Introducing Sonnet 4.6

Представляем Claude Sonnet 4.6

Claude Sonnet 4.6 — наша самая способная модель Sonnet на сегодня. Это полноценное усиление навыков модели в программировании, использовании компьютера, рассуждениях на длинном контексте, планировании агентов, интеллектуальной работе и дизайне. Sonnet 4.6 также получила контекстное окно на 1M токенов в бете.

Для пользователей наших тарифов Free и Pro Claude Sonnet 4.6 теперь является моделью по умолчанию в claude.ai и Claude Cowork. Цены остаются такими же, как у Sonnet 4.5 — от $3/$15 за миллион токенов.

Sonnet 4.6 приносит значительно улучшенные навыки программирования большему числу наших пользователей. Улучшения в согласованности, следовании инструкциям и многом другом привели к тому, что разработчики с ранним доступом предпочитают Sonnet 4.6 предшественнику с большим отрывом. Часто они даже предпочитают её нашей самой умной модели на ноябрь 2025 года — Claude Opus 4.5.

Производительность, которая раньше требовала бы обращения к модели класса Opus — в том числе на реальных, экономически ценных офисных задачах — теперь доступна в Sonnet 4.6. Модель также демонстрирует существенное улучшение в навыках использования компьютера по сравнению с прежними моделями Sonnet.

Как и для каждой новой модели Claude, мы провели обширные оценки безопасности Sonnet 4.6, которые в целом показали, что она так же безопасна, как и другие наши недавние модели Claude, или безопаснее. Наши исследователи безопасности пришли к выводу, что у Sonnet 4.6 «в целом тёплый, честный, просоциальный и порой забавный характер, очень сильные модели поведения в области безопасности и отсутствие признаков серьёзных проблем с рассогласованием в ситуациях с высокими ставками».

Использование компьютера

Почти в каждой организации есть ПО, которое нелегко автоматизировать: специализированные системы и инструменты, созданные до появления современных интерфейсов вроде API. Чтобы ИИ мог работать с таким ПО, раньше пользователям приходилось бы создавать индивидуальные коннекторы. Но модель, которая умеет пользоваться компьютером так же, как человек, меняет это уравнение.

В октябре 2024 года мы первыми представили универсальную модель, использующую компьютер. Тогда мы написали, что она «всё ещё экспериментальна — порой громоздка и подвержена ошибкам», но мы ожидали быстрого прогресса. OSWorld, стандартный бенчмарк использования компьютера ИИ, показывает, как далеко продвинулись наши модели. Он предлагает сотни задач в реальном ПО (Chrome, LibreOffice, VS Code и других), запущенном на симулированном компьютере. Никаких специальных API или построенных под задачу коннекторов; модель видит компьютер и взаимодействует с ним почти так же, как это делал бы человек: щёлкая (виртуальной) мышью и печатая на (виртуальной) клавиатуре.

За шестнадцать месяцев наши модели Sonnet добились устойчивого прогресса на OSWorld. Эти улучшения видны и за пределами бенчмарков: первые пользователи Sonnet 4.6 наблюдают возможности на уровне человека в таких задачах, как навигация по сложной электронной таблице или заполнение многошаговой веб-формы, прежде чем собрать всё воедино в нескольких вкладках браузера.

Модель, безусловно, всё ещё уступает самым искусным людям в использовании компьютера. Но темп прогресса тем не менее впечатляет. Это означает, что использование компьютера стало гораздо полезнее для целого ряда рабочих задач — и что существенно более способные модели уже не за горами.

В то же время использование компьютера несёт риски: злоумышленники могут попытаться захватить контроль над моделью, спрятав инструкции на сайтах — это известно как атака prompt injection. Мы работали над повышением устойчивости наших моделей к prompt injection — наши оценки безопасности показывают, что Sonnet 4.6 серьёзно превосходит предшественника, Sonnet 4.5, и работает схоже с Opus 4.6. Подробнее о том, как смягчать prompt injection и другие проблемы безопасности, можно узнать в нашей документации по API.

Оценка Claude Sonnet 4.6

Помимо использования компьютера, Claude Sonnet 4.6 улучшилась на бенчмарках по всем направлениям. Она приближается к интеллекту уровня Opus при цене, которая делает её практичнее для гораздо большего числа задач. Полное обсуждение возможностей Sonnet 4.6 и её поведения в области безопасности можно найти в нашей системной карте; сводка и сравнение с другими недавними моделями приведены ниже.

В Claude Code наше раннее тестирование показало, что пользователи предпочитали Sonnet 4.6 модели Sonnet 4.5 примерно в 70% случаев. Пользователи сообщали, что она эффективнее читала контекст перед изменением кода и консолидировала общую логику, а не дублировала её. Это сделало её менее раздражающей в использовании на протяжении длинных сессий по сравнению с прежними моделями.

Пользователи даже предпочитали Sonnet 4.6 модели Opus 4.5, нашей флагманской модели ноября, в 59% случаев. Они оценили Sonnet 4.6 как существенно менее склонную к избыточной инженерии и «лени» и заметно лучше следующую инструкциям. Они сообщали о меньшем числе ложных заявлений об успехе, меньшем числе галлюцинаций и более последовательном доведении до конца многошаговых задач.

Контекстного окна Sonnet 4.6 на 1M токенов достаточно, чтобы вместить целые кодовые базы, объёмные контракты или десятки научных статей в одном запросе. Что ещё важнее, Sonnet 4.6 эффективно рассуждает по всему этому контексту. Это может делать её значительно лучше в долгосрочном планировании. Особенно отчётливо мы увидели это в оценке Vending-Bench Arena, которая проверяет, насколько хорошо модель может вести (симулированный) бизнес во времени — и которая включает элемент соревнования, где разные ИИ-модели соперничают друг с другом за максимальную прибыль.

Sonnet 4.6 выработала интересную новую стратегию: первые десять симулированных месяцев она активно инвестировала в мощности, тратя значительно больше своих конкурентов, а затем резко переключилась на фокус на прибыльности на финишном отрезке. Тайминг этого разворота помог ей финишировать с большим отрывом от соперников.

Первые клиенты также сообщали о широких улучшениях, среди которых выделялись фронтенд-код и финансовый анализ. Клиенты независимо друг от друга описывали визуальные результаты Sonnet 4.6 как заметно более отполированные, с лучшими макетами, анимациями и чувством дизайна, чем у предыдущих моделей. Клиентам также требовалось меньше циклов итераций, чтобы достичь результатов продакшен-качества.

Claude Sonnet 4.6 соответствует производительности Opus 4.6 на OfficeQA, который измеряет, насколько хорошо модель может читать корпоративные документы (графики, PDF, таблицы), извлекать нужные факты и рассуждать на их основе. Это значимое усовершенствование для рабочих нагрузок по пониманию документов.

Соотношение производительности и стоимости у Claude Sonnet 4.6 поразительное — трудно переоценить, насколько быстро модели Claude развивались в последние месяцы. Sonnet 4.6 показывает превосходные результаты на наших оценках оркестрации, справляется с самыми сложными агентными нагрузками и продолжает улучшаться по мере повышения настроек усилия (effort).

Claude Sonnet 4.6 — заметное улучшение по сравнению с Sonnet 4.5 по всем направлениям, включая долгосрочные задачи и более трудные проблемы.

С самого старта Claude Sonnet 4.6 уже превосходно справляется со сложными исправлениями кода, особенно когда критически важен поиск по большим кодовым базам. Для команд, запускающих агентное программирование в масштабе, мы видим высокие показатели решения задач и ту последовательность, которая нужна разработчикам.

Claude Sonnet 4.6 ощутимо сократила отставание от Opus в обнаружении багов, позволяя нам запускать больше ревьюеров параллельно, ловить более широкий спектр багов и делать всё это без увеличения затрат.

Впервые Sonnet приносит рассуждения фронтирного уровня в меньшем и более экономичном формате. Это жизнеспособная альтернатива, если вы активно используете Opus.

Claude Sonnet 4.6 ощутимо улучшает извлечение ответов, лежащее в основе нашего ключевого продукта — мы увидели значительный скачок в доле совпадений ответов по сравнению с Sonnet 4.5 в нашем Financial Services Benchmark, с лучшей полнотой (recall) на конкретных рабочих сценариях, от которых зависят наши клиенты.

Box оценила, как Claude Sonnet 4.6 работает при тестировании на глубоких рассуждениях и сложных агентных задачах по реальным корпоративным документам. Она продемонстрировала значительные улучшения, превзойдя Claude Sonnet 4.5 в требующих интенсивных рассуждений Q&A на 15 процентных пунктов.

Claude Sonnet 4.6 достигла 94% на нашем страховом бенчмарке, став самой высокопроизводительной моделью из протестированных нами для использования компьютера. Такая точность критически важна для рабочих сценариев вроде приёма заявок (submission intake) и первичного уведомления об убытке (first notice of loss).

Claude Sonnet 4.6 выдаёт результаты фронтирного уровня на сложных сборках приложений и исправлении багов. Она становится нашим основным выбором для той глубокой работы с кодовыми базами, которая раньше требовала более дорогих моделей.

Claude Sonnet 4.6 произвела лучший iOS-код из протестированного нами для Rakuten AI. Лучшее соответствие спецификации, лучшая архитектура, и она потянулась к современному инструментарию, о котором мы не просили — всё за один проход. Результаты по-настоящему нас удивили.

Sonnet 4.6 — значительный скачок вперёд в рассуждениях над трудными задачами. Мы находим её особенно сильной на разветвлённых и многошаговых задачах вроде маршрутизации контрактов, условного выбора шаблонов и координации CRM — ровно там, где нашим клиентам нужны сильное «чутьё» модели и надёжность.

Нас впечатлило, насколько точно Claude Sonnet 4.6 справляется со сложным использованием компьютера. Это явное улучшение по сравнению со всем остальным, что мы тестировали в наших оценках.

У Claude Sonnet 4.6 безупречный вкус в дизайне при создании фронтенд-страниц и отчётов с данными, и для этого ей требуется куда меньше «ручного ведения», чем всему, что мы тестировали прежде.

Claude Sonnet 4.6 исключительно отзывчиво реагировала на указания — выдавала точные цифры и структурированные сравнения по запросу, а также генерировала по-настоящему полезные идеи по стратегии судебного процесса и подготовке вещественных доказательств.

Обновления продукта

На платформе Claude Sonnet 4.6 поддерживает как адаптивное мышление, так и расширенное мышление, а также компакцию контекста в бете, которая автоматически суммирует более старый контекст по мере приближения разговоров к лимитам, увеличивая эффективную длину контекста.

В нашем API инструменты веб-поиска и загрузки (fetch) Claude теперь автоматически пишут и исполняют код, чтобы фильтровать и обрабатывать результаты поиска, оставляя в контексте только релевантное содержимое — улучшая и качество ответов, и эффективность по токенам. Кроме того, исполнение кода, память, программный вызов инструментов, поиск инструментов и примеры использования инструментов теперь общедоступны.

Sonnet 4.6 обеспечивает высокую производительность при любом уровне усилия мышления (thinking effort), даже с выключенным расширенным мышлением. В рамках вашей миграции с Sonnet 4.5 мы рекомендуем исследовать весь спектр, чтобы найти идеальный баланс скорости и надёжной производительности — в зависимости от того, что вы создаёте.

Мы считаем, что Opus 4.6 остаётся самым сильным вариантом для задач, требующих самых глубоких рассуждений — таких как рефакторинг кодовой базы, координация нескольких агентов в рабочем процессе и проблемы, где сделать именно правильно имеет первостепенное значение.

Для пользователей Claude в Excel наша надстройка теперь поддерживает коннекторы MCP, позволяя Claude работать с другими инструментами, которые вы используете ежедневно — такими как S&P Global, LSEG, Daloopa, PitchBook, Moody’s и FactSet. Вы можете попросить Claude подтянуть контекст из-за пределов вашей таблицы, ни разу не покидая Excel. Если вы уже настроили коннекторы MCP в Claude.ai, те же подключения автоматически заработают в Excel. Это доступно на тарифах Pro, Max, Team и Enterprise.

Как использовать Claude Sonnet 4.6

Claude Sonnet 4.6 доступна уже сейчас на всех тарифах Claude, в Claude Cowork, Claude Code, нашем API и на всех основных облачных платформах. Мы также обновили наш бесплатный тариф до Sonnet 4.6 по умолчанию — теперь он включает создание файлов, коннекторы, навыки (skills) и компакцию.

Если вы разработчик, вы можете быстро начать, используя claude-sonnet-4-6 через Claude API.

Сноски

Для GPT-5.2 и Gemini 3 Pro мы сравнивали с лучшей заявленной версией модели, доступной через API, на графиках и в таблице.OSWorld: OSWorld тестирует определённый набор компьютерных задач в контролируемой среде. Это одна из лучших имеющихся у нас мер, но не полная картина реального использования компьютера. Реальное использование компьютера часто более беспорядочно и неоднозначно, и оно несёт более высокие ставки при ошибках. Ни один бенчмарк пока не охватывает это полностью.Terminal-Bench 2.0: Мы приводим как результаты, воспроизведённые на нашей инфраструктуре, так и опубликованные результаты других лабораторий. Все прогоны использовали харнес Terminus-2, за исключением Codex CLI от OpenAI. Все эксперименты использовали выделение ресурсов 1× гарантированно / 3× максимум и 5–15 сэмплов на задачу в смещённых по времени батчах. Приведённый результат Sonnet 4.6 — с выключенным мышлением.SWE-bench Verified: Наш результат усреднён по 10 испытаниям. С модификацией промпта мы получили результат 80,2%.Humanity’s Last Exam: Модели Claude, запущенные «с инструментами», использовали веб-поиск, веб-загрузку, исполнение кода, программный вызов инструментов, компакцию контекста, срабатывающую при 50k токенов вплоть до 3M токенов в сумме, максимальное усилие рассуждений и включённое адаптивное мышление. Для деконтаминации результатов оценки использовался чёрный список доменов.BrowseComp: Модели Claude запускались с веб-поиском, веб-загрузкой, программным вызовом инструментов, компакцией контекста, срабатывающей при 50k токенов вплоть до 10M токенов в сумме, максимальным усилием рассуждений и без мышления.ARC-AGI-2: Claude Sonnet 4.6 запускалась с максимальным и высоким усилием и бюджетом мышления в 120k. Показанный результат отражает максимальное усилие; при высоком усилии мы достигаем результата 60,4%.MMMU-Pro: Мы внесли два небольших обновления в нашу реализацию MMMU-Pro, повлиявшие на результат: 1) наша прежняя реализация содержала префикс «Let’s think step-by-step», который мы убрали, и 2) раньше мы оценивали этот тест с множественным выбором, глядя на on-policy вероятности токенов вариантов выбора; теперь мы оцениваем его с помощью отдельной модели (Claude Sonnet 4).

Связанные материалы

PwC внедряет Claude для создания технологий, проведения сделок и переосмысления корпоративных функций для клиентов

PwC будет развёртывать Claude Code и Cowork, начиная с команд в США и расширяясь к глобальному штату из сотен тысяч специалистов, создаст совместный Центр компетенций (Center of Excellence) и обучит и сертифицирует 30 000 специалистов PwC по работе с Claude.

Anthropic заключает партнёрство на $200 миллионов с Gates Foundation

Представляем Claude for Small Business

Мы запускаем Claude for Small Business — пакет коннекторов и готовых к работе рабочих процессов, которые встраивают Claude в инструменты, используемые малым бизнесом каждый день.