Claude Sonnet 4.5: टेस्ट, फीचर्स, एक्सेस, बेंचमार्क्स, और अधिक

Claude Sonnet 4.5 क्या है? 

Claude Sonnet 4.5, Anthropic का नवीनतम बड़ा भाषा मॉडल है। यह Claude Sonnet 4 की रिलीज़ के सिर्फ़ चार महीने बाद आया है। उस लेख में हमने नोट किया था कि Sonnet जनरलिस्ट मॉडल अधिकांश उपयोग मामलों में अच्छा प्रदर्शन करता है और कोडिंग में खास तौर पर मज़बूत है। हालाँकि इसकी मुख्य सीमा 200k-टोकन के अपेक्षाकृत संकरे कॉन्टेक्स्ट विंडो की थी, खासकर Gemini 2.5 Flash जैसे प्रतिस्पर्धियों की तुलना में, जो 1M टोकन तक देता है।

Sonnet 4.5 के साथ, Anthropic ने सक्रिय रूप से इस चिंता (और अन्य) को संबोधित किया है। नवीनतम मॉडल में नए फीचर्स, बेहतर प्रदर्शन और उन्हें समर्थन देने वाले कई प्रभावशाली आँकड़े हैं। 

रिलीज़ लेख के अनुसार, Claude Sonnet 4.5 तुरंत ही Claude चैट इंटरफ़ेस और API, दोनों के माध्यम से उपलब्ध है। नए मॉडल की कीमत उसके पूर्ववर्ती के समान ही है—प्रति मिलियन इनपुट टोकन $3 और प्रति मिलियन आउटपुट टोकन $15—जो प्रदर्शन को देखते हुए काफ़ी किफायती लगता है।

Claude 4.5 में नए फीचर्स 

Claude 4.5 मॉडल के साथ कई नए और रोचक फीचर्स आए हैं। जैसा कि हमने कहा, यह SWE-bench Verified इवैल्यूएशन में चार्ट्स में शीर्ष पर है, और OSWorld बेंचमार्क में भी बड़े उछाल दिखाए हैं, जो कंप्यूटर-उपयोग क्षमताओं को मापता है। 

सिर्फ़ 4 महीने पहले Sonnet 4 पर 42.2% से अब 61.4% तक का बड़ा उछाल दिखाता है कि यह छलांग कितनी बड़ी है, और मुझे लगता है कि यह Sonnet 4.5 का सबसे उल्लेखनीय पक्षों में से एक है। इसका एक डेमो Claude for Chrome एक्सटेंशन में दिखता है, जहाँ मॉडल एक साधारण-से प्रॉम्प्ट के आधार पर सीधे ब्राउज़र में एक्शन लेता है।  

SWE-bench Verified बेंचमार्क में Sonnet 4.5 का प्रदर्शन: स्रोत

सबसे आकर्षक दावों में से एक यह है कि मॉडल 30 घंटे से अधिक तक जटिल, बहु-चरणीय कार्यों पर ध्यान केंद्रित बनाए रखने में सक्षम है। 

इसके अलावा कई अन्य उल्लेखनीय नए फीचर्स भी हैं: 

विस्तारित थिंकिंग मोड

जैसा कि हमने GPT-5 और Grok 4 के साथ देखा है, Sonnet 4.5 एक विस्तारित थिंकिंग मोड पेश करता है, जो अधिक जटिल कार्यों के लिए लंबे ‘सोचने’ की प्रक्रिया का उपयोग करता है और तर्क प्रक्रिया के लिए चेन-ऑफ-थॉट दिखाता है।

बेहतर डोमेन-विशिष्ट ज्ञान

नए मॉडल ने वित्त, कानून, चिकित्सा और STEM सहित विशिष्ट डोमेनों में चार्ट-टॉपिंग प्रदर्शन दर्ज किया है। रिलीज़ नोट्स में Cursor, GitHub, Netflix और अन्य के उद्धरणों को देखते हुए, मुझे लगता है कि यह फीचर Sonnet 4.5 के साथ एंटरप्राइज़ ग्राहकों को आकर्षित करने पर केंद्रित है।

सबसे अधिक संरेखित फ्रंटियर मॉडल

Anthropic के अनुसार, इस नई रिलीज़ में सुरक्षा प्रशिक्षण केंद्रीय रहा है, और Claude Sonnet 4.5 अप्रिय प्रतिक्रियाओं में बड़े पैमाने पर कमी दिखाता है। इसका अर्थ यह है कि उपयोगकर्ताओं के रूप में, हमें चापलूसी, धोखे, सत्ता-लोलुपता और भ्रमित प्रतिक्रियाओं जैसी चीज़ों की घटनाएँ काफी कम दिखनी चाहिए।

कुल मिलाकर अधिक सुरक्षित मॉडल

जैसा कि हम Claude Agent SDK के साथ देखेंगे, एजेंटिक वर्कफ़्लो और कंप्यूटर उपयोग ऐसे क्षेत्र हैं जहाँ Claude Sonnet 4.5 अच्छा प्रदर्शन करता है। इसे ध्यान में रखते हुए, Anthropic प्रॉम्प्ट इंजेक्शन हमलों के बचाव में काफ़ी सुधारों का हवाला देता है, जो इन कार्यों के लिए अब भी चिंता का विषय हैं।

Claude Sonnet 4.5 की टेस्टिंग 

यह देखने के लिए कि Claude Sonnet 4.5 क्या कर सकता है, हमने इसकी क्षमता दिखाने के लिए इसे कुछ कार्य दिए। आइए प्रत्येक पर संक्षेप में नज़र डालें: 

साधारण कोडिंग कार्य

शुरुआत में, मैंने इसे एक बुनियादी हेल्थ हैबिट्स ऐप बनाने को कहा। मेरा प्रॉम्प्ट था: 

मैं एक ऐसा ऐप बनाना चाहता/चाहती हूँ जो मुझे सकारात्मक दैनिक आदतों को ट्रैक करने में मदद करेगा। मैं चाहता/चाहती हूँ कि यह सुंदर दिखे, प्राकृतिक रंगों का भरपूर उपयोग हो (मुझे हरे और लकड़ी के रंग बहुत पसंद हैं!)। मैं चाहता/चाहती हूँ कि हफ्ते के हर दिन के लिए आदत तय करने की जगह हो, उसके लिए एक स्ट्रीक काउंटर हो, और नोट्स, विचार और छवियाँ जोड़ने की जगह भी हो। सकारात्मक आदतों के लिए, मैं हर दिन अलग आदत चाहता/चाहती हूँ, जैसे मेडिटेशन, कृतज्ञता आदि, जिनके मानसिक स्वास्थ्य लाभ सिद्ध हैं

और यह रहा इसका काम करते हुए स्क्रीन—इसने ब्राउज़र में कोडिंग शुरू की और काफ़ी तेज़ी से कंपाइल किया, Grok 4 और GPT-5 के साथ देखे गए नतीजों की तरह।

नतीजा जल्दी मिला (दुर्भाग्य से, इसने यह नहीं बताया कि यह कितनी देर तक काम कर रहा था, पर शायद लगभग 30 सेकंड) और यह सरल व सुरुचिपूर्ण प्रतिक्रिया लगी। ऐप की कार्यक्षमता मौजूद थी, और इसमें वह सब कुछ शामिल था जो मैंने माँगा था।  

गणित कार्य 

इसके बाद, मैंने Claude Sonnet 4.5 की गणितीय क्षमता को परखा। हमारे GPT-5 लेख से प्रेरणा लेते हुए, मैंने नए मॉडल से एक काफ़ी सरल गणना पूछी; 7.001 में से 6.999 घटाने पर क्या आता है? 

प्रतिक्रिया लगभग तुरंत मिली, उत्तर सही था, लेकिन इसने कोई तर्क नहीं दिया, तो मैंने फॉलो-अप में तर्क पूछा। इसने तीन तरीकों से गणना समझाई, जो ठीक थे। 

फिर मैंने Claude से कहा कि मुझे लगा यह गलत हो सकता है, और इसकी प्रतिक्रिया निश्चित रूप से GPT-5 की तुलना में कम चापलूसी भरी थी। इसने कहा कि मेरा दोबारा जाँचना सही है (पर मैं सही नहीं हूँ), और एक अलग तरीके से गणना समझाई (हालाँकि व्याख्या थोड़ी असहज थी): 

Claude Sonnet 4.5 बेंचमार्क्स 

आइए देखें कि यह नया मॉडल प्रतिस्पर्धियों के मुकाबले कैसा ठहरता है। हमेशा की तरह, हम बेंचमार्क्स से सीमित ही सीख सकते हैं, और शीर्ष मॉडल अक्सर शीर्ष स्थान से नीचे आते-जाते रहते हैं। लेकिन फिलहाल, Claude Sonnet 4.5 कुछ बहुत प्रभावशाली नंबर दे रहा है, जैसा कि नीचे तालिका में दिखता है: 

मुझे लगता है कि यहाँ कुछ सबसे अलग दिखने वाले नतीजे, जैसा कि चर्चा हुई, एजेंटिक प्रदर्शन और कंप्यूटर उपयोग से जुड़े हैं:

• एजेंटिक कोडिंग: 77.2%, और पैरेलल टेस्ट-टाइम कम्प्यूट के साथ 82.0%। अन्य Claude मॉडलों पर हल्का सुधार, और GPT-5 तथा Gemini 2.5 Pro से आगे।
• एजेंटिक टूल उपयोग: एयरलाइन कार्यों के लिए 70% से लेकर टेलीकॉम में 98% तक—जो अन्य मॉडलों की तुलना में उच्च हैं। 
• कंप्यूटर उपयोग: यह शायद सबसे उल्लेखनीय सुधार है। 61.4% अगली सर्वश्रेष्ठ मॉडल, Claude Opus 4.1, से काफी आगे है। 
• वित्तीय विश्लेषण: समान मॉडलों की तुलना में यहाँ भी चार्ट-टॉपिंग परिणाम। 

मैं उत्सुक हूँ कि कुछ समय बाद पूरे बेंचमार्किंग स्कोर कैसे दिखते हैं, खासकर क्योंकि Anthropic यह रेखांकित कर रहा है कि विशेषज्ञ कई प्रमुख क्षेत्रों में डोमेन-विशिष्ट ज्ञान के बड़े सुधार की बात कर रहे हैं। 

स्रोत: Anthropic

Claude Sonnet 4.5 तक कैसे पहुँचें

Claude Sonnet 4.5 अब कई चैनलों के माध्यम से उपलब्ध है। आप इसे कैसे उपयोग करना चाहते हैं, उसके आधार पर, आप इसे Claude चैट इंटरफ़ेस के जरिए इस्तेमाल कर सकते हैं, API के माध्यम से डेवलप कर सकते हैं, या एंटरप्राइज़ वर्कफ़्लो में इंटीग्रेट कर सकते हैं। एक्सेस यूँ काम करता है:

चैट एक्सेस

आप सीधे Claude.ai वेब इंटरफ़ेस या मोबाइल ऐप्स (iOS और Android) के माध्यम से Claude Sonnet 4.5 का उपयोग कर सकते हैं। यह सभी उपयोगकर्ताओं के लिए उपलब्ध है, जिनमें फ्री टियर वाले भी शामिल हैं। इससे यह आकस्मिक और पेशेवर—दोनों प्रकार के उपयोगकर्ताओं के लिए व्यापक रूप से सुलभ हो जाता है।

API एक्सेस

डेवलपर्स के लिए, आप Anthropic API के माध्यम से मॉडल तक पहुँच सकते हैं, और यह Amazon Bedrock तथा Google Cloud Vertex AI पर भी उपलब्ध है।

API प्राइसिंग (सितंबर 2025 तक): प्रति मिलियन इनपुट टोकन $3 और प्रति मिलियन आउटपुट टोकन $15। 

बैच प्रोसेसिंग और प्रॉम्प्ट कैशिंग कुछ मामलों में लागत को 90% तक कम कर सकते हैं।

Claude Agent SDK 

Sonnet 4.5 के साथ Anthropic की एक और दिलचस्प घोषणा Claude Agent SDK है। मूलतः, ये वही बिल्डिंग ब्लॉक्स हैं जिन्हें Anthropic अंदरूनी तौर पर उपयोग करता है, जो डेवलपर्स को अपने स्वयं के Claude-समर्थित एजेंट बनाने की अनुमति देते हैं।

मुझे लगता है कि Agent SDK बहुत से उपयोगकर्ताओं को उत्साहित करेगा, खासकर वे जो उन्नत एजेंटिक वर्कफ़्लो बनाना चाहते हैं। यह Claude Code इन्फ्रास्ट्रक्चर पर आधारित है और उपयोगकर्ताओं को रिसर्च, कस्टमर सपोर्ट और ऑटोमेशन जैसे कार्यों के लिए एजेंट बनाने की क्षमता देता है। 

Agent SDK एजेंटों को फाइल सिस्टम एक्सेस, bash स्क्रिप्टिंग, सेमान्टिक और एजेंटिक सर्च, सबएजेंट्स, और प्रीबिल्ट इंटीग्रेशन (Model Context Protocol के माध्यम से) जैसी क्षमताएँ देता है, जिससे ऐसे जनरल-पर्पज़ एजेंट बनाए जा सकते हैं जो भरोसेमंद रूप से कॉन्टेक्स्ट इकट्ठा करें, कार्रवाई करें और अपना काम स्वयं वेरिफ़ाई करें। इसकी क्षमताएँ देखने के लिए आप हमारा Claude Agent SDK ट्यूटोरियल देख सकते हैं।

Imagine with Claude

एक और रोचक रिलीज़ Imagine with Claude है, जो ऑन-द-फ्लाई सॉफ़्टवेयर बना सकने वाले एक टूल का रिसर्च प्रीव्यू है। Anthropic ने नीचे दिखाया गया एक छोटा वीडियो शामिल किया है, जो इस तरह से ऑपरेट करते हुए Claude Sonnet 4.5 की क्षमता प्रदर्शित करता है।

यह काफ़ी बढ़िया डेमो है, जो दिखाता है कि यह टूल आपकी इंटरैक्शन्स के आधार पर प्रतिक्रियाशील तरीके से काम कर सकता है, और विभिन्न तत्वों को तेज़ी से तथा सीधे जेनरेट कर सकता है। मुझे लगता है कि यहाँ कई दिलचस्प प्रोजेक्ट्स की काफी संभावनाएँ हैं, और Anthropic Max सब्सक्राइबर्स लॉन्च के बाद पाँच दिनों तक इस टूल के साथ प्रयोग कर सकते हैं। यद्यपि यह समय-सीमा काफ़ी सीमित है, मुझे संदेह है कि इस तरह के टूल का यह आख़िरी रूप नहीं होगा।

निष्कर्ष

तो, Claude Sonnet 4.5 आ चुका है और पहली छाप काफ़ी अच्छी है। मुझे Anthropic की दिशा पसंद आई—इस बार कोड, एजेंट्स और कंप्यूटर उपयोग पर अधिक ज़ोर। वे स्पष्ट रूप से आश्वस्त हैं कि यह नवीनतम संस्करण एंटरप्राइज़ उपयोगकर्ताओं की रुचि के स्तर पर प्रदर्शन कर सकता है, जिसका अर्थ है कि हम कंप्यूटर उपयोग टूल्स के व्यापक अपनाने के और क़रीब पहुँच गए हैं। 

यह कहने के बाद भी, यह देखना बाकी है कि एजेंटिक और कंप्यूटर उपयोग के इर्द-गिर्द Sonnet 4.5 कितने समय तक बेंचमार्क चार्ट्स में शीर्ष पर रहता है, हालाँकि पिछले चार महीनों में हुई प्रगति काफ़ी महत्वपूर्ण लगती है। इसी तरह, अपेक्षाकृत संकरा कॉन्टेक्स्ट विंडो यह भी दर्शाता है कि बड़े कोड बेस के साथ अर्थपूर्ण ढंग से काम करना अब भी मुश्किल हो सकता है। 

फिर भी, मैं Claude Agent SDK और Imagine with Claude जैसे टूल्स से निकलने वाले प्रोजेक्ट्स को लेकर उत्साहित हूँ, और Claude for Chrome एक्सटेंशन विभिन्न वर्कफ़्लो में एक उपयोगी जोड़ होगा।