Anthropic lansirao Claude Sonnet 4.5: rekordan uspjeh u kodiranju

Novi model donosi sate autonomnog rada i profesionalni nivo u programiranju

Anthropic je predstavio Claude Sonnet 4.5, najnoviji AI model za rezonovanje i kodiranje, koji postiže rekordan rezultat na testovima i može da generiše više od 11.000 linija koda tokom autonomnog rada od preko 30 sati. Ovaj model donosi značajna poboljšanja i u matematici, finansijama i alatima za programere, približavajući se profesionalnoj autonomiji.

Najbolje kodiranje do sada

Claude Sonnet 4.5 već se naziva „najboljim modelom za kodiranje na svijetu“. Na SWE-bench Verified testu ostvario je najbolje rezultate, dok na OSWorld benchmarku vodi sa 61,4% uspješnosti što je skok sa 42,2% u odnosu na prethodnu verziju Sonnet 4.

„Ovo je najmoćniji i najusaglašeniji model koji smo do sada razvili“, poručili su iz Anthropica.

Nove funkcije za programere

Model dolazi uz niz novih alata i proširenja:

• Checkpoints čuvanje napretka i instant povratak na prethodnu verziju.
• VS Code ekstenzija i unaprijeđeni terminal interfejs.
• Context editing i memorija za duže i složenije zadatke.
• Claude Agent SDK, okvir za razvoj AI agenata.

Claude Sonnet 4.5 sada omogućava kreiranje i uređivanje fajlova direktno u razgovoru od dokumenata i tabela do prezentacija.

Sigurnost i napredna upotreba

Anthropic naglašava da je model dodatno osnažen protiv manipulacija i napada putem promptova. Ove mjere sigurnosti ključne su jer Sonnet 4.5 može raditi autonomno satima bez prekida, što otvara i pitanje nadzora i odgovorne upotrebe.

Šta slijedi

Uz lansiranje modela, najavljen je i Imagine with Claude petodnevni demo real-time generisanja softvera za Max korisnike. Claude Sonnet 4.5 već je dostupan putem Claude API-ja po istoj cijeni kao prethodna verzija.

Eksperti predviđaju da će ovakav napredak ubrzati razvoj AI agenata koji rade bez nadzora, što bi moglo transformisati softversku industriju, ali i otvoriti nova regulatorna pitanja.