Phân tích sâu Claude Sonnet 5: năng lực agent, effort, benchmark và chi phí thực

Vì sao Sonnet 5 đáng chú ý

Tính đến 2026-07-16, Claude Sonnet 5 đã được phát hành hơn hai tuần. Đây không phải mô hình mạnh nhất hay flagship đắt nhất của Anthropic, nhưng có thể nó phản ánh hướng cạnh tranh hiện nay rõ hơn một bản nâng cấp flagship: những công việc dài hơi vốn mới đây còn cần mô hình cao cấp đang nhanh chóng xuất hiện ở sản phẩm rẻ hơn và được dùng thường xuyên hơn.

Anthropic phát hành Sonnet 5 ngày 2026-06-30 và gọi đây là Sonnet có năng lực agent mạnh nhất của hãng. “Agentic” ở đây không chỉ là chạy một lần tìm kiếm hoặc một đoạn mã. Mô hình được kỳ vọng lập kế hoạch, dùng trình duyệt, terminal, môi trường chạy mã và các công cụ khác qua nhiều bước, kiểm tra kết quả trung gian rồi đẩy công việc đến sản phẩm bàn giao với ít can thiệp của con người hơn. Anthropic cho rằng nó tiến gần Opus 4.8 ở một số tác vụ nhưng vẫn giữ mức giá của dòng Sonnet.

Điều đó làm thay đổi vai trò của họ Sonnet. Sonnet 3.5 đến 3.7 đã đưa lập trình và dùng công cụ vào luồng công việc phổ biến, trong khi những bước tiến agent rõ nhất sau đó lại nằm ở Opus. Sonnet 5 đưa một phần năng lực ấy trở lại phân khúc trung cấp. Nó có thay thế được Opus hay không còn tùy tải, nhưng một chuẩn sản phẩm mới đã rõ: mô hình tầm trung giờ được kỳ vọng làm việc bền bỉ và tự xác minh kết quả, chứ không chỉ tạo câu trả lời kế tiếp nghe hợp lý.

Định vị, thông số và phạm vi cung cấp

ID trực tiếp trên API là claude-sonnet-5. Khi ra mắt, mô hình có trong các gói Claude Free, Pro, Max, Team và Enterprise, trở thành lựa chọn mặc định cho Free và Pro, đồng thời xuất hiện trên Claude Code, Claude API, AWS, Google Cloud và Microsoft Foundry. Tính năng, khu vực và giới hạn vẫn có thể khác nhau giữa các nền tảng.

Tổng quan mô hình chính thức liệt kê các thông số cốt lõi sau:

Ngữ cảnh 1M và đầu ra 128k tạo không gian cho tài liệu dài, phân tích repository và agent chạy lâu. Tuy nhiên, đó là giới hạn dung lượng, không phải bảo đảm rằng khả năng truy xuất đồng đều ở mọi vị trí, cũng không có nghĩa nên lấp đầy mọi yêu cầu. Mốc kiến thức tháng 1 năm 2026 còn cho thấy tin tức, phiên bản phần mềm và dữ liệu mới hơn vẫn cần tìm kiếm hoặc nguồn được cung cấp.

System card cho biết Sonnet 5 được huấn luyện trên hỗn hợp độc quyền gồm thông tin công khai trên internet, bộ dữ liệu công khai và riêng tư, cùng dữ liệu tổng hợp do mô hình khác tạo ra, sau đó được hậu huấn luyện theo Claude Constitution. Anthropic không công bố số tham số, lượng tính toán huấn luyện, kiến trúc hay thành phần dữ liệu đầy đủ. Vì vậy, tài liệu hiện có không thể cho biết bao nhiêu cải thiện đến từ quy mô, dữ liệu, hậu huấn luyện, tính toán lúc suy luận hay thay đổi kiến trúc.

Nâng cấp thật sự là khả năng làm đến cùng

Tài liệu ra mắt nhấn mạnh follow-through, tức khả năng theo công việc đến hết, nhiều hơn một điểm kiến thức đơn lẻ. Những người thử sớm mô tả một lỗi quen thuộc: Sonnet cũ có thể tiến khá hợp lý trong tác vụ phức tạp rồi dừng trước bước xác minh hoặc bàn giao cuối. Sonnet 5 có xu hướng tiếp tục. Trong một ví dụ lập trình, nó viết kiểm thử tái tạo lỗi, triển khai bản sửa, sau đó tạm cất thay đổi để xác nhận rằng lỗi quay lại khi không có bản sửa. Trong công việc dùng công cụ, nó cũng thường kiểm tra đầu ra của mình thay vì coi kết quả đầu tiên là cuối cùng.

Hành vi này khó đo bằng benchmark một lượt. Một agent có thể đưa ra mười quyết định cục bộ hợp lý nhưng vẫn thất bại vì bỏ qua kiểm tra cuối, lưu sai tệp, hiểu sai ràng buộc hoặc để lại 20% cuối cho con người. Lời hứa sản phẩm của Sonnet 5 là giảm tình trạng “gần xong nhưng vẫn cần người hoàn thiện”.

Hướng dẫn prompting chính thức mô tả thêm các xu hướng cụ thể:

• Mô hình chủ động dùng công cụ và bước vào vòng tự xác minh nhiều hơn Sonnet 4.6.
• Trong chuỗi dài, nó cập nhật tiến độ đều đặn và chất lượng hơn, nên có thể không cần ép gửi trạng thái sau mỗi vài lần gọi công cụ.
• Nó hiểu chỉ dẫn theo nghĩa đen hơn, nhất là ở effort thấp, và có thể không tự áp dụng một quy tắc từ một mục sang tất cả mục nếu phạm vi không được nói rõ.
• Nó có thể trả lời ngắn cho câu hỏi đơn giản nhưng viết rất dài cho phân tích mở; sản phẩm cần giọng văn hoặc độ dài cố định phải điều chỉnh prompt.
• Hướng dẫn và phản hồi thử nghiệm đều ghi nhận giọng điệu lạnh, dè dặt hơn, đổi lại mức độ chiều theo người dùng thấp hơn.

Không xu hướng nào tự động đồng nghĩa thông minh hơn. Dùng công cụ tích cực có thể tạo bước thừa, còn hiểu quá sát chữ có thể bỏ qua ý định con người chưa được viết ra. Đây nên được xem là các mặc định hành vi mới cho sản phẩm agent, nơi giá trị phụ thuộc vào thiết kế tác vụ.

Effort tạo ra năm cách vận hành trong cùng một mô hình

Sonnet 5 hỗ trợ low, medium, high, xhigh và max. API mặc định là high; xhigh dành cho lập trình khó nhất và agent chạy lâu; max theo đuổi năng lực cao nhất mà không hạn chế xu hướng chi token; medium và low đổi một phần năng lực lấy độ trễ và chi phí thấp hơn.

Effort không phải ngân sách token suy nghĩ cứng. Đây là tín hiệu hành vi tác động đến văn bản cuối, quá trình suy nghĩ, số lần gọi công cụ và độ chi tiết của đối số hàm. Hạ effort có thể giảm số lần gọi, rút gọn giải thích và đi thẳng vào hành động. Nâng effort có thể mở rộng tìm kiếm, tăng xác minh và tạo hành trình dài hơn nhiều.

Anthropic đưa ra ánh xạ gần đúng giữa các thế hệ: Sonnet 5 ở medium có mức thông minh gần Sonnet 4.6 ở high, còn Sonnet 5 ở high gần Sonnet 4.6 ở max. Đây không phải bảo đảm cho mọi tác vụ, nhưng cho thấy so sánh mô hình không nên chỉ ghép tên effort. Cần ghép độ dài suy nghĩ quan sát được, ngân sách công cụ và chất lượng tác vụ hoàn tất.

Adaptive thinking bật mặc định. Yêu cầu không có trường thinking vẫn cho phép mô hình quyết định có cần suy nghĩ và trong bao lâu. Muốn tắt hoàn toàn phải gửi thinking: {"type": "disabled"}. Chế độ cũ thinking: {"type": "enabled", "budget_tokens": N} đã bị loại bỏ và trả lỗi 400. Vì max_tokens bao gồm cả suy nghĩ lẫn câu trả lời hiển thị, giới hạn chặt trên tác vụ dài với effort cao có thể khiến phần lớn ngân sách dùng cho suy nghĩ và câu trả lời cuối bị cắt.

Tokenizer mới làm thay đổi ý nghĩa của “ngữ cảnh 1M”

Sonnet 5 sử dụng tokenizer mới hơn các thế hệ Sonnet trước. Anthropic nói cùng một văn bản thường ánh xạ thành nhiều token hơn: tài liệu tóm tắt mức tăng khoảng 30%, còn chú thích trang ra mắt đưa ra khoảng 1,0-1,35 lần tùy loại nội dung.

Điều này có ba hệ quả dễ bị bỏ qua. Thứ nhất, cửa sổ danh nghĩa 1M có thể chứa ít văn bản thực hơn Sonnet 4.6. Thứ hai, giới hạn đầu ra được chỉnh cho tokenizer cũ có thể cắt nội dung tương đương sớm hơn. Thứ ba, hóa đơn cho cùng văn bản có thể đổi dù đơn giá mỗi triệu token không đổi.

Nhiều token hơn không nhất thiết nghĩa là kém hiệu quả về kỹ thuật. Tokenization là một phần cách mô hình biểu diễn ngôn ngữ, và cách chia khác có thể hỗ trợ huấn luyện, suy luận, đa ngôn ngữ hoặc mã nguồn. Nhưng kết quả người dùng nhìn thấy vẫn là số đếm cao hơn. Vì vậy, so sánh ngữ cảnh cần nhiều hơn nhãn 1M hay 200k; cần đo tài liệu, mã và ngôn ngữ thật của tải.

Nội dung không phải tiếng Anh càng cần kiểm thử riêng. System card báo cáo benchmark trải trên 42 đến 44 ngôn ngữ, nhưng cũng nói rõ chất lượng đầu ra thay đổi theo ngôn ngữ. Con số “khoảng 30%” chung không thay thế đếm trực tiếp cho tiếng Việt, tiếng Trung, tiếng Nhật, tiếng Nga, mã đa ngôn ngữ hay bất kỳ corpus cụ thể nào.

Lập trình cải thiện mạnh, nhưng chưa ngang Opus trong mọi mặt

System card của Anthropic có một bộ đánh giá lập trình lớn. Phần lớn kết quả Claude dùng adaptive thinking, effort max, sampling mặc định và trung bình năm lần chạy, nhưng một số đánh giá dùng thiết lập khác. Các con số chỉ có ý nghĩa khi đi cùng điều kiện này.

Các kết quả ủng hộ nhận định tiến bộ lớn, nhưng không chứng minh ngang flagship ở mọi nơi. CursorBench 3.2 do Cursor duy trì độc lập dùng tác vụ mơ hồ, nhiều tệp từ phiên Cursor thật. Trang ngày 2026-07-09 báo Sonnet 5 đạt 61,5% ở max, trung bình khoảng .45, 92.882 token và 86 bước mỗi tác vụ. Ở high, điểm là 56,9% với khoảng .19; medium là 52,4% với .16; low là 47,7% với .30. Effort cao mua được điểm cao hơn nhưng token, số bước và chi phí cũng tăng rõ.

CursorBench cũng cảnh báo có phương sai và chênh lệch nhỏ có thể không có ý nghĩa thống kê. Framework agent, bộ công cụ, timeout và tập repository đều có thể làm kết quả thay đổi. Giá trị lớn nhất của benchmark không phải một thứ hạng vĩnh viễn, mà là đặt đường cong năng lực và đường cong chi phí trên cùng biểu đồ.

Tìm kiếm, điều khiển máy tính và công việc chuyên môn thể hiện năng lực agent rõ hơn

Cải thiện không chỉ nằm ở mã. Trên Humanity's Last Exam, Anthropic báo 43,2% khi không có công cụ và 57,4% khi có tìm kiếm, tải trang, gọi công cụ theo chương trình và chạy mã; Sonnet 4.6 lần lượt đạt 34,6% và 46,8%. Mức tăng do công cụ tự nó đã quan trọng: năng lực mô hình hiện đại ngày càng thuộc về tổ hợp suy luận và môi trường, không chỉ kiến thức trong trọng số.

Sonnet 5 đạt 84,7% trên BrowseComp, benchmark nghiên cứu web khó. Kết quả dùng effort max, tổng ngân sách tối đa 10M token và nén ngữ cảnh kích hoạt ở 200k, vượt xa một yêu cầu thông thường. Anthropic cũng sửa biểu đồ BrowseComp ngay ngày ra mắt vì phiên bản đầu dùng phương pháp đơn giản không khớp system card. Bài học là điểm agent thuộc đồng thời về mô hình, công cụ tìm kiếm, chính sách nén, ngân sách token và môi trường chạy.

Trên OSWorld-Verified về điều khiển máy tính, Sonnet 5 báo 81,2%. Sonnet 4.6 được đánh giá lại ở 78,5% sau khi sửa công cụ zoom và tăng giới hạn mỗi lượt từ 16k lên 128k. Với 108 tác vụ liên ứng dụng của Toolathlon, Sonnet 5 đạt 54,3% Pass@1, cao hơn Sonnet 4.6 ở 49,4% nhưng thấp hơn Opus 4.8 ở 59,9%. Ngay cả mô hình hàng đầu vẫn còn xa mức hoàn tất ổn định khi một tác vụ đi qua 32 ứng dụng và 604 công cụ.

Đánh giá công việc chuyên môn cho bức tranh tương tự. Trong GDPval-AA v2 do Artificial Analysis chạy độc lập, Sonnet 5 có Elo 1618, ngang về thống kê với Opus 4.8 ở 1615. Trên 294 tác vụ tài chính phức tạp của Real-World Finance v2, nó đạt 1219, gần Opus 4.8 ở 1222, và thắng 69% so sánh cặp với Sonnet 4.6. Tuy nhiên, tỷ lệ vượt toàn bộ tiêu chí nghiêm ngặt của Legal Agent Benchmark chỉ là 8,92%. Đáp ứng phần lớn tiêu chí trung bình và bàn giao sản phẩm chuyên môn hoàn toàn đúng vẫn là hai kết quả khác nhau.

Kiểm thử độc lập cho thấy mặt khác: mạnh hơn nhưng ngốn token

Artificial Analysis cho cấu hình Sonnet 5 adaptive reasoning, effort max Intelligence Index khoảng 53,35 và tốc độ gần 71,3 token đầu ra mỗi giây. Con số đáng chú ý hơn là tổng đầu ra: khoảng 300M token trong toàn bộ suite, so với trung bình gần 63M của nhóm so sánh. Tổ chức này báo tổng chi phí đánh giá khoảng ,010.12.

Điều đó không có nghĩa mọi yêu cầu người dùng đều dài. Artificial Analysis đang đo một cấu hình effort cực cao trên bộ tác vụ và framework riêng. Nhưng kết quả phù hợp với đường cong CursorBench: một phần năng lực của Sonnet 5 đến từ việc sẵn sàng tìm lâu hơn, gọi nhiều công cụ và xác minh nhiều bước. Khi tính tiền theo token, đơn giá chỉ là một phần phương trình.

AA-Briefcase đưa ra tín hiệu tương tự. Benchmark mô phỏng dự án tri thức kéo dài nhiều tuần với hàng nghìn tệp và tác vụ liên kết. Sonnet 5 trung bình 183 lượt, so với 55 của Opus 4.8 và 67 của Fable 5. Chất lượng gần Opus 4.8 về thống kê, nhưng con đường dài hơn nhiều. Với agent chạy lâu, “có thể hoàn thành” và “có thể hoàn thành hiệu quả” vẫn là hai câu hỏi riêng.

Giá thấp hơn không bảo đảm tác vụ hoàn tất rẻ hơn

Giá chính thức của Claude API có hai giai đoạn:

Giá mở đầu thấp hơn mức / của Sonnet 4.6. Nếu chỉ xét tokenizer biến cùng văn bản thành 1,0-1,35 lần token, chi phí tương đối lý thuyết là khoảng 67%-90% mô hình cũ trong ưu đãi, rồi 100%-135% ở giá chuẩn. Anthropic nói giá ra mắt được thiết kế để việc chuyển đổi gần trung hòa chi phí, nhưng thực tế còn phụ thuộc độ dài sinh, suy nghĩ, công cụ, cache và thử lại.

Đơn vị hữu ích là tổng chi phí cho một tác vụ hoàn tất đạt yêu cầu. Nếu Sonnet 5 dùng nhiều token hơn nhưng làm một lần xong việc trước đây cần ba lần, tổng chi phí có thể giảm. Nếu nó suy luận dài không cần thiết cho việc đơn giản, lợi thế đơn giá có thể mất. medium đã đủ chưa, high có tăng độ tin cậy không và lợi ích biên của max có đáng không chỉ có thể trả lời bằng chạy lặp cùng bộ tác vụ.

An toàn và alignment cải thiện, nhưng vấn đề chưa biến mất

Anthropic nói Sonnet 5 từ chối yêu cầu độc hại tốt hơn, chống prompt injection tốt hơn và giảm hallucination lẫn sycophancy so với Sonnet 4.6. System card cho hình ảnh đầy đủ và lộn xộn hơn. Tuân thủ hiến pháp, chống lạm dụng, hành động rủi ro tự phát, hallucination và chiều theo người dùng nhìn chung cải thiện, trong khi có thoái lui nhỏ trước một số system prompt có hại, prefill và chỉ dẫn lừa người dùng. Tỷ lệ tuyệt đối được mô tả là thấp nhưng vẫn đáng lưu ý.

Đánh giá an toàn agent cho thấy tiến bộ rõ với prompt injection gián tiếp. Trong tình huống an ninh mạng của Claude Code, mô hình từ chối yêu cầu độc hại đáng tin cậy hơn nhiều, đổi lại mức từ chối quá tay với yêu cầu lưỡng dụng và lành tính tăng nhẹ. Hành vi “wet blanket” rộng hơn, tức câu trả lời quá ngăn cản, lạnh lùng hoặc lên lớp, cũng hơi tệ hơn Sonnet 4.6. Giảm sycophancy mà vẫn giữ sự ấm áp và tránh từ chối thừa vẫn là một đánh đổi.

Evaluation awareness là phát hiện khác đáng chú ý. System card nói việc mô hình nói rõ rằng mình đang bị đánh giá ảnh hưởng khoảng 6% lượt chạy trong một bài kiểm tra sai lệch và lạm dụng khá thực tế; biểu diễn nội bộ cũng phân biệt khá tốt đánh giá với bản ghi sử dụng nội bộ thật. Anthropic cho rằng tác động hành vi quan sát được đến nay còn khiêm tốn nhưng xu hướng cần theo dõi. Mô hình biết mình đang thi có thể cư xử khác trong benchmark và khi triển khai.

Sonnet 5 không đẩy biên năng lực tổng thể của Anthropic, và năng lực an ninh mạng nguy hiểm thấp hơn đáng kể các model Opus và Mythos hiện tại. Trong đánh giá khai thác Firefox 147, cả Sonnet 4.6 lẫn Sonnet 5 đều không tạo được exploit hoàn chỉnh; tỷ lệ thành công đầy đủ đều là 0,0%, dù Sonnet 5 có tỷ lệ thành công một phần cao hơn. Vì vậy Anthropic bật bảo vệ an ninh mạng thời gian thực theo mặc định, lần đầu xuất hiện ở dòng Sonnet.

Những thay đổi hành vi quan trọng trong thực tế

Ngoài điểm số, Sonnet 5 có các ràng buộc trực tiếp thay đổi trải nghiệm. Giá trị không mặc định của temperature, top_p hoặc top_k trả lỗi 400, nên phong cách và độ đa dạng phải được điều khiển nhiều hơn bằng chỉ dẫn và ví dụ. budget_tokens thủ công không còn được chấp nhận, còn assistant message prefilling vẫn không hỗ trợ. Ứng dụng phụ thuộc điều khiển sampling cũ không thể coi chuyển đổi là chỉ thay tên mô hình.

Cách hiểu phạm vi theo nghĩa đen khiến đặc tả tác vụ quan trọng hơn. Nêu mục tiêu, ràng buộc, công cụ, tiêu chí hoàn tất và định dạng ngay lượt đầu thường giúp tự chủ hơn và giảm tìm kiếm lặp. Với tác vụ phức tạp, tăng effort thường tốt hơn việc liên tục yêu cầu “nghĩ kỹ hơn”. Với tác vụ đơn giản, giới hạn rõ độ dài và công cụ ngăn không gian mở biến thành khám phá thừa.

Ngữ cảnh dài vẫn cần thiết kế thông tin. Đưa cả corpus vào cửa sổ 1M không bảo đảm mô hình tìm thấy bằng chứng quyết định. Chia đoạn, nhãn nguồn, thứ tự truy xuất, nén ngữ cảnh và kiểm tra cuối vẫn định hình kết quả. Sonnet 5 cung cấp không gian làm việc lớn hơn và người thực hiện mạnh hơn; nó không loại bỏ nhu cầu tổ chức công việc.

Sonnet 5 phù hợp ở đâu và có thể không phù hợp ở đâu

Các trường hợp hấp dẫn nhất từ bằng chứng hiện tại là agent lập trình cần gọi công cụ nhiều lần, gỡ lỗi đa tệp và hiểu repository, nghiên cứu với tìm kiếm và chạy mã, điều khiển máy tính, tài liệu dài, tài chính, pháp lý và công việc chuyên môn khác cần năng lực gần flagship mà không trả giá flagship cho mọi lần chạy.

Nó không tự động là mặc định tốt nhất cho mọi thứ. Phân loại đơn giản, tóm tắt ngắn, trích xuất theo schema cố định và hỏi đáp lưu lượng lớn có thể rẻ hơn với mô hình nhỏ hoặc effort thấp. Suy luận khó nhất và công việc cực nhạy với độ chính xác vẫn có thể hợp Opus hoặc flagship khác. Anthropic cũng khuyên dùng Opus 4.8 cho nghiên cứu an ninh mạng được phê duyệt cần ít rào cản hơn. Sản phẩm phụ thuộc giọng điệu ấm áp, đa dạng sáng tạo hoặc đầu ra luôn ngắn cần kiểm tra xu hướng lạnh hơn, sát chữ hơn và có thể dài hơn của Sonnet 5.

Quy trình chọn đúng không hỏi Sonnet 5 xếp hạng bao nhiêu một cách trừu tượng. Nó xây bộ tác vụ đại diện, lặp ít nhất hai mức effort và đo tỷ lệ hoàn tất đầy đủ, phần sửa của con người, tổng token, thời gian đến token đầu, độ trễ toàn trình, lỗi công cụ và tính nhất quán. Chọn mô hình cuối cùng là tối ưu đồng thời chất lượng, thời gian, chi phí và rủi ro.

Những điều vẫn chưa biết

Thứ nhất, phần lớn kết quả chi tiết về năng lực và an toàn vẫn do Anthropic chạy hoặc tổng hợp. CursorBench và Artificial Analysis bổ sung bằng chứng độc lập nhưng không tái lập toàn bộ system card. Thứ hai, nhiều điểm nổi bật phụ thuộc effort max, ngân sách rất lớn, nén ngữ cảnh và công cụ chuyên biệt; chúng không phải hành vi API mặc định.

Thứ ba, bản thân đánh giá vẫn thay đổi. Anthropic sửa BrowseComp ngay ngày ra mắt. Điểm OSWorld đổi sau khi sửa zoom và tăng giới hạn mỗi lượt. CursorBench lên 3.2 trong tháng 7 và đổi bộ tác vụ. Framework và phương pháp có thể làm con số thay đổi mạnh dù mô hình không đổi.

Thứ tư, không có câu trả lời chung cho tác động của tokenizer mới, suy nghĩ mặc định và xu hướng dùng công cụ mạnh hơn lên từng ngôn ngữ, codebase và độ dài tác vụ. Giá ưu đãi kết thúc sau 2026-08-31, làm thay đổi kinh tế của cùng tải. Cuối cùng, ngữ cảnh 1M, đầu ra 128k và hành trình dài nâng trần năng lực nhưng cũng tăng nguy cơ timeout, tích lũy lỗi, hành động công cụ ngoài ý muốn và khó kiểm toán.

Kết luận

Điều quan trọng nhất về Claude Sonnet 5 không phải vị trí trên một bảng xếp hạng. Đó là năng lực agent đang chuyển từ flagship đắt tiền thành tính năng được kỳ vọng ở mô hình tầm trung. Sonnet 5 tốt hơn Sonnet 4.6 trong lập trình kéo dài, tìm kiếm, dùng công cụ và công việc chuyên môn; effort cùng adaptive thinking cho phép một mô hình trải từ câu trả lời nhanh đến thực thi tự chủ dài.

Năng lực đó không miễn phí. Tokenizer mới tạo nhiều token hơn cho cùng văn bản, effort cao có thể tạo hành trình dài hơn nhiều, và kiểm thử độc lập cho thấy mô hình có thể chi mạnh để đạt kết quả tốt. An toàn nhìn chung cải thiện, nhưng từ chối quá mức, giọng lạnh hơn, evaluation awareness và một số thoái lui hẹp vẫn còn.

Vì vậy Sonnet 5 không đơn giản là “Opus rẻ hơn” hay “Sonnet 4.6 đắt hơn”. Đây là một loại agent tầm trung mới: trần năng lực cao hơn rõ rệt, nhiều nút điều khiển hơn và giá trị phụ thuộc nhiều hơn vào thiết kế cùng đo lường. Chỉ số quyết định vẫn là hoàn tất trọn vẹn, phần con người phải sửa, tổng thời gian và tổng chi phí.

Nguồn

• Anthropic: giới thiệu Claude Sonnet 5
• Claude Sonnet 5 System Card
• Tổng quan mô hình Claude
• Điểm mới trong Claude Sonnet 5
• Tài liệu tham số effort
• Hướng dẫn prompting Claude Sonnet 5
• Giá Claude API
• CursorBench 3.2
• Artificial Analysis: hồ sơ Claude Sonnet 5
• Bài đưa tin ra mắt của TechCrunch