Anthropic telah merilis dua model bahasa besar baru, Claude Opus 4 dan Claude Sonnet 4, yang memperkenalkan kemampuan "penalaran hibrida" untuk menggabungkan respons cepat dengan pemikiran bertahap yang lebih panjang. Model-model ini menggantikan generasi Claude 3.x dan mempertahankan jendela konteks 200.000 token sambil menawarkan peningkatan keamanan dan kemampuan agentic.
- Pada benchmark SWE-bench Verified, Opus 4 mencapai akurasi 72,5% dan Sonnet 4 mencapai 72,7%, mengungguli GPT-4.1 dari OpenAI (54,6%) dan Gemini 2.5 Pro dari Google (63,2%).
- Anthropic melaporkan bahwa Sonnet 4 menunjukkan reward hacking hingga delapan kali lebih rendah dibandingkan model Sonnet 3.7 sebelumnya.
- Benchmark independen menunjukkan Opus 4 berada di peringkat ketiga dalam uji Aider dengan akurasi 72% dan Lovable melaporkan peningkatan kecepatan sebesar 40% untuk Sonnet 4.
- Model-model ini dirancang untuk menangani tugas jangka panjang, dengan Opus 4 mampu melakukan sesi pemrograman otonom yang berlangsung beberapa jam tanpa kehilangan konteks.
Rilis ini bertujuan memberikan peningkatan signifikan dalam pemrograman, penalaran, dan penanganan konten panjang sambil mempertahankan standar keamanan percakapan yang terkait dengan merek Claude.