Claude Sonnet 5 posouvá agentickou AI k levnější práci s nástroji

TL;DR:

• Anthropic uvedl Claude Sonnet 5, nový model zaměřený na agentickou práci, coding, používání nástrojů a znalostní úkoly.
• Pro AI v práci je podstatné, že silnější agentické schopnosti se přesouvají do levnější modelové třídy, ne jen do nejdražších modelů.
• Anthropic tvrdí, že Sonnet 5 se v některých úlohách přibližuje Opus 4.8, zejména při vhodně nastavené úrovni úsilí.
• Praktický dopad je hlavně v poměru cena/výkon: vícekrokové AI workflow může být dostupnější, ale pořád vyžaduje měření a kontrolu.
• Při testování sledujte nejen kvalitu odpovědí, ale i počet kroků, spotřebu tokenů, schopnost dokončit úkol a místa, kde musí rozhodnout člověk.

Nový model není zajímavý jen proto, že je nový. U Claude Sonnet 5 je důležitější otázka: kolik agentické práce se dnes dá dělat bez toho, aby každý delší úkol automaticky spadl do nejdražší modelové třídy?

Anthropic představil Claude Sonnet 5 30. června 2026. Popisuje ho jako dosud nejvíce agentický model řady Sonnet. Má lépe plánovat, používat nástroje jako browser nebo terminál, psát a upravovat kód a zvládat profesionální znalostní práci. Podle Anthropicu se v některých agentických scénářích výkonem přibližuje modelu Opus 4.8, ale při nižší ceně.

To je pro praktické využití AI důležitější než samotný benchmark.

Co se mění

Agentická AI je drahá ze dvou důvodů. Zaprvé nedělá jednu odpověď, ale sérii kroků. Zadruhé při práci s nástroji spotřebuje hodně vstupních tokenů: čte soubory, výsledky vyhledávání, logy, kontext úkolu a mezivýstupy.

Pokud agentický model musí být vždy nejvyšší a nejdražší varianta, spousta workflow zůstane jen v ukázkách. Pokud se ale schopnost plánovat a používat nástroje posouvá do levnější třídy, otevírá se prostor pro běžnější pracovní nasazení.

Sonnet 5 podle Anthropicu zlepšuje reasoning, tool use, coding a knowledge work. Firma také uvádí, že nabízí širší škálu poměru ceny a výkonu podle nastavené úrovně úsilí. To znamená, že uživatel nemusí řešit jen otázku „který model je nejlepší“, ale „který model je dost dobrý pro tento typ práce“.

Proč na tom záleží pro AI workflow

V reálné práci často nepotřebujete model, který vyhraje každý benchmark. Potřebujete systém, který opakovaně dokončí užitečný úkol za rozumnou cenu.

Příklad: agent má projít deset support vláken, najít opakující se problém, navrhnout změnu dokumentace a připravit krátké shrnutí pro tým. To není jedna kreativní odpověď. Je to sled čtení, třídění, plánování, psaní a kontroly.

U takového AI workflow se vyplatí sledovat jiné metriky než jen „jak chytrá byla odpověď“. Důležité je:

• kolik kroků agent udělal,
• jestli se držel zadání,
• kolik spotřeboval tokenů,
• kolikrát musel člověk zasáhnout,
• jestli výstup šel použít bez velkého přepracování,
• kde vzniklo riziko chybného rozhodnutí.

Sonnet 5 je zajímavý právě proto, že tlačí agentické schopnosti do vrstvy, kde se podobné experimenty mohou ekonomicky víc vyplatit.

Co nepřeceňovat

Neznamená to, že levnější agentický model automaticky vyřeší produktivitu. Model je jen jedna část systému.

Agentické workflow pořád potřebuje dobré zadání, přístup ke správným datům, nástroje s omezenými oprávněními, logování kroků a místa, kde člověk schvaluje rizikové akce. Pokud tohle chybí, silnější model jen rychleji vyrobí složitější chaos.

Také je dobré opatrně číst bezpečnostní tvrzení. Anthropic uvádí, že Sonnet 5 měl v jejich hodnoceních nižší míru nežádoucího chování než Sonnet 4.6 a že má defaultně zapnuté kybernetické safeguards. To je užitečný signál, ale pro konkrétní firmu nenahrazuje vlastní testování.

Praktický závěr

Když vybíráte model pro AI agenta, nezačínejte otázkou, který model je obecně nejlepší. Začněte pracovním úkolem.

Vezměte jeden opakovatelný proces: research, support triage, přípravu reportu, kontrolu dokumentace nebo práci s kódem. Otestujte ho ve třech režimech: jednoduchý chat, asistované workflow a agentické workflow s nástroji. U každého sledujte cenu, čas, kvalitu a kontrolní zátěž pro člověka.

Claude Sonnet 5 ukazuje, že agentická AI se posouvá směrem k praktičtějšímu poměru výkonu a nákladů. Ale skutečný přínos nevznikne tím, že přepnete model. Vznikne až tehdy, když víte, jaký kus práce má agent převzít a kde má zůstat lidské rozhodnutí.

Zdroj

Zdroj: Anthropic - https://www.anthropic.com/news/claude-sonnet-5