Современная гонка больших языковых моделей переходит из плоскости чистых бенчмарков в область экономики одного «размышления». Свежий релиз Claude Sonnet 5 от Anthropic обнажил тревожную тенденцию: рост интеллектуальных способностей системы начинает опережаться темпами потребления ресурсов. Независимые тесты показывают, что стремление к максимальной точности приводит к экспоненциальному росту затрат на токены. В результате индустрия сталкивается с ситуацией, когда средние по классу модели становятся дороже своих «тяжеловесных» предшественников.
Аналитическая группа Artificial Analysis подвергла Claude Sonnet 5 серии стресс-тестов в рамках индекса Intelligence Index v4.1. Этот комплексный замер объединяет девять различных метрик: от агентской работы и написания кода до глубоких рассуждений и обработки сверхдлинных контекстов. Результаты оказались неоднозначными. С баллом 53 модель заняла пятое место в глобальном рейтинге, фактически сравнявшись с GPT-5.5 (high), но оставив позади себя Opus 4.8 и Fable 5. Однако за этот скромный прирост в интеллекте — всего 6 пунктов по сравнению с предыдущей версией Sonnet 4.6 — пришлось заплатить высокую цену.
Стоимость выполнения одной задачи в индексе AA подскочила с $1,14 до $2,29. Таким образом, когнитивный апгрейд обходится пользователю почти в два раза дороже, несмотря на то что базовые тарифы за миллион токенов остались прежними.
Причина такого подорожания кроется не в ценовой политике Anthropic, а в изменении поведения самой модели. Sonnet 5 стала работать значительно «усерднее», что выражается в резком увеличении объема генерируемого текста. В среднем модель тратит на 40% больше выходных токенов, чем её предшественница. В агентских сценариях, требующих многошаговых рассуждений (например, в тестах AA-Briefcase и GDPval-AA), количество «ходов» увеличилось почти втрое. На максимальном уровне сложности разрыв между режимами low и max достигает шестикратного увеличения объема данных. В итоге на одну задачу может уходить около 69 тысяч токенов, что ставит Sonnet 5 в один ряд с самыми многословными моделями семейства GPT-5.4.
Эта динамика создает странный экономический парадокс: Sonnet 5 проигрывает собственному «старшему брату» — модели Opus 4.8. Последняя не только демонстрирует более высокий результат (56 баллов против 53), но и обходится дешевле, стоимость задачи для которой составляет $1,80. Получается, что более тяжелая и медленная модель оказывается выгоднее с точки зрения чистой экономики вычислений.
Тем не менее, избыточное потребление токенов в Sonnet 5 не является бесполезным. В специфических задачах «офисной» агентской работы модель обходит Opus 4.8, уступая лишь элитарной Fable 5. Это означает, что дополнительные вычислительные ресурсы конвертируются в результат неравномерно: если в физических рассуждениях (тест CritPt) прогресс заметен, но недостаточен для лидерства, то в операционной деятельности модель демонстрирует реальное превосходство.
Для смягчения этого «налога на интеллект» Anthropic временно снизила стоимость использования до 1 сентября, предлагая скидку в треть от стандартного тарифа. Кроме того, появление нового уровня усилий — xhigh — уравнивает линейки Sonnet и Opus. В конечном счете, реальная стоимость эксплуатации системы будет зависеть от выбранной степени агрессивности рассуждений. Сравнение моделей на максимальных настройках демонстрирует скорее теоретический потолок затрат, чем типичный пользовательский сценарий, где баланс между стоимостью и качеством ответа остается главной переменной.
Парадокс абсолютной согласованности нейросетей
