مدل زبانی Claude Sonnet ۵.۵ معرفی شد | ۳۰ درصد سریعتر و ارزانتر
شرکت Anthropic در تازهترین بهروزرسانی خانواده مدلهای هوش مصنوعی Claude، از Claude Sonnet ۵.۵ رونمایی کرد، مدلی که به گفته این شرکت با تمرکز بر سرعت و کاهش تعداد مراحل موردنیاز برای انجام وظایف، برنامهنویسی، کارهای روزمره و تولید محتوای حرفهای طراحی شده است.
به گزارش شهرآرانیوز، شرکت آنتروپیک امروز دوشنبه ۲۸ سپتامبر ۲۰۲۶ (۶ مهر ۱۴۰۵) در تازهترین بهروزرسانی خانواده مدلهای هوش مصنوعی کلاد، از Claude Sonnet ۵.۵ رونمایی کرد.
آنتروپیک نسخهی قبلی این مدل را در تاریخ ۳۰ ژوئن ۲۰۲۶ (۹ تیر ۱۴۰۵) رونمایی کرده بود، حالا حدودا با گذشت ۳ ماه از تاریخ عرضه مدل قبلی، سونت ۵.۵ سریعتر و کارآمدتر از نسل پیشین خود وارد دنیای AI شده است. تمرکز اصلی Sonnet ۵.۵ روی وظایفی مانند برنامهنویسی، رفع خطاهای کد، تولید و ویرایش اسناد، ساخت فایلهای ارائه و کار با صفحات گسترده است. کارهایی که کاربران و شرکتها بهصورت روزمره با هوش مصنوعی انجام میدهند.
۳۰ درصد سریعتر و ۳۰ درصد ارزانتر
یکی از محورهای اصلی معرفی Sonnet ۵.۵، افزایش سرعت آن است. Anthropic اعلام کرده این مدل در تولید خروجی بیش از ۳۰ درصد سریعتر از نسل قبلی عمل میکند. این افزایش سرعت بهخصوص در کارهایی اهمیت دارد که مدل باید چند مرحله را پشت سر هم انجام دهد یا برای تکمیل یک وظیفه از ابزارهای مختلف استفاده کند. در چنین شرایطی، کاهش تعداد فراخوانیها و مراحل میتواند زمان و هزینه اجرای یک کار را کاهش دهد.
قیمت پایه API در Sonnet ۵.۵ نسبت به Sonnet ۵ تغییر نکرده است. توسعهدهندگان برای هر یک میلیون توکن ورودی ۲ دلار و برای هر یک میلیون توکن خروجی ۱۰ دلار پرداخت میکنند. با این حال Anthropic میگوید به دلیل استفاده کمتر مدل از توکنها و ابزارها، هزینه نهایی انجام برخی وظایف میتواند تا حدود ۳۰ درصد کاهش پیدا کند.
یکی از نکات مهم درباره عرضه Sonnet ۵.۵ این است که انتشار آن صرفاً محدود به API نیست. این مدل هم برای توسعهدهندگان و استفادههای API عرضه شده و هم در برخی محصولات و سرویسهای عمومی مانند GitHub Copilot در دسترس قرار گرفته است. با این حال، دسترسی کاربران میتواند براساس محصول، حساب کاربری و مرحله عرضه متفاوت باشد.
بنابراین تمرکز آنتروپیک در معرفی سونت ۵.۵ بیشتر از افزایش امتیازهای بنچمارکی، روی بهرهوری مدل در انجام کار واقعی قرار گرفته است. به بیان دیگر، هدف این است که مدل برای رسیدن به یک نتیجه مشخص، کمتر فکر و عمل اضافه انجام دهد و با تعداد کمتری فراخوانی ابزار و توکن، وظیفه را به پایان برساند. این رویکرد در محصولات مبتنی بر عاملهای هوش مصنوعی اهمیت بیشتری پیدا میکند؛ زیرا در این سیستمها مدل معمولاً یک پاسخ ساده تولید نمیکند و باید برنامهریزی، اجرای ابزار، بررسی نتیجه و اصلاح مسیر را در چند مرحله انجام دهد. کاهش تعداد این مراحل میتواند مستقیماً روی زمان و هزینه اجرای عامل تأثیر بگذارد.
ارسال نظرات
دیدگاه های ارسال شده توسط شما، پس از تائید توسط شهرآرانیوز در سایت منتشر خواهد شد.
نظراتی که حاوی توهین و افترا باشد منتشر نخواهد شد.
