Anthropic、ベンチマーク記録達成とクエスチョンマーク100万トークンコンテキストで Claude Sonnet 4.6をリリース

Anthropicミッドレンジワークホースの大きな飛躍

Anthropicは、最も広く使用されているモデルティアの最新アップデートであるClaude Sonnet 4.6をリリースしました。このアップデートは、コーディング機能、命令フォロー、コンピュータ使用において大幅な改善をもたらし、コンテキストウィンドウを100万トークンに倍増させています。このリリースはAnthropicのおよそ4ヶ月の更新サイクルを保ち、2026年2月5日のフラッグシップOPus 4.6モデルのリリースからわずか2週間後に到着します。

Sonnet 4.6はClaudeプラットフォームの無料およびプロティアユーザーの既定モデルになります。これは数百万のユーザーが設定を変更することなく改善を経験できることを意味します。APIを構築している開発者にとって、このモデルはSonnetティアを本番環境アプリケーションの最も人気のある選択肢にしてきた能力対コスト比の大幅なアップグレードを表しています。

複数の評価カテゴリーでのベンチマークパフォーマンス

Sonnet 4.6の見出しの数は複数の評価カテゴリーで印象的です。実世界のソフトウェアエンジニアリング問題を解決するAIモデルの能力を評価する業界標準ベンチマークであるSWE-Benchで、Sonnet 4.6はそのクラスのモデルのレコードスコアを達成しています。このベンチマークは人気のあるオープンソースプロジェクトからの実際のGitHubの問題でモデルをテストし、複雑なコードベース を理解し、バグの根本原因を特定し、正しい修正を生成することを要求します。ここでの強いパフォーマンスは、AIコーディングアシスタントを使用している開発者にとって直接的な実世界の有用性に変換されます。

オペレーティングシステムをナビゲートしたり、アプリケーションを使用したり、スクリーンとの相互作用を通じてマルチステップタスクを完了したりすることで、コンピュータインターフェイスと相互作用するモデルの能力を評価するOS Worldでも、Sonnet 4.6は新しい記録を設定しています。この機能はAnthropicのcomputer use機能の中心であり、ClaudeがユーザーのためにデスクトップアプリケーションとWebブラウザを制御できます。改善されたスコアは、より信頼性の高い有能な自律的なコンピュータインタラクションを示唆しています。

おそらく最も目を引くベンチマーク結果は、一般的な知能の特性と見なされる推論能力を測定するために特別に設計されたテストであるARC-AGI-2にあります。Sonnet 4.6はこの評価で60.4%のスコアを達成し、競争するAIラボからほとんどの比較可能なモデルを上回っています。このモデルはAnthropic自身のOpus 4.6、GoogleのGemini 3 Deep Think、OpenAIのGPT 5.2の洗練されたバリアント のみを下回っています。AI推論の限界をテストするために設計されたベンチマークで60%以上のスコアを達成することは、ミッドティアモデルの意味のあるマイルストーンを表しています。

100万トークンのコンテキストウィンドウ

Sonnetのコンテキストウィンドウをおよそ500,000から100万トークンに倍増させることは、開発者とエンタープライズユーザーの両方から最も頻繁に要求される機能の1つに対処しています。100万トークンのコンテキストウィンドウは、単一の会話内で完全なコードベース、長い法的契約、包括的な研究論文コレクション、または詳細なテクニカルドキュメンテーションを含むことができます。

開発者にとって、これは単一のClaudeセッションにプロジェクト全体のソースコードをロードでき、完全なコードベースを考慮に入れた質問や変更リクエストをすることができることを意味します。個々のファイルを提供し、モデルがより広い建築を推測することを期待する代わりに、開発者は現在完全な図を提示し、プロジェクトの完全なコンテキストから得られた応答を受け取ることができます。

エンタープライズユーザーも同様に大きな恩恵を受けるでしょう。法律チームは分析のために契約スイート全体をロードできます。研究組織は、文献レビューと統合のために同時に数十の論文を処理できます。財務分析者は包括的な四半期決算を提供し、ドキュメントを断片的に操作するのではなく、開示情報の完全な範囲を考慮に入れた分析を受け取ることができます。

拡張されたコンテキストウィンドウはベータ版で利用可能であり、Anthropicが非常に長いコンテキスト入力のための経験をまだ最適化していることを示唆しています。ジッターとコンテキストウィンドウの極値での精度などのパフォーマンス特性は、機能が成熟する際に監視する重要なメトリックになります。

実践でのコーディングの改善

ベンチマークは有用な比較データを提供しますが、コーディングタスクにSonnet 4.6を使用する実際の経験は、改善が最も重要な場所です。Anthropicは特にコーディングを改善の主要な領域として強調しており、SWE-Benchスコアは具体的なデータでこの主張をサポートしています。

命令フォロー機能の改善はコーディング有用性と密接に関連しています。複雑でマルチステップの命令を正確にフォローするモデルは、ソフトウェア開発ワークフロー にとって劇的に有用であり、1つの誤解された要件は何時間ものデバッグにカスケードする可能性があります。命令フォローの改善は、開発者が詳細な仕様を提供し、生成されたコードが意図と一致するという信頼を持つことができることを意味します。

Computer useの改善は、開発コンテキストでのモデルの有用性をさらに拡張します。自動テスト、デプロイメントワークフロー、対話型デバッグセッションはすべて、インターフェイスをより確実にナビゲートし、正しいボタンをクリックし、画面コンテンツを正確に解釈できるモデルから恩恵を受けます。

競争上の立場

Sonnet 4.6のリリースは、ミッドレンジAIモデルのますます競争的な市場に到着します。OpenAIのGPTシリーズ、GoogleのGeminiラインアップ、MetaのオープンソースLlamaモデルはすべて、同じ開発者とエンタープライズのオーディエンスのために競争しています。AIモデル市場は最も有能なフロンティアモデルのためだけの単純な競争を超えて進化してきました。コスト効率、信頼性、速度が品質と同じくらい重要なミッドティアセグメントは、本番環境での採用の主な戦場になっています。

Sonnet tierを急速に更新し、本番環境ワークロードに開発者が必要とする低いコストとより速い応答時間を維持しながら、能力の境界線の近くに保つというAnthropicの戦略は、この競争で企業をよく配置します。Sonnet 4.6をすべてのユーザーのデフォルトにすることで、Anthropicは最も目に見える広く使用されているモデルが常に会社の最新の機能を表していることを保証します。

来週予定されているHaikuモデルの更新により、Anthropicは一貫したペースで全体的なモデルラインアップをリフレッシュすることにコミットしているようです。この定期的な更新サイクルは、構築する予定のプラットフォームが継続的に改善されるという開発者に信頼を与え、他方では競合他社に向かう可能性のある切り替えリスクを削減します。

次に何が来ているか

Opus 4.6とSonnet 4.6のリリースの迅速な継続は、Anthropicが改善された機能をユーザーの手にできるだけ早く入れることを優先するペースで運営していることを示唆しています。期待されるHaikuの更新は、すべてのティア全体にリフレッシュサイクルを完了し、Claude platform全体に同期生成ジャンプを与えるでしょう。

より広いAI業界では、Sonnet 4.6のARC-AGI-2とSWE-Benchのパフォーマンスは、ミッドティアとフロンティアモデル間の能力ギャップが縮小し続けていることを示しています。わずか数ヶ月前は最も高い価格の、最も遅いモデルにのみ排他的だった機能とパフォーマンスレベルは、現在より速く安い代替案で利用可能です。その軌跡はすべてのAIツールを使用している人に恩恵を与え、日常のアプリケーションで実用的で手頃な価格の限界を押し上げています。

この記事はTechCrunchの報道に基づいています。元の記事を読む。