Claude Sonnet 5 — модель среднего уровня от Anthropic, сочетающая хорошую производительность и доступную цену. Показывает лидирующие результаты на ChartMuseum (87%, №1) и сильные показатели на CharXiv-R (88%) и USAMO 2026 (33.39/42, доказательная математика). Поддерживает мультимодальный ввод (текст и изображения).
Основные характеристики
Параметры
-
Контекст
1.0M
Дата выпуска
30 июня 2026 г.
Индекс
47.2
Временная шкала
Ключевые даты в истории модели
Анонс
30 июня 2026 г.
Последнее обновление
29 июля 2026 г.
Сегодня
27 октября 2026 г.
Технические характеристики
Параметры
-
Токены обучения
-
Граница знаний
-
Семейство
-
Возможности
МультимодальностьZeroEval
Ценообразование и доступность
Вход (за 1М токенов)
$3.00
Выход (за 1М токенов)
$15.00
Макс. входящих токенов
1.0M
Макс. исходящих токенов
64.0K
Поддерживаемые возможности
Вызов функцийСтруктурированный выводВыполнение кодаПоиск в интернетеПакетная обработкаДообучение
Результаты бенчмарков
Показатели производительности модели на различных тестах и бенчмарках
Программирование
Тесты на навыки программирования
SWE-Bench Verified
Агентное кодирование (подмножество SWE-bench Verified из 500 задач). Стандартная конфигурация, адаптивное мышление на максимальном усилии, блоки мышления включены в сэмплирование, усреднение по 5 прогонам. • данные разработчика
Другие тесты
Специализированные бенчмарки
GDPval-AA
GDPval-AA v2 Elo (Artificial Analysis), по состоянию на 6 июня 2026. Адаптивное рассуждение, максимальное усилие. Оценка 1618 из 3000. • проверено
USAMO 2026
Доказательная математика (USAMO 2026, проходившая 21-22 марта 2026). Методология оценки MathArena, высокое усилие, лимит 300k токенов, усреднено по 10 попыткам. Результат: 33.39 из 42 (79.5%). • данные разработчика
CharXiv-R
CharXiv Reasoning (1000 валидационных вопросов). С инструментами Python: 88.3%. Без инструментов: 77.0%. Усреднено по 5 запускам. • данные разработчика
ChartMuseum
Вопросы-ответы по диаграммам, требующие визуального рассуждения (1162 вопроса). С инструментами Python: 86.7%. Без инструментов: 70.1%. Тестовая выборка, усреднено по 5 запускам. • данные разработчика
ArXivMath
Математика исследовательского уровня с финальным ответом (MathArena, релизы апреля и мая 2026, 81 задача). С инструментами: 72.2%. Без инструментов: 65.7%. Расширенное мышление, усреднение по 4 попыткам на задачу. • данные разработчика
AutomationBench
Сквозной бенчмарк бизнес-процессов Zapier, закрытый отложенный набор таблицы лидеров. Максимальное усилие. • данные разработчика
BenchCAD
BenchCAD Vision2Code voxel IoU. С инструментом Python: 0.373. Без инструментов: 0.266. Случайная подвыборка из 1 000 файлов, усреднение по 5 запускам. • данные разработчика
BrowseComp
Агентный поиск. Одноагентная система с веб-поиском, загрузкой веб-страниц, выполнением кода, адаптивным мышлением на максимальном усилии, лимитом 10 млн токенов и сжатием контекста при 200 тыс. токенов. Мультиагентная система достигает 86.6%. • данные разработчика
DeepSWE 1.1
Таблица лидеров DeepSWE v1.1, харнесс mini-swe-agent, максимальное усилие; Pass@1 54% ± 4%. • проверено
FrontierCode
FrontierCode v1, производственная оценка качества кода от Cognition, при максимальном усилии. • данные разработчика
FrontierCode 1.1
FrontierCode 1.1, текущая таблица лидеров; оценка mergeability при усилии xhigh: 42.7%. • проверено
GDP.pdf
Экспертный мультимодальный QA по документам (Surge AI, 100 промптов/PDF). Средний показатель прохождения критериев с инструментами Python: 81.6%. Без инструментов: 67.5%. Внутренняя обвязка, усреднено по 5 запускам. • данные разработчика
HealthBench Professional
Скорректированный по длине балл с адаптивным мышлением на максимальном усилии. Оценщик Claude Opus 4.8, усреднено по 5 испытаниям. • данные разработчика
Humanity's Last Exam
Мультидисциплинарное рассуждение (2,500 вопросов). С инструментами (веб-поиск, получение веб-страниц, выполнение кода): 57.4%. Без инструментов: 43.2%. Автоматическое мышление, ограничение в 1M общих токенов, оценщик Claude Opus 4.6. • данные разработчика
Legal Agent Benchmark
All-pass rate на held-out наборе Harvey (средний процент прохождения критериев 91.2%). Полный публичный набор, all-pass rate: 8.9% (средний процент прохождения критериев 88.26%). Адаптивное мышление на максимальном усилии. • данные разработчика
OfficeQA Pro
Обоснованное рассуждение по документам U.S. Treasury Bulletin (подмножество из 133 вопросов). Внутренний агентный харнесс с документами в виде извлечённого текста и инструментами выполнения кода. Точное совпадение, среднее по 5 прогонам. Полный набор OfficeQA: 73.3%. • данные разработчика
OSWorld-Verified
Агентное использование компьютера. 361 задача на 100 шагов, разрешение 1080p, адаптивное мышление на максимальном усилии. Доля успеха с первой попытки, усреднение по 5 запускам. Обновлённый harness (исправление ошибки инструмента zoom, 128K максимальных токенов на ход). • данные разработчика
SWE-bench Multilingual
300 задач на 9 языках программирования. Усреднено по 5 запускам при максимальном усилии. • данные разработчика
SWE-Bench Multimodal
Визуальный контекст (скриншоты, дизайн-макеты), добавленный к описаниям задач. Внутренний харнесс, усреднение по 5 прогонам. • данные разработчика
SWE-Bench Pro
Более сложный вариант SWE-bench: активно поддерживаемые репозитории с более крупными многофайловыми диффами и сниженной утечкой публичной эталонной разметки. Усреднено по 5 испытаниям при максимальном усилии. • данные разработчика
Terminal-Bench 2.0
Агентное терминальное кодирование (Terminal-Bench 2.1) с обвязкой mini-SWE-agent на высоком усилии xhigh. Средняя награда по 5 попыткам на 89 уникальных задачах (445 прогонов). • данные разработчика
Terminal-Bench 4.0
Terminal-Bench 4.0, публичная таблица лидеров; доля решённых задач 12.4% ± 3.1%; агент Claude Code; максимальное усилие. • проверено
Toolathlon
Pass@1, усреднено по 3 попыткам на всех 108 задачах. Внутренний харнесс с адаптивным мышлением на максимальном усилии. Pass@3: 63.0%, Pass^3: 40.7%. • данные разработчика
Лицензия и метаданные
Лицензия
Проприетарная
Дата анонса
30 июня 2026 г.
Последнее обновление
29 июля 2026 г.
Claude Sonnet 5: плюсы и минусы
Плюсы
- Огромный контекст — 1M токенов: целые книги и кодовые базы за раз
- Понимает изображения, не только текст
- Сильнее всего в тесте CharXiv-R — 88.0%
- Можно попробовать онлайн на AI-Stat — без VPN и регистрации
Минусы
- Дорогой API — $3.00 за 1M входных токенов
- Слабее в тесте Legal Agent Benchmark — 5.8%
Похожие модели
Все модели
Claude Fable 5.1
Anthropic
MM
Релиз:сент. 2026 г.
Цена:$10.00/1M токенов
Claude Fable 5
Anthropic
MM
Релиз:июнь 2026 г.
Цена:$10.00/1M токенов
Claude Haiku 5.5
Anthropic
MM
Релиз:окт. 2026 г.
Цена:$0.10/1M токенов
Claude Opus 4.8
Anthropic
MM
Лучший скор:0.9 (GPQA)
Релиз:май 2026 г.
Цена:$5.00/1M токенов
Claude Mythos 5.1
Anthropic
MM
Релиз:сент. 2026 г.
Цена:$10.00/1M токенов
Claude Opus 4.1
Anthropic
MM
Лучший скор:0.8 (TAU)
Релиз:авг. 2025 г.
Цена:$15.00/1M токенов
Claude Opus 4
Anthropic
MM
Лучший скор:0.8 (GPQA)
Релиз:май 2025 г.
Цена:$15.00/1M токенов
Claude Haiku 4.5
Anthropic
MM
Лучший скор:0.8 (TAU)
Релиз:окт. 2025 г.
Цена:$1.00/1M токенов
Рекомендации основаны на схожести характеристик: организация-разработчик, мультимодальность, размер параметров и производительность в бенчмарках. Выберите модель для сравнения или перейдите к полному каталогу для просмотра всех доступных моделей ИИ.