Anthropic выпустила две новые большие языковые модели, Claude Opus 4 и Claude Sonnet 4, которые внедряют возможности «гибридного рассуждения» для объединения быстрых ответов с расширенным пошаговым мышлением. Эти модели приходят на смену поколению Claude 3.x и сохраняют контекстное окно на 200 000 токенов, одновременно предлагая улучшенную безопасность и агентные способности.
- На бенчмарке SWE-bench Verified Opus 4 достиг точности 72,5%, а Sonnet 4 — 72,7%, превзойдя GPT-4.1 от OpenAI (54,6%) и Gemini 2.5 Pro от Google (63,2%).
- Anthropic сообщает, что Sonnet 4 демонстрирует снижение «взлома наград» (reward hacking) до восьми раз по сравнению с предыдущей моделью Sonnet 3.7.
- Независимые бенчмарки показывают, что Opus 4 занял третье место в тестах Aider с точностью 72%, а Lovable зафиксировал увеличение скорости для Sonnet 4 на 40%.
- Модели разработаны для выполнения длительных задач: Opus 4 способен проводить автономные сессии программирования, длящиеся несколько часов, без потери контекста.
Выпуск направлен на значительное улучшение возможностей в области программирования, рассуждений и обработки длинных текстов при сохранении стандартов безопасности общения, ассоциирующихся с брендом Claude.