સસ્તા AI એજન્ટ્સને સક્ષમ કરવા માટે Anthropic એ Claude Sonnet 5 લોન્ચ કર્યું

Anthropic એ સત્તાવાર રીતે Claude Sonnet 5 રિલીઝ કર્યું છે, જે ઉચ્ચ સ્તરનું તર્ક (reasoning) અને ખર્ચ-અસરકારક સ્વાયત્ત અમલીકરણ (autonomous execution) વચ્ચેના અંતરને ઘટાડવા માટે ખાસ તૈયાર કરવામાં આવેલ મધ્યમ કદનું મોડેલ છે. "એજન્ટિક" (agentic) ક્ષમતાઓ—જેમ કે સાધનોનો ઉપયોગ કરવાની, આયોજન કરવાની અને પુનરાવર્તન કરવાની ક્ષમતા—ને પ્રાધાન્ય આપીને, Anthropic Sonnet 5 ને ઓટોમેટેડ વર્કફ્લો બનાવતા ડેવલપર્સ માટે મુખ્ય એન્જિન તરીકે સ્થાપિત કરી રહ્યું છે.

એજન્ટિક ઇન્ટેલિજન્સ તરફનું પરિવર્તન

વર્તમાન AI હરીફાઈમાં, ઉદ્યોગ સાદા ચેટબોટ્સથી આગળ વધીને સ્વાયત્ત એજન્ટો (autonomous agents) તરફ આગળ વધી રહ્યો છે. Anthropic નું આ રિલીઝ OpenAI ના GPT-5.6 Sol અને Google ના Gemini 3.5 Flash જેવા જ પગલાંઓનું અનુસરણ કરે છે, જે સૂચવે છે કે એજન્ટિક પર્ફોર્મન્સ હવે નવો બેઝલાઇન (baseline) બની રહ્યો છે.

Claude Sonnet 5 ને એક સ્વાયત્ત ઓપરેટર તરીકે કામ કરવા માટે ડિઝાઇન કરવામાં આવ્યું છે, જે મલ્ટી-સ્ટેપ કાર્યો કરવા માટે બ્રાઉઝર્સ અને ટર્મિનલ્સનો ઉપયોગ કરવા સક્ષમ છે. જટિલ ક્રમ દરમિયાન અટકી જતી અગાઉની આવૃત્તિઓથી વિપરીત, Sonnet 5 માં "તેના પોતાના આઉટપુટને તપાસવાની" અને એન્ડ-ટુ-એન્ડ વર્કફ્લો પૂર્ણ કરવાની અનોખી ક્ષમતા જોવા મળે છે. ઉદાહરણ તરીકે, Zapier ના એન્જિનિયરોએ નોંધ્યું કે આ મોડેલે બે ભાગના કાર્યને સફળતાપૂર્વક પૂર્ણ કર્યું—Salesforce એકાઉન્ટ ટાયર્સ અપડેટ કરવા અને એન્ટરપ્રાઇઝ લોન્ચ જાહેરાતો મોકલવી—એવી પ્રક્રિયા જે અગાઉના મોડેલ્સમાં અધવચ્ચે નિષ્ફળ જતી હતી.

પર્ફોર્મન્સ બેન્ચમાર્ક: દિગ્ગજ મોડેલ્સની સમકક્ષ

જોકે Sonnet 5 એ મધ્યમ કદનું મોડેલ છે, પરંતુ તેના પર્ફોર્મન્સ મેટ્રિક્સ Anthropic ના ફ્લેગશિપ, Opus 4.8 ની નજીક છે. એજન્ટિક કોડિંગ બેન્ચમાર્ક પર, Sonnet 5 એ 63.2% સ્કોર કર્યો છે, જે તેના પૂર્વવર્તી Sonnet 4.6 (58.1%) કરતા નોંધપાત્ર રીતે વધારે છે, અને તે માત્ર Opus 4.8 (69.2%) થી થોડું પાછળ છે.

નોંધપાત્ર રીતે, ચોક્કસ નોલેજ વર્ક બેન્ચમાર્ક્સમાં, Sonnet 5 એ ખરેખર Opus 4.8 કરતા વધુ સારું પ્રદર્શન કર્યું છે. આ તેને એવા ડેવલપર્સ માટે અત્યંત કાર્યક્ષમ પસંદગી બનાવે છે જેમને ટોપ-ટિયર મોડેલના મોંઘા ભાવ વગર ઊંડા તર્ક (deep reasoning) ની જરૂર છે. Anthropic સૂચવે છે કે જ્યારે Opus 4.8 અત્યંત ચોકસાઈ અને સૂક્ષ્મ નિર્ણય લેવા માટે સ્ટાન્ડર્ડ રહે છે, ત્યારે Sonnet 5 રોજિંદા ઓટોમેશન માટે ગુણવત્તા અને ખર્ચનું આદર્શ સંતુલન પ્રદાન કરે છે.

આક્રમક કિંમત અને સુરક્ષા ધોરણો

વ્યાપ વધારવા માટે, Anthropic એ સ્પર્ધાત્મક કિંમતનું માળખું રજૂ કર્યું છે. 31 ઓગસ્ટ સુધી, Sonnet 5 ની કિંમત પ્રતિ મિલિયન ઇનપુટ ટોકન્સ માટે $2 અને પ્રતિ મિલિયન આઉટપુટ ટોકન્સ માટે $10 છે. આ સમયગાળા પછી, કિંમતો પ્રતિ મિલિયન ઇનપુટ ટોકન્સ માટે $3 અને પ્રતિ મિલિયન આઉટપુટ ટોકન્સ માટે $15 થશે. આ સ્થિતિ Sonnet 5 ને OpenAI ના GPT-5.5 અને Google ના Gemini 3.1 Pro કરતા વધુ સસ્તું બનાવે છે, જોકે તે Gemini 3.5 Flash કરતા મોંઘું છે.

એજન્ટિક ડિપ્લોયમેન્ટમાં સુરક્ષા પણ એટલી જ મહત્વપૂર્ણ છે, જ્યાં મોડેલની દુષ્ટ (malicious) આદેશોનો ઇનકાર કરવાની ક્ષમતા સર્વોપરી છે. Sonnet 4.6 ની સરખામણીમાં Sonnet 5 માં "અનિચ્છનીય વર્તણૂક" (undesirable behaviors), જેમ કે છેતરપિંડી અથવા દુરુપયોગમાં સહકાર આપવાના દરમાં ઘટાડો જોવા મળ્યો છે. તેણે પ્રોમ્પ્ટ-ઇન્જેક્શન (prompt-injection) હુમલાઓ સામે સુધારેલ સ્થિતિસ્થાપકતા અને 'સ્યોકોફન્ટિક' (sycophantic) વર્તણૂકનો નીચો દર પણ દર્શાવ્યો છે, જે તેને લાખો વપરાશકર્તાઓ માટે સાધનો તૈનાત કરતા બિલ્ડર્સ માટે વધુ વિશ્વસનીય ભાગીદાર બનાવે છે.

મુખ્ય મુદ્દાઓ

• એજન્ટિક ફોકસ: Sonnet 5 ને સ્વાયત્ત કાર્યો માટે ઓપ્ટિમાઇઝ કરવામાં આવ્યું છે, જેમાં સાધનોનો ઉપયોગ (બ્રાઉઝર્સ/ટર્મિનલ્સ) અને સેલ્ફ-કરેક્શનનો સમાવેશ થાય છે, જે તેને જટિલ ઓટોમેશન માટે આદર્શ બનાવે છે.
• ખર્ચ-કાર્યક્ષમતા: આ મોડેલ Opus 4.8, GPT-5.5 અને Gemini 3.1 Pro જેવા ફ્લેગશિપ મોડેલ્સના ઉચ્ચ-પ્રદર્શન અને ઓછા ખર્ચના વિકલ્પ તરીકે કામ કરે છે.
• વધારે સુરક્ષા: દુષ્ટ વિનંતીઓને નકારવામાં અને પ્રોમ્પ્ટ ઇન્જેક્શનનો પ્રતિકાર કરવામાં નોંધપાત્ર સુધારાઓ તેને એજન્ટિક વર્કફ્લો માટે વધુ સુરક્ષિત બનાવે છે.