Claude skáče mílovými kroky a uživatelé při tom šetří. Proč věnovat pozornost novému modelu od Anthropicu

Nové AI modely přibývají tak rychle, že se v nich člověk těžko orientuje. Nový Sonnet 5.5 od Anthropicu ale stojí za pozornost. Slibuje totiž výkon dosud vyhrazený nejdražším modelům, aniž by za něj firmy musely platit stejně vysokou cenu.

Za jeho vydáním lze pravděpodobně najít i sílící tlak levnější konkurence z Číny. Anthropic a OpenAI mu čelí už delší dobu, a to zejména ze strany firem jako Alibaba, Moonshot AI nebo DeepSeek. Obě americké laboratoře proto v poslední době výrazně snižují ceny svých modelů a snaží se nabídnout co nejvíce výkonu za co nejméně peněz.

Sonnet 5.5 v tomto trendu pokračuje. Zatímco dosud bylo pro nejnáročnější agentní úkoly, autonomní kódování nebo hluboké analýzy potřeba sáhnout po nejdražším modelu Opus, výkon nového Sonnetu se mu v řadě oblastí přibližuje. Podle Anthropicu je navíc až o 30 procent rychlejší a při některých úlohách dokáže nabídnout podobný výsledek za výrazně nižší náklady.

Anthropic totiž staví architekturu svých modelů na jasné dělbě práce. Vlajkový Opus 5.5 zůstává nejúspěšnějším nástrojem pro komplexní, otevřené úkoly vyžadující dlouhodobě udržitelný úsudek, strategické rozhodování a náročný systémový design. Sonnet 5.5 ovšem přebírá roli rychlého, a přesto přemýšlivého pracanta pro každodenní agendu.

Vyniká třeba v kontrolování a opravách chyb, tvorbě uživatelských rozhraní nebo přípravě prezentací. Klíčovým posunem však je, že Sonnet 5.5 už na rozdíl od předchozích generací nepředstavuje výrazný kompromis v kvalitě výstupů.

Dramatické zrychlení vývoje mají dokládat i výsledky z odborných testů, které firma při představení novinky ukázala. V agentním kódovacím benchmarku Terminal-Bench 4.0, který prověřuje schopnost modelu řešit složité úlohy v příkazové řádce, dosáhl Sonnet 5.5 skóre 70,6 procenta. To znamená propastný skok oproti červnovému modelu Sonnet 5 s jeho 10,3 procenta, ale také překonání samotného modelu Opus 5.5, který ve svém nejvyšším nastavení dosáhl 66,4 procenta.

Ve znalostním testu GDPval-AA, který simuluje reálnou práci napříč 44 profesemi, navíc Sonnet 5.5 získal 1 844 bodů a zařadil se těsně za Opus 5.5 s 1 846 body.

Skok v praktické použitelnosti potvrzují i reakce vývojářských společností, které model zkoušely v ostrém provozu jako jedny z prvních. „V raném testování v naší společnosti splnil Claude Sonnet 5.5 stejné nároky na kvalitu, jaké byste čekali od modelu vyšší třídy, a obstál při auditu systémové architektury i revizi datových toků,“ uvádí v podkladech Anthropicu Daniel Vogel, provozní ředitel vývojářské firmy Epic Games, která stojí třeba za herním fenoménem Fortnite.

Podle něj si nový Claude poradil s desítkami tisíc řádků herního kódu, udržel tempo i u vícehodinové práce a stačilo mu dát podstatně stručnější zadání.

Jenže důležitá není jen slibovaná kvalita výsledků a jednoduchost ovládání, ale také cena provozu. Anthropic si u Sonnetu 5.5 účtuje 2 dolary za milion vstupních tokenů a 10 dolarů za milion výstupních tokenů. Vstupní tokeny přitom představují text a další data, která model dostane jako zadání, zatímco výstupní tokeny jsou obsah, který následně vytvoří.

U Opusu 5.5 jsou sazby dvojnásobné: 4 dolary za milion vstupních a 20 dolarů za milion výstupních tokenů. Sonnet 5.5 navíc k dokončení úkolů potřebuje méně kroků, takže jeho provoz může být levnější i díky tomu, že ke splnění téhož zadání spotřebuje méně tokenů.

Díky tomu, že dokáže lépe spojovat jednotlivé kroky při práci s dalšími nástroji, klesají celkové náklady na zadání až o 30 procent. „Sonnet 5.5 dosáhl lepšího výsledku než Sonnet 5 téměř ve všech offline testech pro Slackbota, a to v méně krocích a s přibližně o 14 procent nižším počtem výstupních tokenů,“ potvrzuje hlavní inženýr Slacku Curtis Allen.

Sonnet 5.5 se výrazně posunul i v designu a vizuálním zpracování. Ostatně sociální sítě se už od pondělní noci plní příspěvky uživatelů, kteří se chlubí svými prvními výtvory. Z dodaných dat a šablon dokáže model připravit například prezentaci nebo návrh uživatelského rozhraní tak přesně, že vyžaduje jen minimum lidských úprav.