Anthropic مدل Claude Sonnet 5.5 را با سرعت بیشتر معرفی کرد

شرکت Anthropic در ۲۸ سپتامبر ۲۰۲۶ از Claude Sonnet 5.5 رونمایی کرد؛ مدل میان‌رده‌ای که برای کارهای روزمره طراحی شده و به گفته شرکت، بیش از ۳۰ درصد سریع‌تر از نسل قبلی پاسخ تولید می‌کند. Anthropic همچنین می‌گوید این مدل برای انجام کارهای مشابه معمولاً به توکن‌های کمتری نیاز دارد و در نتیجه هزینه استفاده از آن پایین‌تر می‌آید. این نسخه با بهبودهایی در نوشتن، کدنویسی و طراحی رابط کاربری عرضه شده و در عین حال قابلیت‌هایی برای شناسایی متن هوش مصنوعی و محدودکردن برخی کاربردهای حساس دارد.

مدل میان‌رده برای کارهای روزمره

Sonnet در خانواده Claude نقش مدل کاریِ متناسب با استفاده‌های روزانه را دارد. Anthropic می‌گوید نسخه 5.5 برای تولید و خلاصه‌سازی اسناد، کار با صفحه‌گسترده‌ها و پیدا کردن و اصلاح خطاهای کد آموزش دیده است. شرکت همچنین به توانایی مدل در توجه به طراحی اشاره می‌کند: Sonnet 5.5 می‌تواند در پرداخت رابط‌های کاربری کمک کند و با دنبال‌کردن قالب‌های مشخص، اسلایدهایی بسازد که به ویرایش اندکی نیاز داشته باشند.

این عرضه پس از معرفی Claude Opus 5.5 در ۲۲ سپتامبر انجام شده است. Opus مدل پرچم‌دار خانواده Claude است و Sonnet جایگاهی میان آن و مدل‌های کوچک‌تر دارد. بر اساس توضیح Anthropic، Sonnet 5.5 روی همان بنیانی ساخته شده که Opus 5.5 از آن استفاده می‌کند؛ موضوعی که شرکت آن را مرتبط با توانایی‌ها و تدابیر ایمنی تازه این نسخه می‌داند.

Anthropic از بهبود سبک نوشتن هم خبر داده است. بنا بر اعلام شرکت، متن‌های مدل روشن‌تر و شبیه‌تر به نوشته انسانی هستند. آزمایش‌کنندگان اولیه نیز گفته‌اند کار با مدل در رفت‌وبرگشت‌های اصلاحی سریع‌تر شده و در وظایف کم‌پیچیدگی، نسبت به نسل قبلی هوشمندتر عمل می‌کند. این توصیف‌ها گزارش شرکت از تجربه آزمایش‌کنندگان است و به‌تنهایی جایگزین ارزیابی مستقل از عملکرد در شرایط گوناگون نمی‌شود.

سرعت بیشتر، هزینه معمول کمتر

Anthropic می‌گوید Sonnet 5.5 سریع‌ترین مدل Sonnet تا امروز است و سرعت تولید خروجی آن بیش از ۳۰ درصد از نسل پیشین بالاتر است. این بهبود می‌تواند در کارهایی که شامل تولید متن یا اصلاح‌های پیاپی‌اند، زمان انتظار را کاهش دهد؛ هرچند نتیجه نهایی در عمل به نوع درخواست و شیوه استفاده بستگی دارد.

قیمت هر توکن در این نسخه با Sonnet 5 تغییری نکرده است: دو دلار برای هر یک میلیون توکن ورودی، ۱۰ دلار برای هر یک میلیون توکن خروجی و ۲۰ سنت برای هر یک میلیون بار خواندن حافظه کش. توکن واحدی است که مدل برای پردازش متن و تولید پاسخ به کار می‌گیرد؛ ممکن است یک واژه به یک یا چند توکن تبدیل شود. حافظه کش نیز به داده‌هایی گفته می‌شود که برای استفاده دوباره نگه داشته می‌شوند و خواندن آن‌ها تعرفه جداگانه دارد.

پس چرا Anthropic از کاهش هزینه حرف می‌زند؟ به گفته شرکت، Sonnet 5.5 برای انجام یک کار مشخص معمولاً به توکن‌های کمتری از مدل پیشین نیاز دارد. بنابراین، با وجود ثابت‌ماندن نرخ هر توکن، مجموع مصرف و هزینه معمول انجام کار می‌تواند کمتر شود. Anthropic این کاهش را حدود ۳۰ درصد توصیف کرده است؛ عددی که به میزان توکن مصرفی در هر کار وابسته است و نباید با کاهش نرخ پایه هر توکن اشتباه گرفته شود.

شرکت Zendesk نیز نتیجه یک آزمایش داخلی را مطرح کرده است. Abhinay Kathuria، مدیر هوش مصنوعی این شرکت، گفت تیمش صدها نمونه واقعی از درخواست‌های پشتیبانی، از جمله پاسخ‌گویی و ارجاع موارد به تیم‌های دیگر، را در اختیار Sonnet 5.5 گذاشته است. به گفته او، مدل در مقایسه با مدل‌های Claude مورد استفاده Zendesk تصمیم‌های نادرست کمتری گرفت و تیکت‌ها را ۲۰ درصد سریع‌تر پردازش کرد. این گزارش، تجربه یک شرکت در کاربرد مشخص خود است و به معنای تضمین نتیجه یکسان برای همه سازمان‌ها نیست.

نتایج اعلام‌شده در آزمون‌ها

Anthropic برای نشان‌دادن توانایی کدنویسی عامل‌محور مدل، به نتیجه آن در Terminal-Bench 4.0 اشاره کرده است. مدل در این ارزیابی امتیاز ۷۰٫۶ درصد گرفت؛ در حالی که امتیاز نسل پیشین ۱۰٫۳ درصد بود. ارزیابی‌های عامل‌محور عملکرد سامانه را در انجام زنجیره‌ای از کارها می‌سنجند؛ کارهایی که ممکن است به تصمیم‌گیری و اجرای چند مرحله نیاز داشته باشند، نه فقط پاسخ به یک پرسش.

در GDPval-AA، آزمونی که وظایف شغلی و کارهای واقعی را می‌سنجد، Sonnet 5.5 تنها دو امتیاز پایین‌تر از Opus 5.5 قرار گرفت. Anthropic جزئیات بیشتری درباره فاصله امتیازی یا شرایط دقیق این مقایسه در متن اعلام‌شده ارائه نکرده است. بنابراین این نتیجه، طبق داده‌های منتشرشده از سوی شرکت، نشان می‌دهد مدل میان‌رده در آن آزمون به مدل پرچم‌دار نزدیک شده، اما به‌تنهایی تصویری کامل از عملکرد آن در همه حرفه‌ها به دست نمی‌دهد.

شرکت همچنین می‌گوید Sonnet 5.5 نخستین مدل Sonnet است که توانسته بازی Pokémon Red را تنها با اتکا به تصاویر صفحه پیش ببرد. این بازی در آزمون‌هایی برای سنجش کارهای بلندمدت و فهم تصویر به کار می‌رود. اشاره به آن، نمونه‌ای از توانایی مدل در دنبال‌کردن هدف طی چند مرحله و استفاده از اطلاعات بصری است؛ با این حال، نتیجه یک بازی مشخص را نباید معادل توانایی عمومی در هر نوع کار بلندمدت دانست.

واترمارک متن و محافظت‌های سایبری

در کنار بهبود نوشتار، Sonnet 5.5 به واترمارک نامرئی متن مجهز شده است. واترمارک در اینجا نشانه‌ای است که در ظاهر متن دیده نمی‌شود، اما می‌تواند شناسایی آن به‌عنوان محتوای تولیدشده با هوش مصنوعی را آسان‌تر کند. Anthropic می‌گوید این فناوری کیفیت و خوانایی متن را تغییر نمی‌دهد، اما احتمال تشخیص منشأ ماشینی آن را بالا می‌برد. شرکت هدف از افزودن این قابلیت را رعایت مقررات جهانی، از جمله قانون هوش مصنوعی اتحادیه اروپا، اعلام کرده است.

این اقدام در شرایطی مطرح می‌شود که مدل برای نوشتن متن‌هایی روان‌تر و نزدیک‌تر به بیان انسانی معرفی شده است. واترمارک قرار است به شناسایی محتوا کمک کند، بدون آنکه ظاهر یا کیفیت خواندن آن را تغییر دهد. متن منتشرشده از سوی Anthropic توضیح نمی‌دهد این نشانه دقیقاً چگونه کار می‌کند یا در چه شرایطی شناسایی آن موفق خواهد بود؛ ازاین‌رو نمی‌توان از اطلاعات اعلام‌شده، میزان دقت آن را نتیجه گرفت.

Anthropic می‌گوید Sonnet 5.5 نخستین مدل این رده است که قابلیت‌های امنیت سایبری برجسته و سازوکارهای محافظتی دارد. برخی پرسش‌ها یا درخواست‌های مرتبط با امنیت سایبری، زیست‌شناسی یا دیگر موضوعات حساس ممکن است این تدابیر را فعال کنند. شرکت می‌گوید بیشتر کارهای توسعه نرم‌افزار و علوم زیستی تحت تأثیر قرار نمی‌گیرند. با این حال، جزئیات مرز میان درخواست‌های مجاز و مواردی که به محدودیت یا پاسخ جایگزین منجر می‌شوند، در گزارش ارائه‌شده تشریح نشده است.

برنامه بعدی Anthropic عرضه Haiku 5.5 در هفته‌های آینده است. این مدل کوچک‌ترین، سریع‌ترین و کارآمدترین عضو خانواده Claude توصیف شده و برای کاربردهای پرتعداد و حساس به هزینه در نظر گرفته شده است. در نتیجه، شرکت در حال گسترش خانواده خود با مدل‌هایی برای نیازها و سطح‌های متفاوت استفاده است؛ Sonnet 5.5 برای کارهای روزمره، Opus 5.5 به‌عنوان مدل پرچم‌دار و Haiku 5.5 برای پردازش‌های پرتعداد و کم‌هزینه هدف‌گذاری شده‌اند.

این خبر برای چه کسانی اهمیت دارد

Sonnet 5.5 برای سازمان‌هایی اهمیت دارد که از مدل‌های زبانی در پشتیبانی مشتری، تولید اسناد، خلاصه‌سازی، صفحه‌گسترده‌ها یا توسعه نرم‌افزار استفاده می‌کنند. سرعت بالاتر و مصرف توکن کمتر، طبق ادعای Anthropic، می‌تواند زمان پاسخ‌گویی و هزینه معمول را کاهش دهد؛ اما سنجش این مزیت برای هر سازمان به حجم درخواست‌ها، نوع کار و میزان توکن مصرفی وابسته است.

توسعه‌دهندگان و تیم‌های محصول نیز می‌توانند بهبودهای اعلام‌شده در کدنویسی، اصلاح خطا و طراحی رابط را بررسی کنند. از سوی دیگر، مدیران داده و مسئولان انطباق مقررات باید به واترمارک نامرئی و تدابیر مربوط به موضوعات حساس توجه داشته باشند. نتیجه آزمون‌های منتشرشده و تجربه Zendesk نقطه شروعی برای ارزیابی‌اند، نه تضمینی برای عملکرد یکسان در محیط‌های متفاوت؛ آزمودن مدل با کارهای واقعی هر سازمان همچنان ضروری است.