Anthropic ने दो नए बड़े भाषा मॉडल, Claude Opus 4 और Claude Sonnet 4 जारी किए हैं, जो तेज़ प्रतिक्रियाओं को विस्तारित चरण-दर-चरण सोच के साथ जोड़ने के लिए "हाइब्रिड तर्कशक्ति" क्षमताएं पेश करते हैं। ये मॉडल Claude 3.x पीढ़ी की जगह लेते हैं और 200,000-टोकन संदर्भ विंडो को बनाए रखते हुए बेहतर सुरक्षा और एजेंटिक क्षमताएं प्रदान करते हैं।
- SWE-bench Verified बेंचमार्क पर, Opus 4 ने 72.5% सटीकता हासिल की और Sonnet 4 ने 72.7% तक पहुंचा, जो OpenAI के GPT-4.1 (54.6%) और Google के Gemini 2.5 Pro (63.2%) से बेहतर प्रदर्शन करता है।
- Anthropic रिपोर्ट करता है कि Sonnet 4 में पिछले Sonnet 3.7 मॉडल की तुलना में इनाम हैकिंग में आठ गुना तक कमता दिखाई देती है।
- स्वतंत्र बेंचमार्क दर्शाते हैं कि Opus 4 ने Aider टेस्ट में 72% सटीकता के साथ तीसरा स्थान प्राप्त किया और Lovable ने Sonnet 4 के लिए 40% गति वृद्धि की रिपोर्ट की।
- मॉडलों को लंबे समय तक चलने वाले कार्यों को संभालने के लिए डिज़ाइन किया गया है, जिसमें Opus 4 कई घंटों तक बिना संदर्भ खोए स्वतंत्र कोडिंग सत्र चला सकता है।
यह रिलीज Claude ब्रांड से जुड़ी बातचीत की सुरक्षा मानकों को बनाए रखते हुए कोडिंग, तर्कशक्ति और लंबे-प्रारूप सामग्री हैंडलिंग में महत्वपूर्ण लाभ प्रदान करने के उद्देश्य से है।