Anthropic ha lanzado dos nuevos modelos de lenguaje grandes, Claude Opus 4 y Claude Sonnet 4, que introducen capacidades de "razonamiento híbrido" para combinar respuestas rápidas con un pensamiento paso a paso extendido. Estos modelos suceden a la generación Claude 3.x y conservan una ventana de contexto de 200.000 tokens mientras ofrecen mejoras en seguridad y capacidades agénticas.
- En el benchmark SWE-bench Verified, Opus 4 logró un 72,5 % de precisión y Sonnet 4 alcanzó un 72,7 %, superando a GPT-4.1 de OpenAI (54,6 %) y Gemini 2.5 Pro de Google (63,2 %).
- Anthropic informa que Sonnet 4 presenta hasta ocho veces menos recompensa engañosa en comparación con el modelo Sonnet 3.7 anterior.
- Los benchmarks independientes muestran a Opus 4 ocupando el tercer lugar en las pruebas de Aider con un 72 % de precisión y Lovable reportando un aumento del 40 % en velocidad para Sonnet 4.
- Los modelos están diseñados para manejar tareas de larga duración, con Opus 4 capaz de realizar sesiones de codificación autónomas que duran varias horas sin perder el contexto.
El lanzamiento busca lograr ganancias significativas en codificación, razonamiento y manejo de contenido extenso, manteniendo los estándares de seguridad conversacional asociados con la marca Claude.