Inginerii software sunt în pericol? Opus 4 și Sonnet 4 vor să stabilească „noi standarde” în programare asistată de AI și automatizarea sarcinilor.
Anthropic a lansat astăzi două noi modele Claude, axate pe programare și dezvoltare software.
Claude Opus 4 și Claude Sonnet 4 își propun să stabilească „noi standarde pentru coding, reasoning avansat și agenți AI”, afirmă Anthropic. Noile modele pot „oferi un cod superior” și pot răspunde mult mai precis la instrucțiunile utilizatorului. Sunt capabile să „gândească” mai profund în fața unor probleme complexe și pot căuta informații pe web pe parcursul procesului.
În special, Opus 4 este descris de Anthropic drept „cel mai bun model AI pentru coding din lume” și poate funcționa autonom, fără intervenție umană. De exemplu, aplicația de shopping Rakuten a testat Opus 4, iar modelul a rulat independent timp de șapte ore.
Tot mai multe companii adoptă rapid astfel de modele AI. Microsoft susține că 30% din codul său este deja scris de AI, iar Meta își propune ca acest procent să ajungă la 50% până în 2026.
„Aceste modele reprezintă un pas major către un colaborator virtual – capabil să mențină contextul complet, să rămână concentrat pe proiecte de durată și să genereze un impact transformațional”, afirmă Anthropic.
Anthropic nu a crescut prețurile pentru dezvoltatorii care accesează noile modele prin API. Opus 4 costă $15/$75 per milion de tokens (input/output), iar Sonnet 4 este disponibil la $3/$15. Pentru comparație, modelul o3 de la OpenAI, care promite de asemenea „performanță de top în programare”, se situează între cele două, la $10/$40.
Totodată, Claude Code este acum disponibil pentru toți utilizatorii odată cu acest release. Acesta integrează modelul AI direct în uneltele existente ale dezvoltatorilor și îi ajută să finalizeze sarcinile mai rapid. Odată instalat, sugestiile și editările propuse de Claude apar inline, în editorul de cod.
Într-o perioadă în care aproape fiecare companie AI lansează „cel mai mare și inteligent model de până acum”, Anthropic susține afirmațiile sale prin performanțele concrete ale lui Claude 4 la două benchmark-uri importante:
- SWE-bench: 72,5%
- Terminal-bench: 43,2%
În graficele de performanță, modelele de la OpenAI și Google Gemini 2.5 Pro sunt depășite de Claude în aceste teste.
Deoarece benchmark-urile AI sunt notoriu de greu de înțeles pentru publicul larg, Anthropic a ales o metodă mai accesibilă pentru a ilustra progresul modelelor sale: jocurile video. Compania a creat un sistem prin care modelele Claude pot juca Pokémon Red în mod autonom, transmis live pe Twitch.
Modelul Sonnet 3.7 a reușit să avanseze mai mult în joc decât Sonnet 3.5, iar acum Anthropic susține că modelele Claude 4 oferă cea mai bună performanță de până acum, datorită unei funcționalități noi care le permite să stocheze „fișiere de memorie” cu informații cheie.
„Această funcție îmbunătățește considerabil conștientizarea sarcinilor pe termen lung, coerența și performanța în activitățile de tip agent – cum ar fi Opus 4, care creează un ‘ghid de navigare’ în timp ce joacă Pokémon”, explică Anthropic.
