Az Anthropic bemutatta a Claude Sonnet 4.6 modellt, amely eddig a legerősebb Sonnet változat. A bemutató főként arra fókuszál, mennyire jól teljesít a modell számítógépes feladatok végrehajtásában, különösen a valós szoftverek használatánál, mint például a Chrome, az Office és a VS Code.
Felmerül a kérdés, hogyan érte el a modell mindössze másfél év alatt azt a szintet, hogy már szinte emberként tud billentyűzetet és egeret kezelni különböző alkalmazásokban. Az OS World benchmark vizsgálja ezt a képességet, és kiemeli azt a trendet, hogy az ügynöki hozzáállással rendelkező rendszerek egyre inkább képesek komplex irodai és pénzügyi feladatok megoldására.
Az összehasonlításból kiderül, hogy noha az Opus 4.6 sok területen továbbra is jobb választás lehet, bizonyos feladatokban – például adattáblák kezelése, pénzügyi elemzések és prezentációk készítése során – a Sonnet 4.6 nagyon közel kerülhet, vagy akár meg is előzheti azt. Külön figyelmet szentelnek az adaptív gondolkodás funkciónak, amely lehetővé teszi a modell számára, hogy automatikusan bonyolultabb gondolatmeneteket használjon igény esetén.
Szó esik érdekes etikai kérdésekről is, például arról, hogy a modell mennyire hajlamos önálló, akár nem kívánt akciókra a GUI-felületen, illetve hogyan reagál kétes erkölcsi feladatokra. Felmerül, hogy ezek a fejlett képességek hogyan befolyásolják a mindennapi használhatóságot, és milyen új problémákat vetnek fel.
Végül a bemutató kitér a dizájn és a generált kódfelületek fejlődésére, összehasonlítva a korábbi modellekkel, illetve szó esik a gyakorlati kipróbálási lehetőségekről, például az API vagy böngészőbővítmény használatáról, és a tesztelés során tapasztalt korlátokról is.
