Anthropic выпустила Sonnet 5 и хвалится, что та специально хуже взламывает

Запуск, который рекламирует утраченную способность

Anthropic выпустила Claude Sonnet 5 как обновление Sonnet 4.6 и назвала её «самой агентной моделью Sonnet»: она планирует, управляет браузерами и терминалами, работает автономно на уровне, который недавно требовал моделей покрупнее. Стартовая цена: $2 за миллион входных токенов и $10 за миллион выходных до 31 августа, дальше $3/$15. Усилие теперь регулируется от низкого до максимального, обменивая стоимость на глубину.

По-настоящему странно то, что именно запуск решил вынести в витрину: деградацию. Anthropic пишет, что модель «показывает существенно худшие результаты, чем Opus 4.8 и Mythos 5» в опасных кибернавыках вроде разработки программных эксплойтов. В оценке на эксплойт Firefox «ни одна из моделей Sonnet не смогла создать рабочий эксплойт (обе набрали 0,0%)». System card идёт дальше: на поиске уязвимостей CyberGym Sonnet 5 названа менее способной, чем прежняя Sonnet 4.6, а с включёнными по умолчанию защитами она набирает ровный ноль. Ослабленный профиль наступательной безопасности продают как выигрыш в безопасности.

Тред считает цену и производительность — и остаётся ни с чем

Реакция была не про подачу через безопасность, а про арифметику. Несколько читателей прогнали собственные графики Anthropic «стоимость за задачу» и пришли к одному выводу: Sonnet 5 проигрывает старшему собрату почти на всей кривой.

«Opus 4.8 обходит Sonnet 5 на границе Парето в нескольких их графиках (Agentic Search, Agentic Computer Use)… если делаешь что-то сложное, просто бери модель побольше». — andai, 15k кармы

Владелец ювелирного бизнеса и давний инженер с HN сформулировал операционный вывод прямо: у осмысленности Sonnet 5 есть жёсткий потолок.

«График стоимости за задачу говорит мне, что Sonnet 5 никогда не стоит использовать выше среднего усилия: Opus всегда работает лучше за те же деньги». — инженер, который держит собственный продукт на этих моделях

Маркетинг кибербезопасности вызвал открытые насмешки. Один голос с предельной кармой свёл всю позицию к слогану:

«Статус американской ИИ-компании: теперь мы без иронии хвастаемся тем, насколько плохи наши модели». — jchw, 29k кармы

Были и возражения от тех, кто реально на ней работает. Инженер по ИИ из Salesforce назвал релиз крепким рабочим обновлением и сказал, что уже давно берёт Sonnet вместо Opus для большей части кода: тратит заметно меньше при почти равном результате, если немного разбить задачу на части. А зарытая в сноски деталь оказалась важной для реальных счетов:

«Sonnet 5 это обновление Sonnet 4.6, но с новым токенизатором… он может давать больше токенов: примерно в 1,0–1,35 раза в зависимости от типа контента. То есть на тех же задачах ждите более высоких затрат на Sonnet 5, чем на Sonnet 4.6». — инженер, прочитавший сноски к релизу

Выходит, часть скидки от стартовой цены отбирает обратно токенизатор, который считает больше токенов за тот же ввод. Самое ясное наблюдение дня пришло от комментатора, заметившего, что язык сравнений в самом релизе всё время указывает мимо запускаемого продукта: он раз за разом объясняет, что Sonnet 5 менее способна, чем Opus 4.8 и Mythos 5. Странная вещь, которую флагманская модель повторяет о себе снова и снова.