Anthropic vừa phát hành Claude Sonnet 5.5 vào thứ Hai, cho biết mẫu AI tầm trung mới này chạy nhanh hơn hơn 30% và có thể giảm tới 30% chi phí mỗi tác vụ so với thế hệ trước.
Điểm đáng chú ý:
- Sonnet 5.5 đạt 70,6% trong bài test lập trình Terminal-Bench 4.0, so với 10,3% của Sonnet 5.
- Đây là mẫu Sonnet đầu tiên được tung ra kèm bộ bảo vệ an ninh mạng vốn chỉ dành cho dòng cao cấp của Anthropic.
- Một benchmark độc lập cho thấy chi phí mỗi tác vụ ở chế độ tối đa còn cao hơn Sonnet 5.
Các chỉ số benchmark của Claude Sonnet 5.5
Đây là mẫu thứ hai trong họ Claude 5.5, ra mắt chỉ sáu ngày sau bản đầu bảng Claude Opus 5.5, theo thông báo triển khai mà công ty công bố.
Anthropic định vị Sonnet 5.5 là “đàn em” nhanh hơn, rẻ hơn của Opus 5.5, tối ưu cho các tác vụ thường nhật được định nghĩa rõ ràng, sửa lỗi phần mềm, cũng như soạn thảo tài liệu, slide và bảng tính ở mức hoàn thiện. Mức giá niêm yết là 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra.
Trong bài test lập trình dạng tác tử Terminal-Bench 4.0, Sonnet 5.5 đạt 70,6%, vượt xa mức 10,3% của Sonnet 5 và nhỉnh hơn mức 66,4% của Opus 5.5 đắt hơn. Mẫu này cũng trở thành phiên bản Sonnet đầu tiên “phá đảo” trò Pokémon Red chỉ từ hình ảnh chụp màn hình, một phép thử về khả năng xử lý nhiệm vụ dài hơi và hiểu hình ảnh.
Sonnet 5.5 hiện đã có trên toàn bộ hệ sinh thái của Anthropic, bao gồm Amazon Web Services, Google Cloud và Microsoft Azure. Anthropic cho biết phiên bản nhỏ hơn Claude Haiku 5.5, nhắm đến khối lượng truy cập lớn và khách hàng cực kỳ nhạy cảm về giá, sẽ ra mắt trong vài tuần tới, hoàn thiện bộ ba sản phẩm.
Bài liên quan: OpenAI tạm hãm phát triển Frontier AI sau sự cố “thoát khỏi sandbox” ngày 20/9
Cơ chế an toàn và bài toán chi phí của Sonnet 5.5
Anthropic dẫn lời Daniel Vogel, Giám đốc vận hành Epic Games, cho biết trong giai đoạn thử nghiệm ban đầu, mô hình đã xử lý được “hàng chục nghìn dòng mã hệ thống gameplay”. Theo Vogel, chất lượng đầu ra “đạt cùng ngưỡng kỳ vọng như các mô hình ở phân khúc cao hơn”.
Do năng lực xử lý an ninh mạng của Sonnet 5.5 được đánh giá tương đương Opus 5, đây là phiên bản Sonnet đầu tiên được trang bị ngay từ đầu bộ lớp bảo vệ mà Anthropic trước đó chỉ dành cho các hệ thống mạnh nhất. Các tác vụ sửa lỗi thông thường không bị ảnh hưởng, nhưng với các yêu cầu an ninh mạng rủi ro cao, hệ thống sẽ tự động và công khai “lùi xuống” Sonnet 5. Bộ phân loại mới cũng chặn những nỗ lực khai thác, trích xuất toàn bộ chuỗi lập luận nội bộ của mô hình.
Tuy vậy, không phải bài test nào cũng ủng hộ tuyên bố “giảm chi phí”. Artificial Analysis được cho là đã đo lường chi phí bình quân có trọng số là 7,60 USD mỗi tác vụ benchmark ở mức “nỗ lực tối đa”, cao hơn mức 5,09 USD của Sonnet 5, dù điểm tổng hợp chỉ số hiệu năng của Sonnet 5.5 tăng từ 38 lên 56.
Đợt ra mắt này nối tiếp Opus 5.5 hôm 22/9, khi Anthropic giảm giá cờ đầu 20% xuống còn 4 USD mỗi triệu token đầu vào và 20 USD mỗi triệu token đầu ra. Khi đó, công ty cho biết Opus 5.5 sẽ giúp chi phí vận hành thực tế giảm khoảng 40% so với Opus 5, đồng thời tăng tốc tạo đầu ra hơn 30%. Cùng ngày, OpenAI công bố GPT-6 Sol và GPT-6 Luna, với mức giá chỉ bằng một nửa so với thế hệ trước.
Đọc tiếp: BlackRock nhận định công suất tính toán sắp trở thành tài sản cho thị trường hợp đồng tương lai
