Claude Sonnet 5

मूल लेख ↗ Hacker News चर्चा ↗

मूल्य, प्रदर्शन, और प्रयास स्तर

  • कई पाठक Anthropic के अपने लागत/प्रदर्शन चार्ट और सिस्टम कार्ड का गहन विश्लेषण कर रहे हैं।
  • व्यापक सहमति: Sonnet 5, Sonnet 4.6 से स्पष्ट रूप से बेहतर है, खासकर कम/मध्यम reasoning पर।
  • लेकिन उच्च प्रयास स्तरों (agentic search/computer use) पर Opus 4.8 अक्सर Pareto आधार पर Sonnet 5 को पछाड़ देता है: समान task cost पर, Opus आम तौर पर बेहतर प्रदर्शन करता है।
  • आम निष्कर्ष: “कम/मध्यम पर Sonnet 5 का उपयोग करें; अगर आपको अधिक reasoning चाहिए, तो बस Opus उपयोग करें।”
  • कई लोग नोट करते हैं कि Sonnet 5 का नया tokenizer समान text के लिए लगभग 1.0–1.35× अधिक tokens देता है। पोस्ट‑promo pricing के साथ मिलकर, कुछ इसे छिपी हुई price increase मानते हैं।

Open और Chinese models के मुकाबले positioning

  • GLM 5.2, Qwen, Kimi, DeepSeek, Gemma, आदि से कई तुलना।
  • मोटा user consensus: Sonnet 5, GLM 5.2 / “Haiku‑plus” band में है, लेकिन:
    • अक्सर open-weight competitors से धीमा और/या महँगा।
    • फिर भी लंबी-horizon, multi-turn, और instruction-following tasks में आम तौर पर अधिक reliable।
  • कुछ लोग argue करते हैं कि open-weight models “benchmaxxed” हैं और real workflows में underperform करते हैं; अन्य लोग इसका उल्टा report करते हैं।

Agentic बनाम assisted development

  • Anthropic Sonnet 5 को “more agentic” के रूप में market करता है। कई लोग सावधान हैं:
    • शिकायतें कि increasingly agentic models instructions को ignore करते हैं, over-act करते हैं, या tasks को over-complicate करते हैं।
    • एक धड़ा “agent-assisted” workflows को पसंद करता है: planning/review के लिए बड़ा model, mechanical edits के लिए छोटा model।
  • अन्य लोग Sonnet/Opus subagent architectures के साथ सफलता report करते हैं, लेकिन note करते हैं कि mis-scoped tasks और कमजोर small models technical debt और slop पैदा कर सकते हैं।

Cybersecurity nerfing और regulation

  • Anthropic, Opus/Mythos की तुलना में Sonnet 5 की कमजोर cybersecurity capabilities को highlight करता है।
  • कई लोग इसे Mythos/Fable episode के बाद US regulators के लिए messaging मानते हैं, user benefit नहीं।
  • मजबूत चिंता कि “cyber में dumber” होने का मतलब अधिक insecure code और कमजोर defensive tooling भी है।
  • व्यापक चिंता कि शीर्ष “defensive/offensive” models सरकारों और बड़े institutions तक ही सीमित कर दिए जाएंगे।

Quotas, pricing, और routing

  • Claude subscriptions पर उपयोगकर्ताओं का कहना है कि verbosity और hidden reasoning tokens के कारण Sonnet अक्सर Opus से बहुत सस्ता महसूस नहीं होता।
  • subscription usage bars (Sonnet vs Opus pools), automatic routing, और model downgrades को लेकर भ्रम।
  • अस्पष्ट costs, frequent model/effort changes, और perceived token-burning behavior से निराशा।

Anthropic और Fable के बारे में sentiment

  • संदेह की ओर उल्लेखनीय बदलाव: open weights के खिलाफ lobbying, export-control drama, rapid deprecations, और perceived “nerfs।”
  • कई लोग अभी भी Claude के UX और coding quality को पसंद करते हैं, लेकिन कुछ अपना काम Codex, open models, या local setups पर ले जा रहे हैं।
  • Fable/Mythos की वापसी की प्रबल इच्छा; Sonnet 5 को व्यापक रूप से एक workhorse upgrade माना जा रहा है, न कि कोई रोमांचक frontier model।