AIモデルのClaude Sonnet 5が、検索とPC操作の評価で前世代のSonnet 4.6を上回った。Anthropicの評価では、処理にかける労力を高く設定すると、一部のタスクで上位モデルのOpus 4.8に並ぶ性能を示した。
計画からブラウザー・ターミナルの操作へ
Anthropicは、Claude Sonnet 5が作業計画を立て、ブラウザーやターミナルなどのツールを使って自律的に処理を進められるとしている。計画だけを生成するのではなく、ツールを操作して作業を実行する能力を備える。
検索とPC操作で性能を比較
ツールを使う能力について、Anthropicは検索評価のBrowseCompとPC操作評価のOSWorld-Verifiedでモデルを比較した。Sonnet 5は、いずれの比較でもSonnet 4.6を上回った。
比較には、処理にかける労力を調整するeffort設定も用いた。利用者は設定によってコストと性能のバランスを選択でき、高い設定では一部のタスクでSonnet 5がOpus 4.8に並ぶ性能を示した。
望ましくない振る舞いも前世代と比較
自律的な作業の評価と併せて、Anthropicは安全性も評価した。Sonnet 5では、望ましくない振る舞いの発生率がSonnet 4.6より全体として低かった。
標準モデルを更新し、APIでも提供
FreeとProプランでは、Sonnet 4.6が公開時から標準モデルを担っていた。今回、その標準モデルがSonnet 5へ切り替わり、Max、Team、Enterpriseでも利用可能になった。
開発者向けにはClaude APIで提供する。モデル識別子にclaude-sonnet-5を指定して呼び出すことができる。