Anthropicは月曜日、中位クラスの新モデル「Claude Sonnet 5.5」を公開した。先代モデルと比べて処理が3割超高速化し、タスク当たりのコストも最大3割低く抑えられると説明している。
主なポイント
- コーディング試験「Terminal-Bench 4.0」でSonnet 5.5は70.6％を記録。Sonnet 5の10.3％から大幅に向上。
- Anthropicの最上位モデル向けだったサイバーセキュリティ機能を初めて標準搭載。
- 独立ベンチマークの一つでは、最大負荷時にはSonnet 5よりタスク当たりコストが高いとの結果も報告。
Claude Sonnet 5.5のベンチマーク
同社の発表によれば、Sonnet 5.5は「Claude 5.5」シリーズで2番目のモデルであり、フラッグシップ版「Claude Opus 5.5」の公開からわずか6日後に追加投入されたかたちだと説明している。
位置づけとしては、Opus 5.5の“相棒”となる高速・低コストモデルで、要件が明確な日常業務、バグ修正、資料・スライド・スプレッドシートの仕上げといった用途向けに設計。料金は入力トークン100万件あたり2ドル、出力トークン100万件あたり10ドルとしている。
エージェント型コーディング試験の「Terminal-Bench 4.0」では、Sonnet 5.5は70.6％を記録。Sonnet 5の10.3％、より高価なOpus 5.5の66.4％を上回った。また、長期的なタスク遂行能力と画像理解力を測る指標として用いられる「ポケモン赤」をスクリーンショットのみでクリアした初のSonnetモデルにもなったとしている。
モデルは現在、Amazon Web Services、Google Cloud、Microsoft Azureを含むAnthropicの全プラットフォーム上で提供されている。同社は、より大量処理とコスト重視のユースケースを狙った小型モデル「Claude Haiku 5.5」も数週間以内に投入する計画で、これにより3モデル構成が出そろう見通しだ。
関連記事: OpenAI、9月20日の「サンドボックス脱出」後にフロンティアAI開発を減速
Sonnet 5.5の安全策とコスト構造
Anthropicはプレスリリースで、Epic Gamesの最高執行責任者（COO）であるDaniel Vogel氏のコメントを引用。同氏は、初期テストの段階でゲームプレイシステムに関する数万行規模のコードを扱わせたとしたうえで、「より上位クラスのモデルと同水準の品質基準をクリアした」と評価した。
サイバー関連能力がOpus 5に匹敵することから、Sonnet 5.5は、これまでAnthropicが最上位モデル専用としていたセキュリティ・セーフガードを初めて標準搭載するSonnetとなった。日常的なバグ修正処理は影響を受けない一方、リスクの高いサイバー関連リクエストについては、画面上でわかるかたちでSonnet 5へフォールバックさせる。推論過程の抽出を試みるプロンプトについても、新たな分類器によってブロックするとしている。
一方で、コスト削減効果については評価が割れている。調査会社Artificial Analysisは、最大性能を引き出す条件でのベンチマークにおいて、タスク当たり加重コストを7.60ドルと試算。Sonnet 5の5.09ドルより高くなった一方で、総合指標スコアは38から56へと上昇したとしている。
今回の投入は、9月22日のOpus 5.5発表に続くものだ。Anthropicは当時、フラッグシップ価格を2割引き下げ、入力トークン100万件あたり4ドル、出力トークン100万件あたり20ドルに改定。典型的なワークロードにおいて、Opus 5比で約4割のコスト削減と3割超の出力高速化が見込めるとしていた。同日にOpenAIも「GPT-6 Sol」と「GPT-6 Luna」を発表し、いずれも従来モデルの半額水準に設定している。
