Công bố ngày 22/05/2025. Anthropic giới thiệu Claude Opus 4 và Sonnet 4 cùng ngày. Nội dung dưới đây tóm lược thông tin của hãng và tài liệu liên quan; các benchmark là kết quả theo cấu hình được nêu, không phải bảo đảm hiệu quả trên mọi dự án.
Điểm mới và vị trí sản phẩm
Opus 4 hỗ trợ trả lời nhanh và extended thinking; ở giai đoạn beta, mô hình có thể dùng công cụ trong quá trình suy nghĩ và gọi công cụ song song. Khả năng lưu thông tin phụ thuộc quyền đọc/ghi tệp mà ứng dụng cấp, không phải bộ nhớ vô hạn tự có. Anthropic định vị Opus cho tác vụ phức tạp, kéo dài; Sonnet 4 là lựa chọn cân bằng hơn cho công việc thường ngày.
Benchmark và bối cảnh đo
Anthropic công bố SWE-bench Verified 72,5% cho Opus 4 và 72,7% cho Sonnet 4 trong cấu hình pass@1 được mô tả. Trên Opus, kết quả tăng lên 79,4% khi lấy nhiều ứng viên song song, loại bản vá làm hỏng regression test rồi dùng mô hình chấm điểm nội bộ để chọn; đây không tương đương pass@1. Terminal-Bench đạt 43,2% với Claude Code và 39,2% khi dùng cùng agent cho các mô hình khác, cho thấy scaffold ảnh hưởng đáng kể. Không nên diễn giải một điểm benchmark thành ưu thế phổ quát.
Giá API khi ra mắt
| Mô hình | Đầu vào / 1 triệu token | Đầu ra / 1 triệu token |
|---|---|---|
| Claude Opus 4 | 15 USD | 75 USD |
| Claude Sonnet 4 | 3 USD | 15 USD |
Đây là giá API cơ bản trong thông báo ra mắt, không phải phí thuê bao Claude hoặc báo giá hiện hành. Chi phí thực tế phụ thuộc lượng token và cấu hình.
Khả dụng và an toàn
Opus 4 và Sonnet 4 có qua API, Amazon Bedrock và Google Vertex AI; một số khả năng được công bố ở beta. System card phân loại Opus 4 theo ASL-3 và Sonnet 4 theo ASL-2, đồng thời thảo luận reward hacking và rủi ro tác tử. Đây là báo cáo của nhà phát triển, không phải chứng nhận không có rủi ro. Khi triển khai tác tử, nên giới hạn quyền, cô lập môi trường chạy mã, yêu cầu duyệt trước hành động khó hoàn tác và kiểm thử trên tác vụ đại diện.
Nguồn tham khảo
Tác giả
Chăm Sóc Khách Hàng
