Az Anthropic elindítja a Claude Sonnet 5-öt, jelentős kedvezménnyel a legjobb modelljéhez képest, miközben a cég egy sikeres IPO felé rohan.

Az Anthropic ma bemutatta a Claude Sonnet 5-öt, egy új AI modellt, amelyről a cég azt állítja, hogy közel csúcs teljesítményt nyújt középkategóriás áron — ez a lépés a költségtudatos vállalati fejlesztők számára biztosít hozzáférést a hatékony agentikus képességekhez, miközben az AI labor a San Franciscóban az első nyilvános részvénykibocsátás felé halad, amely próbát jelent arra, hogy a magánpiac lenyűgöző AI értékelései túlélhetik-e a nyilvános ellenőrzést. A kiadást, amelyet az Anthropic "a leginkább agentikus Sonnet modellnek" nevez, a Sonnet 5-öt alapértelmezett modelleként állította be az Anthropic ingyenes és Pro csomagjában, miközben a Max, Team és Enterprise ügyfelek számára is elérhetővé tette. Az bevezető API árak 2 dollár/1 millió bemeneti token és 10 dollár/1 millió kimeneti token áron állnak, augusztus 31-ig, ezt követően 3 dollárra és 15 dollárra emelkednek — ez még mindig jóval alatta marad az Anthropic csúcsmodellje, az Opus 4.8 5 dollár/1 bemeneti és 25 dollár/1 kimeneti árához képest. A stratégiai logika egyértelmű: az Anthropic megpróbálja demokratizálni a hozzáférést olyan képességekhez, amelyeket még nemrégiben csak a legdrágább modelljei tudtak biztosítani, miközben azt a fajta széleskörű fejlesztői elfogadást építik, amely vonzóvá válik egy S-1-es bejegyzésben. A Sonnet 5 benchmarking tesztjei azt mutatják, hogy a középkategóriás modell közelít az Anthropic csúcsmodelljéhez, az Opushoz. A Sonnet 5 jelentős fejlődést mutatott elődjéhez, a Sonnet 4.6-hoz képest az Anthropic által nyilvánosságra hozott minden értékelés során. A SWE-bench Pro-n, egy agentikus kódolási benchmarkon, a Sonnet 5 63,2%-ot ért el, míg a Sonnet 4.6 58,1%-ot — ez egy ugrás, ami közel hozza az Opus 4.8 69,2%-át. A Terminal-Bench 2.1-en, egy másik kódértékelésen, a különbség tovább szűkül: 80,4% a Sonnet 5-nél, szemben a Sonnet 4.6 67,0%-ával és az Opus 4.8 82,7%-ával. Multidiszciplináris érvelés terén, amelyet az Emberiség Utolsó Vizsgájával mérnek, a Sonnet 5 43,2%-ot ért el eszközök nélkül és 57,4%-ot eszközökkel — az utóbbi lényegében megegyezik az Opus 4.8 57,9%-ával. Számítógép-használati feladatokon, amelyeket az OSWorld-Verified keretében értékeltek, a Sonnet 5 elérte a 81,2%-ot, ami a 78,5%-ról emelkedett. A GDPval-AA v2-n, egy tudásmunkára vonatkozó benchmarkban, 1,618-at ért el — túlszárnyalva az Opus 4.8 1,615-öt és messze meghaladva a Sonnet 4.6 1,395-öt. Az értékelések közötti mintázat egy következetes történetet mond el: a Sonnet 5 nem csupán apró lépésekkel halad előde mellett. Olyan teljesítményszintre ugrik, amely jelentős mértékben átfedésben van az Anthropic csúcsmodelljével, miközben körülbelül 40%-kal olcsóbb a standard árakon és 60%-kal kevesebb a bevezető időszakban. Az üzleti partnerek szerint a Sonnet 5 agentikus AI képességei befejezik azokat a feladatokat, amelyeket a korábbi modellek elhanyagoltak. A hangsúly az agentikus képességeken — a tervezés, a böngészők és terminálok használata, valamint a több lépésből álló munkafolyamatok önálló végrehajtása — tükrözi, hogy az AI ipar súlypontja hol tolódott el 2026-ra. A vállalatok már nem csupán kérdéseket tesznek fel a chatbotoknak; AI rendszereket telepítenek, amelyek képesek navigálni a bonyolult szoftverkörnyezetekben, végrehajtani több lépésből álló kódolási feladatokat, és minimális emberi felügyelettel működni. A korai hozzáférési partnerek egy olyan modellt festettek le, amely nem csupán elkezdi a feladatokat, hanem be is fejezi azokat. Sualeh Asif, a Cursor társalapítója, amely az AI által vezérelt kódeditor, amely a fejlesztői eszközök elfogadásának bellwetherjévé vált, azt mondta: "A Claude Sonnet 5-tel az ügynökök követik a tervet, betartják a konvencióinkat, és tiszta több lépésből álló változtatásokat szállítanak, mindezt hatékony költségen." Daniel Shepard, a Zapier vezető mérnöke, leírta, hogy a modellnek egy két részből álló automatizálási feladatot — a Salesforce fiókok frissítése és egy bejelentés küldése — adott, ami a korábbi modellekkel "félúton megállt", de most végigcsinálja. Ezek a tanúvallomások fontosak, mert pontosan azt a megbízhatósági szakadékot írják le, amely megakadályozta, hogy sok vállalat az agentikus AI-t a pilóta programokból a termelési telepítésekbe vigye. Egy modell, amely 80%-ig eljut egy bonyolult feladatban, mielőtt megáll, több problémát teremt, mint amennyit megold; egy olyan, amely megbízhatóan befejezi a teljes munkafolyamatot, megváltoztatja az automatizálás gazdasági szempontjait. Az Anthropic a költség-jövedelem görbéket is bemutatta, amelyek azt mutatják, hogy a fejlesztők most már beállíthatják az erőfeszítési szintet a Sonnet 5 és az Opus 4.8 között, hogy megtalálják a költség és pontosság optimális egyensúlyát a saját felhasználásukhoz — egy olyan részletesség, amely a vállalatok AI szolgáltatásokhoz való egyre növekvő kifinomultságát tükrözi. Egy frissített tokenizáló javítja a Sonnet 5 teljesítményét, de csendben növelheti a költségeket egyes munkaterhelések számára. Az bejelentés lábjegyzeteiben elrejtett egyik technikai részlet figyelmet érdemel: a Sonnet 5 egy frissített tokenizálót használ, amely megváltoztatja, hogyan dolgozza fel a modellt a szöveget, hasonlóan ahhoz a változáshoz, amit az Anthropic bevezetett az Opus 4.7-tel. A kompromisszum az, hogy ugyanaz a bemeneti adathalmozás körülbelül 1,0-től 1,35-ig terjedő több tokent jelent a tartalom típusa függvényében. Az Anthropic azt mondja, hogy a bevezető árakat úgy kalibrálták, hogy a váltás "körülbelül költségsemleges" legyen, de a magas volumenű munkaterheléseket futtató vállalati ügyfeleknek alaposan tesztelniük kell a saját konkrét eseteiket, mielőtt feltételeznék, hogy a számláik nem változnak. Az Anthropic azt állítja, hogy a Sonnet 5 biztonságosabb, mint elődje, de a legképzettebb modelljei még mindig vezetnek az irányítás szempontjából. Az Anthropic biztonsági nyilatkozatai árnyalt képet mutatnak. A cég arról számolt be, hogy a Sonnet 5 alacsonyabb hallucinációs és hízelgési arányokat mutatott a Sonnet 4.6-hoz képest, jobban visszautasítja a rosszindulatú kéréseket, és ellenállóbb a prompt injekciós támadásokkal szemben agentikus kontextusokban. Az Anthropic automatizált viselkedési auditján — amely széleskörű, nem összhangban álló viselkedéseket, beleértve a rosszindulatú használattal való együttműködést és megtévesztést tesztel — a Sonnet 5 összességében alacsonyabb pontszámot ért el (azaz biztonságosabb), mint a Sonnet 4.6. Azonban a Sonnet 5 "kissé magasabb nem összhangban álló viselkedési arányokat" mutatott a tehetségesebb Opus 4.8-hoz és az Anthropic Claude Mythos Preview-höz, a cég erőteljes, de szigorúan korlátozott kiberbiztonsági modellen. Egy Firefox 147 exploit fejlesztési értékelés során, amelyet a Mozillával együttműködve hoztak létre, egyik Sonnet modell sem tudott működő exploit-ot fejleszteni — mindkettő 0,0%-ot ért el — bár a Sonnet 5 egy kicsit magasabb részleges sikerességi arányt (13,2%) mutatott, mint a Sonnet 4.6 (8,8%). Mindkettő messze elmarad az Opus 4.8-tól (68,8% működő exploit) és a Mythos 5-től (88,4%). Ezeknek a kiberbiztonsághoz kapcsolódó fokozatos előnyöknek köszönhetően az Anthropic a Sonnet 5-öt alapértelmezett kiberbiztonsági védelmekkel indította — olyan valós idejű rendszereket, amelyek észlelik és blokkolják a veszélyes kiberbiztonsági használatot. A védelmek tükrözik az Opus 4.7 és 4.8 védelmét, de kevésbé korlátozóak, mint a Fable 5-höz alkalmazottak, a legújabb Mythos-osztályú modellt, amelyről a Bloomberg június 10-én arról számolt be, hogy "meg van tiltva a kiberbiztonsággal és biológiával kapcsolatos kérdések megválaszolására." Az Anthropic Kiberellenőrzési Programjába csatlakozó szervezetek automatikusan megkapják ugyanazt a hozzáférést a Sonnet 5-ön anélkül, hogy újra kellene pályázniuk. 14 milliárdról 47 milliárdra emelkedve: a Sonnet 5 érkezik, miközben az Anthropic IPO narratívája formálódik. A Sonnet 5 bevezetése pontosan abban a pillanatban következik be, ami az Anthropic rövid történetében a legfontosabb lehet. A cég június elején bizalmasan benyújtotta IPO prospectusát az SEC-hez, megalapozva azt, amit a CNBC "a techtörténelem legszigorúbb nyilvános ajánlattételének" nevezett. A pénzügyi pálya rendkívüli volt. Februárban az Anthropic 30 milliárd dollárt gyűjtött össze 380 milliárd dolláros értékeléssel, a cég évesített bevétele 14 milliárd dollár volt, amely "több mint tízszeresére nőtt az elmúlt három évben", ahogy azt a The Guardian is riportálta. Május végére az Anthropic egy 65 milliárd dolláros H sorozatú kört zárt le 965 milliárd dolláros, utólagos értékeléssel — az Altimeter Capital, a Sequoia Capital és mások társalapítást végeztek — a bevétel futási rátája már meghaladta a 47 milliárd dollárt. Harrison Rolfes, a PitchBook elemzője, a CNBC-nek azt mondta, hogy az a szám, "ami vagy érvényesíti, vagy összeomlasztja a magánpiacok által három éve árazott teljes narratívát" nem az értékelés vagy a bevétel, hanem a bruttó nyereség — egy olyan szám, amelyet még egy külső megfigyelő sem látott. Ebben a kontextusban a Sonnet 5 kettős célt szolgál. A fejlesztők számára valódi teljesítményjavulásokat kínál versenyképes árakon. Az Anthropic IPO narratívájának szempontjából pedig azt mutatja, hogy a cég képes egy vonzó terméket szállítani olyan ártartományban, amely széles körű elfogadást generálhat, amit a Wall Street jutalmaz — nagy volumenű, visszatérő API bevétel ezer vállalati ügyféltől. A kormányzati ügyletek és a növekvő verseny határozza meg a piacot, amelybe a Sonnet 5 belép. Az időzítés szintén összhangban van az Anthropic agresszív törekvéseivel a intézményi szerződésekre. Csak tegnap Gavin Newsom kaliforniai kormányzó bejelentette az első ilyen partnerséget, amely a Claude-ot minden állami ügynökség számára 50%-os kedvezménnyel kínálja, ingyenes munkaerő-képzéssel együtt. Kate Jensen, az Anthropic amerikai részlegének vezetője, ezt az erőfeszítést "a Claude munkába állítására a államot működtető emberek számára" nevezte. Az üzlet — amely Kalifornia városaira és megyéire is kiterjed — pontosan azt a fajta tartós, visszatérő elfogadást jelenti, amely jól rögzítheti a bevételt a fejlesztői közösségen túllépve. Azonban az Anthropic bevezetése egyre zsúfoltabb mezőben történik. Az OpenAI, amely márciusban 122 milliárd dolláros kört zárt egy 852 milliárd dolláros értékeléssel, saját IPO-ját hajtja végre. Elon Musk SpaceX-e, amely összeolvadt a xAI-vel, IPO-ját 135 dolláros részvényáron árazták be, 1,77 trillió dolláros értékeléssel. A Google, a Meta és egyre növekvő számú jól finanszírozott versenytárs — beleértve az ázsiai AI startupokat, amelyek, ahogy a Wall Street Journal is beszámolt róla, Mythos-szerű kiberbiztonsági képességeket fejlesztenek — mind a vállalati piacra pályázik. Gil Luria, a D.A. Davidson technológiai kutatási vezetője, a CNBC-nek azt mondta, hogy míg az Anthropic "úgy tűnik, hogy vezető szerepet játszik" a határozható AI modellek terén, "a jelenlegi használatuk jelentős része próba és kísérletezés céllal történik, ami nem feltétlenül fenntartható." Ez a megfigyelés a legfontosabb kihívás szívéhez vág: a kísérleti fejlesztői használat átalakítása tartós, termelési szintű bevételt generálóvá. A Sonnet 5 igazi tesztje nem a benchmarkok — hanem hogy a olcsóbb AI fenntarthatja-e a trillió dolláros narratívát. A Sonnet 5 pozicionálása — közel Opus-os teljesítmény nyújtása Sonnet áron — közvetlen próbálkozás erre az átalakításra. A vállalati ügyfelek, akik drága Opus-osztályú modellek tesztelésével kísérleteznek, felfedezhetik, hogy a Sonnet 5 elegendő minőséget nyújt a termelési munkaterhelésekhez olyan áron, amelyet a pénzügyi csapatok nagy tételben jóváhagyhatnak. Ha működik, felgyorsíthatja a kísérletezésből a telepítésbe való áttérést, amelyre minden AI cégnek szüksége van, hogy igazolja az értékelését. Három dolog fogja meghatározni, hogy a Sonnet 5 számít-e a kezdeti benchmark grafikonokon túl. Az első a valós világban való agentikus megbízhatóság: a benchmarkok a képességet mérik, de a termelési telepítések a konzisztenciát, és az igazi teszt akkor következik be, amikor ezrek fejlesztők nyomják át a modellt zűrzavaros, kiszámíthatatlan munkafolyamatokon nagy léptékben. A tokenizáló gazdaságtana a második: a frissített tokenizáló 1,0-tól 1,35-szörös tokentágulása csendben csökkentheti a költségelőnyt bizonyos munkaterhelések számára, a vállalati ügyfelek pedig végezzenek saját költség-elemzéseket, ahelyett, hogy a címsoros tokenköltségekre támaszkodnának. A harmadik maga az IPO narratíva: amikor az Anthropic S-1 végül nyilvánossá válik, a befektetők megvizsgálják, hogy a Sonnet szint — olcsóbb, de nagy volumenű — vagy az Opus szint — drágább, de magas haszonkulcsú — vezeti a bevétel és kritikus tömeg, illetve a bruttó profit döntő többségét. Ahogy a PitchBook Rolfes a CNBC-nek mondta, a 2026-os IPO időszak "vagy a dot-com korszak óta a legfontosabb IPO ciklussá válik, vagy a legdrágább tanulsággá a narratíva és alapok közötti különbségről, amit a nyilvános piacok valaha tanítottak." Az Anthropic fogad arra, hogy egy olyan modell, amely elég jó, hogy vetekedjen a csúcsmodelljével, és elég olcsó ahhoz, hogy nagy léptékben futhasson, az a termék, amely bezárja e két kimenet közötti rést. A nyilvános piacok hamarosan eldöntik, hogy egyetértenek-e ezzel.