Anthropic、Claude Sonnet 5.5公開

Sonnet 5.5は、最上位のOpus 5.5に続くAnthropicのClaude 5.5ファミリー第2弾として登場した。同社はタスク種別で両者を位置づける。Opus 5.5は慎重な判断を要する複雑な作業向け、Sonnet 5.5は範囲が明確な日常業務やバグ修正、洗練された文書・スライド・表計算向けだ。Sonnet 5.5はデザインを見る目も鋭く、Anthropicによれば前世代より明快な文章を生成する。

ベンチマークの差は大きい。エージェント型コーディング評価のTerminal-Bench 4.0でSonnet 5.5は70.6%を記録し、Sonnet 5の10.3%を大きく上回った。一方GDPval-AAではOpus 5.5より2ポイント低い。コンピュータ操作やグラフ認識ではOpus 5.5に近く、長期的な知識作業ではSonnet 5やGPT-6 Solを大きく上回るとされる。スクリーンショット1枚だけでPokémon Redをクリアできた。Max effortの一部評価ではOpus 5.5に匹敵するが、社内・外部の検証はいずれも複雑で開かれた作業ではOpus 5.5が優位と報告している。LowおよびMedium effortではタスクあたりのコストを約10分の1に抑えつつ、Sonnet 5の最高スコアを上回る。

アラインメントと安全性の状況は意図的に細やかに設計されている。Sonnet 5.5はAnthropicの自動行動監査で、ほとんどのアラインメント指標においてSonnet 5と同等以上を維持する。サイバーセキュリティ能力は著しく向上し、Opus 5と同程度に達した。Sonnetモデルとして初めて、最高能力モデルと同じサイバーセーフガードとフォールバック機能を備え、Opus 5.5のセーフガードと同様に適用される。生物学的セーフガードはSonnet 5から変更なし。両セーフガードは稀な高リスク要求のみを対象とするため、日常的なソフトウェア開発やライフサイエンス業務にはほとんど影響しないはずだ。同価格のモデルが最も高度な判断を要するタスクを担えるかという大きな問いは、より多くの外部テスターがSonnet 5.5を本番環境で使う段階で、報告されているOpus 5.5の優位がどこまで保つかにかかっている。