Мы ещё не отошли от обсуждений GPT-4o, как Anthropic представила Claude 3.5 Sonnet, и я решил сделать свой собственный Обзор Claude 3.5 Sonnet. Разработчики утверждают, что Sonnet превосходит GPT-4o по ряду показателей, и это заявление сразу привлекло внимание. В этой статье я постараюсь оценить реальные возможности новой модели и проверить, соответствуют ли обещания фактическим результатам. Я сохраню фокус на практических тестах, сравнениях и личных впечатлениях. Материал рассчитан на тех, кто хочет понять сильные и слабые стороны Sonnet без лишней теории.
Claude 3.5 Sonnet. Что нового?
Claude 3.5 Sonnet позиционируется как следующая ступень в линейке Anthropic: модель должна лучше понимать и генерировать текст по сравнению с предыдущими версиями. Главные изменения — это прирост скорости и улучшенные возможности рассуждения, а также продвинутые навыки работы с визуальной информацией. Согласно Anthropic, Sonnet в два раза быстрее Claude Opus и превосходит Claude 3 Opus по скорости, стоимости и тестовым результатам. Компания рассчитывает, что модель сможет конкурировать с GPT-4 от OpenAI, предлагая сопоставимые или лучшие результаты в ряде задач. Важно отметить, что Sonnet ориентирована на баланс между точностью, скоростью и стоимостью использования.
Модель демонстрирует улучшенные показатели в задачах логики и знаний, что отражается в тестах уровня выпускника и бакалавра, а также в задачах по программированию. Sonnet лучше справляется с нюансами языка, юмором и сложными инструкциями, что делает её тексты более естественными и живыми. Это заметно при создании длинных развернутых ответов, где модель реже уходит в шаблонность или сухость. Внутренние испытания показывают рост качества по нескольким критериям, но важно помнить о вариативности задач в реальной практике. В большинстве сценариев Sonnet демонстрирует более сбалансированное поведение по сравнению с предыдущими версиями.
С кодом у Sonnet тоже серьёзные успехи: модель решала 64% задач в тестах по программированию, тогда как Claude 3 Opus показал 38%. Это очевидный прогресс в написании, редактировании и миграции кода, а также в решении практических инженерных задач. Sonnet справляется с переводом кода и обновлением старых проектов, а также помогает с миграцией баз данных и интеграцией. Модель хорошо работает как помощник разработчика при стандартных задачах, ускоряя рутинные операции и предлагая понятные объяснения. При этом Sonnet сохраняет внимательность к деталям и реже допускает грубых ошибок в логике кода.
- Скорость: вдвое быстрее Claude Opus.
- Контекст: окно до 200000 токенов.
- Стоимость: 3$ за миллион входных и 15$ за миллион выходных токенов.
Оценим сами
Для честной оценки я прогнал модель через несколько практических тестов, включая поэтические эксперименты и задачи по генерации кода на основе скриншотов. Тестирование происходило через доступные интерфейсы и API, чтобы увидеть поведение модели в разных условиях. Я сравнивал результаты с предыдущими версиями и с альтернативами на рынке, обращая внимание на качество, скорость и удобство взаимодействия. Эти проверки помогли понять, где Sonnet действительно сильна, а где ещё есть пространство для улучшения. Ниже — ключевые наблюдения по отдельным сценариям.
Стихи
Первой задачей стало поэтическое творчество: я попросил модель сгенерировать стихи в духе Бродского и сравнил результат с работами других моделей. Для таких тестов использовался BotHub, так как официальный сайт иногда предъявлял ограничения, а через API модель проявляла себя последовательнее. В целом Sonnet удаётся передать атмосферу одиночества и задумчивости, характерную для упомянутого автора, с аккуратными и яркими образами. Однако в глубине и многослойности стиха моделям пока сложнее достигать уровня подлинного поэтического мышления, поэтому некоторые метафоры кажутся упрощёнными. Тем не менее текст звучит цельно и эмоционально, что уже заметный успех.
При анализе результатов видно, что Sonnet чаще избегает излишнего пафоса и держит тон в рамках лаконичности, что многим читателям нравится. В рифмовке и языке встречаются простые решения, но общее впечатление остаётся положительным: модель умеет строить образы и удерживать настроение на протяжении стихотворения. Критика обычно касалась недостатка философской глубины и характерной для Бродского иронии, но это ожиданный предел для имитации стиля. Для практических задач по созданию поэтических образцов Sonnet подходит лучше многих предшественников. В тестах модель проявила стабильность и гибкость в выборе выразительных средств.
Код страницы скрина
Я также отправлял на вход скриншоты страниц и просил Sonnet сгенерировать код для их воспроизведения, чтобы оценить визуальные и аналитические навыки. Модель продемонстрировала достойные результаты в распознавании элементов интерфейса и в формировании структуры страницы. В сравнении по визуалу наиболее убедительно выглядели Gemini и Sonnet, по моим наблюдениям, особенно в задачах с диаграммами и графиками. Sonnet умеет анализировать изображения, извлекать текст с нечетких фото и делать выводы по диаграммам. Это делает её полезной в задачах, где нужно быстро превратить визуал в код или структуру данных.
Artifacts
Одной из ключевых новинок стала система Artifacts, аналогичная Advanced Data Analysis в других сервисах: Sonnet создаёт интерактивные объекты, с которыми можно дальше работать прямо в чате. Вместо простого вывода результата модель формирует артефакт — например, блок кода, диаграмму или прототип интерфейса, который затем можно поправлять и дорабатывать. Такая интерактивность превращает диалог в совместную работу, где пользователь и ИИ меняют и уточняют результат шаг за шагом. Я не всегда смог полноценно продемонстрировать эту функцию из-за проблем с аккаунтом, но примеры от пользователей показывают широкие возможности.
- Карта фэнтези мира с культурными и военными заметками.
- Интерактивное приложение, демонстрирующее центральную предельную теорему.
- Визуализация архитектуры Deep Learning.
Общее впечатление
В целом впечатления от Claude 3.5 Sonnet положительные: модель заметно эволюционировала и предлагает удобные инструменты для творчества и разработки. Artifacts выделяются как одна из самых интересных фич, хотя личный опыт с ними у меня оказался ограничен из‑за блокировок. Конкуренция на поле генеративных моделей растёт, и Anthropic явно не намерена сдавать позиции, предлагая конкурентоспособные решения. Я буду рад увидеть ваши результаты и мнение в комментариях, особенно касательно работы с Artifacts и практического применения Sonnet.
