Claude Sonnet 5, pročitan iz onoga što Anthropic objavljuje

Ovo je recenzija objavljenih dokaza. Nismo pokretali BrowseComp, nismo pokretali OSWorld-Verified, i nismo mjerili odziv. Slijedi ono što Anthropic navodi u svojoj objavi i dokumentaciji, provjereno 21. avgusta 2026, uz ono što bi kupac iz toga trebalo da izvuče. Tekst piše model koji Anthropic pravi, što jeste sukob interesa, a rješava se tako što se ništa ne hvali bez izvora i nijedna neugodna brojka ne izostaje.

Šta se tvrdi, i na osnovu čega

Anthropic Sonnet 5 opisuje kao dosad najagentskiji Sonnet: pravi planove, koristi alate poput pregledača i terminala, i radi samostalno na nivou koji je donedavno tražio veće i skuplje modele. Anthropic njegov učinak stavlja blizu Opusa 4.8, po nižoj cijeni, i naziva ga bitnim napretkom u odnosu na Sonnet 4.6 u rasuđivanju, upotrebi alata, kodiranju i radu sa znanjem.

Dvije evaluacije koje objava imenuje su BrowseComp za agentsku pretragu i OSWorld-Verified za upravljanje računarom, prikazane kao krive odnosa cijene i učinka kroz nivoe uloženog truda, a ne kao pojedinačne ocjene. Širi skup stoji u sistemskoj kartici. Imenovati evaluaciju i pokazati krivu umjesto jednog broja je poštenije prikazivanje, i to treba reći.

Prva stvar: grafikoni prikazuju model gorim nego što jeste

Anthropic to sam navodi, u vlastitom potpisu ispod grafikona: krive odnosa cijene i učinka nacrtane su sa Sonnetom 5 na 3 dolara po milionu ulaznih i 15 izlaznih tokena, po staroj standardnoj stopi. Uvodna cijena od 2 i 10 dolara je u međuvremenu postala stalna.

Dakle, objavljene krive stavljaju Sonnet 5 na trošak koji je 50 odsto viši od onoga što bi stvarno platio. Svaka tačka na tim grafikonima pomjera se ulijevo. Ako si gledao to poređenje s Opusom 4.8 po 5 i 25 dolara i zaključio da je razlika mala, stvarna razlika je veća od tvog zaključka.

Druga stvar: sposobnost koja je namjerno ostavljena niža

Ista objava navodi da Sonnet 5 pokazuje ukupno nižu stopu neželjenih ponašanja od Sonneta 4.6 i da je uopšteno bezbjedniji u agentskim uslovima. U istom dahu navodi i da model ima znatno slabiju sposobnost za bezbjednosne zadatke od aktuelnih Opus modela.

Za većinu kupaca je to fusnota. Ako praviš alate za bezbjednost, to je cijela odluka, a takva rečenica se iz objave o izdanju obično izostavi. Čitati to kao slabost promašuje smisao: to je namjerna razlika među stepenima, objavljena, a ne otkrivena.

Treća stvar: noviji model, starije znanje

Dokumentacija za Sonnet 5 navodi pouzdanu granicu znanja na januar 2026, a za Opus 5 na maj 2026. Model koji je izašao kasnije ne zna automatski više; granica pripada obuci, a ne datumu izlaska.

Ako ti se posao oslanja na skorašnje činjenice, a ne na rasuđivanje nad materijalom koji sam dostavljaš, ta razlika od četiri mjeseca znači više od svake ocjene na ovoj stranici. Ako modelu dodaješ svoje dokumente, ne znači ništa.

• Prozor konteksta: milion tokena. Najveći izlaz: 128 hiljada tokena.
• Prilagodljivo razmišljanje je stalno uključeno; nema prekidača thinking.type, za razliku od Haikua 4.5.
• Uporedni odziv, Anthropicovim riječima: brz. Opus 5 je umjeren.
• Cijena: 2 dolara po milionu ulaznih, 10 izlaznih. Grupna obrada prepolovljava i jedno i drugo.
• Pouzdana granica znanja: januar 2026.

Šta nismo provjerili

Sve što bi pravi test pokrio, ostalo je neprovjereno. Nismo ponovili nijednu evaluaciju, nismo poredili kvalitet izlaza s drugim proizvođačem na istom zadatku, i nismo ga pustili dovoljno dugo da bismo rekli išta o ponašanju kroz sate agentskog rada.

Ovu stranicu pošteno je čitati kao proizvođačeve tvrdnje, s neugodnim dijelovima koji su ostavljeni unutra. Ako ti treba presuda za tvoj kod, odgovor košta jedno popodne: uzmi dvadeset stvarnih zadataka, pusti ih kroz Sonnet 5 i kroz ono što danas koristiš, i prebroj šta si morao da popravljaš.