verëffentlechung als hir ... e méi raffinéiert a nëtzlecht Modell fir Ingenieursaufgaben bis deen Datum.
Déi nei Versioun baut op der Erfahrung vun der Sonnet-Famill op, déi d'Argumentatioun an d'Programméierung schonn a fréiere Versioune verbessert huet. Op dëser Basis zielt d'Versioun 4.5 drop of, de prakteschen Ëmfang mat Fortschrëtter an ... ze erweideren. Persistenz vun der Opmierksamkeet, dem Gebrauch vun Tools a Produktivitéit, eng virsiichteg Strategie a punkto Sécherheet an Ausriichtung ze behalen.
Schlësselfäegkeeten a Leeschtungsverbesserungen
Laut Anthropeschem, De Claude Sonnet 4.5 ass fäeg, sech méi wéi 30 Stonnen op komplex Aufgaben ze konzentréieren. a méistufeg, wat laang Projeten favoriséiert, wou Kontinuitéit vum Kontext erfuerderlech ass. Et ënnerstëtzt och Resultater vu bis zu 64.000 Tokens an enger eenzeger Äntwert, a bitt Kontrollen fir d'"Denkzäit" virum Äntweren unzepassen, andeems Geschwindegkeet an Detailer no Bedarf ausbalancéiert ginn.
Bei richtegen Aufgaben virum Computer, D'Firma mellt 61,4% an OSWorld, e bemierkenswäerte Sprong vun 42,2% bei hirem Virgänger am selwechten Test.A praktesche Szenarie kann de Modell am Internet surfen, Tabellenkalkulatiounen ausfëllen an Aktiounen ausféieren an Desktop-Applikatiounen aus der Chrome-Erweiderung, wat d'kontinuéierlech Benotzeriwwerwaachung reduzéiert.
D'Land vun D'Programméierung konzentréiert sech op déi meescht VerbesserungenAn der SWE-bench Verified Evaluatioun, déi sech op d'Programméierung konzentréiert huet, déi op real Projeten ugewannt gouf, Sonnet 4.5 féiert de Wee mat 77,2% un. (mat Konfiguratiounen, déi d'Zuel ënner parallelem Rechenprozess erhéijen). Den Anthropic proposéiert, datt de Modell de ganze Entwécklungszyklus ofdeckt: Planung, Ëmsetzung, Refactoring a Maintenance vu grousse Codebasen.
Iwwer déi reng Entwécklung eraus, Anthropie identifizéiert Uwendungen, déi verlängert Fléiss a Koordinatioun vu Schrëtt erfuerderen.Vu Cybersécherheet a Finanzen bis hin zu Büroproduktivitéit a Fuerschung mat internen an externen Daten. An dëse Kontexter läit d'Verspriechen a méi stabilen Agenten, déi fäeg sinn, laangfristeg Aarbecht ze maachen, ouni un Konsistenz ze verléieren.
Entwécklertools an Ökosystem
De Start kënnt begleet vun Wat gëtt et Neies bei Claude Code: Kontrollpunkte fir de Fortschrëtt ze späicheren an op déi fréier Zoustänn zréckzekommen, wéi z.B. Versioun Geschicht, een nei iwwerschafft Terminal-Interface, nativ Erweiderung fir Visual Studio Code a Verbesserunge vun der Kontext- an der Speicherbearbeitung iwwer d'API fir méi laang Aufgaben auszeféieren.
Anthropic huet och Première Claude Agent SDK, déi d'Infrastruktur replizéiert, déi d'Firma benotzt fir hir eegen Agenten opzebauenDe Kit bitt Tools fir Langzäitgedächtnis, Berechtigungssystemer a Koordinatioun vun Ënneragenten, wat d'Schafung vun automatiséierte Léisungen erliichtert, déi op gemeinsam Ziler hinarbeiten an eng sécher Konnektivitéit mat Tools wéi z.B. WireGuard.
Als Ergänzung, D'Firma erméiglecht temporär "Imagine with Claude", eng Demonstratioun déi et eis erlaabt ze observéieren, wéi de Modell generéiert Software a Echtzäit Kee virdefinéierte Code. Dës Virschau, déi fir eng limitéiert Zäit fir Max Benotzer verfügbar ass, illustréiert de Potenzial vum Modell fir interaktiv Kreatioun.
Sécherheet, Ausriichtung a Widderstandsfäegkeet
Anthropic enthält Sonnet 4.5 a sengem Schutzniveau KI-Sécherheetsniveau 3 (ASL-3), mat Filteren, déi trainéiert sinn, fir geféierlechen Inhalter z'entdecken, besonnesch déi, déi mat CBRN-Risiken zesummenhänken. D'Firma behaapt, datt se reduzéiert gouf. falsch Positiver ëm e Faktor vun zéng am Verglach mat der initialer Versioun vun dëse Klassifizéierer, an offréiert Kontinuitéit vun der Konversatioun mam Sonnet 4 am Fall vun enger Sécherheetssperrung.
Parallel garantéiert d'Firma, datt Dëst Modell reduzéiert ongewollt Verhalen wéi Schmeichelei oder täuschend Reaktiounen a stäerkt d'Verteidegung géint Versich, ... prompt InjektiounDës Moossname weisen op eng Notzung hin méi zouverlässeg a Firmenëmfeld, wou d'Ausféierung vun automatiséierten Aktiounen Kontrollen an Traçabilitéit erfuerdert.
Disponibilitéit, Plattformen a Präisser
Claude Sonnet 4.5 ass op Claude.ai verfügbar (Web, iOS an Android) an fir Entwéckler iwwer d'Claude Developer Plattform, mat Integratioun a Servicer wéi Amazon Bedrock a Google Cloud Vertex AI. De gratis Plang funktionéiert mat enger Sessiounslimit, déi all fënnef Stonnen zréckgesat gëtt, an enger variabeler Zuel vu Messagen op Ufro. D'Präisser bleiwen déiselwecht.3 $ pro Millioun Input-Tokens an 15 $ pro Millioun Output-Tokens.
Ënnert den neien Zougangsfunktiounen, D'Chrome-Extensioun vum Claude gëtt fir Max-Benotzer verfügbar. virdru op der Waardelëscht ageschriwwen. Obwuel d'Benchmarks wesentlech Verbesserungen am Verglach zu fréiere Versiounen uginn, bemierkt Anthropic, datt déi tatsächlech Leeschtung vum Benotzungsfall an dem Budget ofhänkt, deen fir all Aufgab konfiguréiert ass.
Mat enger Kombinatioun vu Fortschrëtter am Programméiere, méi grousser Autonomie fir Agenten an engem méi strenge Fokus op Sécherheet, De Claude Sonnet 4.5 ass als eng gutt Optioun positionéiert. fir technesch Équipen, déi Kontinuitéit a Kontroll a laange Prozesser brauchen, stabil Käschten a Kompatibilitéit mam scho installéierten Ökosystem vun Anthropic erhalen.
Ech sinn en Technologie-Enthusiast, deen seng "Geek" Interesse an e Beruff ëmgewandelt huet. Ech hu méi wéi 10 Joer vu mengem Liewen verbruecht mat modernste Technologie a mat all Zorte vu Programmer aus purer Virwëtzegkeet ze manipuléieren. Elo hunn ech op Computertechnologie a Videospiller spezialiséiert. Dëst ass well ech zënter méi wéi 5 Joer fir verschidde Websäiten iwwer Technologie a Videospiller geschriwwen hunn, Artikelen erstallt déi probéieren Iech d'Informatioun ze ginn déi Dir braucht an enger Sprooch déi jidderee verständlech ass.
Wann Dir Froen hutt, da läit mäi Wëssen vun allem wat mam Windows Betriebssystem verbonnen ass, souwéi Android fir Handyen. A mäi Engagement ass fir Iech, ech sinn ëmmer bereet e puer Minutten ze verbréngen an Iech ze hëllefen all Froen ze léisen déi Dir an dëser Internetwelt hutt.