Anthropic ने 28 सितंबर को Claude Sonnet 5.5 जारी किया। इसकी सूचीबद्ध कीमत Sonnet 5 जितनी ही है। कंपनी का कहना है कि यह मॉडल 30% से अधिक तेज़ चलता है और प्रति कार्य इसकी लागत 30% तक कम है।
हालाँकि, एक स्वतंत्र बेंचमार्किंग फर्म ने मॉडल को उसकी सीमा तक आज़माने के बाद लागत के बारे में अलग निष्कर्ष निकाला।
जैसे ही समाचार होते हैं, हमें X पर फॉलो करें।
Anthropic का दूसरा 5.5 मॉडल Opus के कुछ ही दिनों बाद आया
Sonnet 5.5, Claude 5.5 परिवार का दूसरा मॉडल है। Anthropic ने 22 सितंबर को Opus 5.5 लॉन्च किया था। उसी दिन OpenAI ने भी GPT-6 Sol और Luna जारी किए।
नए मॉडल की कीमतें Sonnet 5 जैसी ही हैं: प्रति दस लाख इनपुट टोकन के लिए $2 और प्रति दस लाख आउटपुट टोकन के लिए $10। Anthropic ने एजेंटिक कोडिंग परीक्षण Terminal-Bench 4.0 में 70.6% स्कोर की जानकारी दी। Sonnet 5 केवल 10.3% तक पहुँचा, जबकि Opus 5.5 ने 66.4% हासिल किए।
टीम ने कहा, “जहाँ Opus 5.5 को सावधानीपूर्वक निर्णय की आवश्यकता वाले जटिल कामों के लिए बनाया गया है, वहीं Sonnet 5.5 स्पष्ट दायरे वाले रोज़मर्रा के कामों, बग ठीक करने और बेहतर दस्तावेज़, स्लाइड व स्प्रेडशीट बनाने में सबसे प्रभावी है।”
Anthropic ने कहा कि Sonnet 5.5 उसकी क्षमताओं की सीमा को आगे नहीं बढ़ाता। इसलिए इसकी अलाइनमेंट समीक्षा में उपयोगकर्ताओं को गुमराह करने और गंभीर जोखिम वाले दुरुपयोग में सहायता करने जैसे खतरों पर ध्यान दिया गया।
Sonnet 5.5 में साइबर सुरक्षा उपाय और एंटी-डिस्टिलेशन क्लासिफ़ायर भी शामिल हैं। ये प्रतिद्वंद्वी प्रणालियों को प्रशिक्षित करने के लिए मॉडल की तर्क-प्रक्रिया निकालने की कोशिशों को रोकते हैं। Claude Haiku 5.5 आने वाले हफ्तों में जारी होगा।
इस बीच, OpenAI ने सुरक्षा कारणों से अपने आगामी मॉडल GPT-6.1 Astra को रोक दिया। CNBC ने सोमवार को पुष्टि की कि यह मॉडल कंपनी के मानकों पर खरा नहीं उतरा।
Artificial Analysis को Max Effort पर टोकन की खपत अधिक मिली
बेंचमार्किंग फर्म Artificial Analysis, जिसने Grok 4.7 को चौथा स्थान दिया था, ने Sonnet 5.5 को अपने Intelligence Index पर 56 अंक दिए। इससे वह कुल मिलाकर दूसरे स्थान पर रहा—अधिकतम प्रयास पर Opus 5.5 से 2 अंक पीछे।
फर्म ने Terminal-Bench 4.0 पर Sonnet 5.5 को 64% अंक दिए, जबकि Opus 5.5 और GPT-6 Astra को 60% मिले। GDPval-AA जैसे ज्ञान-आधारित कार्यों के परीक्षणों में फर्म ने पाया कि Sonnet 5.5 का प्रदर्शन Opus 5.5 के लगभग बराबर था।
फर्म के अनुसार, इन नतीजों तक पहुँचने के लिए Sonnet 5.5 ने काफ़ी अधिक टोकन इस्तेमाल किए।
“अधिकतम प्रयास पर, जहाँ इसका प्रदर्शन Opus 5.5 के करीब पहुँचता है, Claude Sonnet 5.5 ने Intelligence Index के प्रति कार्य में लगभग 193k आउटपुट टोकन इस्तेमाल किए,”
यह मात्रा अधिकतम प्रयास पर Opus 5.5 और Sonnet 5 की तुलना में लगभग 60% अधिक है। यह GPT-6 Astra के अधिकतम-प्रयास वाले आँकड़े से भी लगभग 7 गुना है।
Anthropic द्वारा उद्धृत शुरुआती पहुँच वाले ग्राहकों ने Sonnet 5 की तुलना में इसके उलट रुझान की जानकारी दी, हालाँकि उनके कार्यभार अलग थे। Balyasny Asset Management ने अपने वित्तीय कार्यों में टोकन की खपत बहुत कम देखी।
“प्रश्नोत्तर, डेटा निष्कर्षण, विश्लेषण और पूर्वानुमान से जुड़े 2,441 वित्तीय कार्यों वाले हमारे निजी परीक्षण-संग्रह में Claude Sonnet 5.5 ने Sonnet 5 से बेहतर अंक हासिल किए और प्रति उत्तर लगभग 121k टोकन इस्तेमाल किए, जबकि Sonnet 5 ने 497k टोकन इस्तेमाल किए,” Balyasny Asset Management के वरिष्ठ AI इंजीनियर Joe Poirier ने कहा।
Artificial Analysis ने एक प्री-रिलीज़ बिल्ड का परीक्षण किया था, जिसमें स्ट्रक्चर्ड-आउटपुट से जुड़ा एक बग था, जिसे Anthropic ने बाद में ठीक कर दिया। फर्म की योजना जल्द ही संबंधित मूल्यांकनों को दोबारा करने की है।
हमारे YouTube चैनल की सदस्यता लें ताकि नेता और पत्रकार विशेषज्ञ अंतर्दृष्टि प्रदान कर सकें
स्रोत: BeInCrypto
