Claude Sonnet 5 drágább lett — rejtett áremelés az Anthropicnál
Az Anthropic Claude Sonnet 5 modellje drágább lett a megnövekedett tokenfogyasztás miatt, annak ellenére, hogy a tokenárak változatlanok maradtak. A modell bizonyos feladatokban már az Opus 4.8-at is felülmúlja.
Tokenfogyasztás növekedése
A Sonnet 5 az Artificial Analysis Intelligence Indexben 53 ponttal az ötödik helyen végzett, ami hat ponttal magasabb, mint a Sonnet 4.6 (47 pont). Azonban a modell jóval több tokent használ fel ugyanazon feladatok elvégzéséhez. Az átlagos feladatonkénti költség 2,29 dollár a Sonnet 5 esetében, míg az Opus 4.8 esetében ez körülbelül 1,97 dollár volt. (The Decoder)Tokenárak és valós költségek
A Sonnet 5 a korábbi Sonnet 4.6-hoz képest mintegy 40 százalékkal több kimeneti tokent fogyaszt fel feladatonként. Ügynök-alapú feladatokban, mint például az AA-Briefcase és a GDPval-AA, körülbelül háromszor annyi ügynöki ciklust futtat, mint elődje. Ez azt jelenti, hogy bár a listázott tokenárak változatlanok ($3/millió bemeneti token, $15/millió kimeneti token), a valós költség feladatkörönként csaknem megduplázódott.Kapcsolódó: Claude érzelmek kutatása
A modell még mindig elmarad a nagyobb modellektől a komplexebb feladatokban. A Terminal-Bench v2.1-en 9 ponttal, a Humanity's Last Exam-on 10 ponttal, a SciCode-on pedig 7 ponttal javított a Sonnet 4.6-hoz képest, de a többi értékelésen nagyjából stagnált.
Kapcsolódó: Claude Opus 4.7 kódolási teljesítménye
Az Anthropic korábban is alkalmazott hasonló áremelési taktikát. Az Opus 4.7 bevezetésekor a tokenárak papíron változatlanok maradtak, de egy új tokenizer körülbelül 30 százalékkal több tokent generált ugyanazokból a szövegekből, így növelve a valós költségeket. A Sonnet 5 esetében a tokenizer problémáját tovább súlyosbítja a modell agentívabb viselkedése, ami feladatonként jóval több tokent emészt fel.
Kapcsolódó: Claude Opus 4.7 versenyelőnye
A kínai Deepseek V4 Pro és GLM-5.2 modellek versenyképes teljesítményt kínálnak a Sonnet 5-höz hasonló árszegmensben, de jóval alacsonyabb költséggel. A cikk szerint az AI-szolgáltatóknak átláthatóbb árazásra lenne szükségük, például feladatonkénti vagy valós munkafolyamatonkénti költséggel, nem pedig nyers tokenárakkal.
Kapcsolódó: Claude Opus 4.7 kódolási ugrás