Claude Sonnet 5 догнал флагман Opus 4.8 на бенчмарках при вдвое меньшей цене

Anthropic выпустила Claude Sonnet 5 30 июня 2026 года. Модель среднего тарифного ряда закрыла разрыв с флагманом Opus 4.8 на части ключевых замеров, сохранив цену заметно ниже. TechCrunch назвал релиз более дешёвым способом гонять агентов в проде.

Anthropic описывает Sonnet 5 как «самую агентную модель ряда Sonnet»: многошаговое планирование, автономная работа с браузером и терминалом, кодинг с самопроверкой. Адаптивное «мышление» включено по умолчанию. Галлюцинаций и угодливости, по данным компании, меньше, чем у предыдущих релизов. Модель стала дефолтной для тарифов Free и Pro, доступна на Max, Team и Enterprise, в Claude Code и через API.

Ставка на автономность бьёт в конкретный сценарий. Агент, который сам ходит по терминалу, дёргает инструменты и переспрашивает себя, тратит на одну задачу десятки вызовов модели. При такой нагрузке цена за токен весит больше пикового качества: экономия множится на число шагов. Anthropic целит в массовый режим, а не в разовые сложные запросы, где выигрывает флагман.

Цена за агентную работу упала на 40%

Стандартный прайс Sonnet 5 — 3 доллара за миллион входных токенов и 15 за миллион выходных, он вступит в силу с 1 сентября. Opus 4.8 стоит 5 и 25 долларов соответственно. Разница — около 40% на обоих концах.

До 31 августа действует вводный тариф: 2 доллара на входе и 10 на выходе. Это на 60% дешевле Opus 4.8. Anthropic выставила такую ставку не из щедрости, а чтобы сгладить переход на новую токенизацию. Тот же текст в новом токенизаторе весит больше: по формулировке компании, «один и тот же ввод может отображаться в большее число токенов — примерно в 1,0–1,35 раза в зависимости от типа контента». The Decoder отмечает: более прожорливый токенизатор частично съедает экономию на задаче, поэтому реальная выгода ниже, чем следует из голого прайса.

Контекстное окно — миллион токенов нативно, максимальный вывод — 128 тысяч токенов. Тот же объём контекста, что и у старших моделей ряда.

Где Sonnet 5 сравнялся, а где отстал

На GDPval-AA v2 — тесте на знаниевую работу — Sonnet 5 набрал около 1618 баллов против 1615–1616 у Opus 4.8. Статистически это ничья. На Humanity’s Last Exam с инструментами Sonnet 5 показал 57,4% против 57,9% у флагмана — тоже вровень.

Картина ломается на самом трудном кодинге. Компактная сводка:

• GDPval-AA v2: Sonnet 5 ~1618, Opus 4.8 ~1615 — ничья (The Decoder)
• Humanity’s Last Exam: Sonnet 5 — 57,4%, Opus 4.8 — 57,9% (Decrypt)
• SWE-bench Pro: Sonnet 5 — 63,2%, Sonnet 4.6 — 58,1%, Opus 4.8 — 69,2% (The Decoder)
• Terminal-Bench 2.1: Sonnet 5 — 80,4%, Sonnet 4.6 — 67,0%, Opus 4.8 — 74,6% (The Decoder)

На SWE-bench Pro Opus 4.8 держит отрыв в шесть пунктов: тяжёлые задачи по правке кода остаются за флагманом. Зато на Terminal-Bench 2.1 новая модель обошла и предшественника, и Opus — 80,4% против 74,6%. Прибавка к Sonnet 4.6 здесь больше тринадцати пунктов. Для команд, которые оценивают модель по агентным сценариям в терминале, а не по олимпиадному кодингу, это меняет расклад в пользу дешёвого ряда. Сравнение агентных IDE-инструментов разбирал отдельный материал.

Opus 5 не выходил, флагманом остаётся 4.8

Несмотря на цифру «5» в названии Sonnet, старшей модели Opus 5 не существует. Актуальный флагман — Opus 4.8, вышедший 28 мая 2026 года. Линейка сейчас выстроена так: Haiku внизу по цене, Sonnet 5 как новый дефолт с лучшим соотношением цены и качества, Opus 4.8 на пике возможностей за 5 и 25 долларов, а над ним — специализированный ряд Fable 5 и Mythos 5.

Где место каждой модели на рынке, показывает карта фронтирных моделей. Ряд Mythos-класса, стоящий выше Opus, разбирался ранее. Sonnet 5 бьёт не по флагманам, а по экономике: за большинство знаниевых и агентных задач теперь можно платить примерно на 40% меньше, если не упираться в предельную сложность кодинга.

Расчёт стоит вести по своим данным, а не по прайс-листу. Новая токенизация добавляет к каждому промпту переменную наценку, и её размер зависит от типа контента: код, таблицы и русский текст ведут себя иначе, чем чистая англоязычная проза. До 31 августа вводный тариф прикрывает эту разницу, дальше она ляжет на счёт напрямую. Командам, которые прогоняют через модель большие объёмы, имеет смысл замерить фактический расход токенов на своих задачах до перехода со стандартного прайса.