ક્લોડ સોનેટ 4.6: મોડેલ પરફોર્મન્સમાં ઘટતો વધારો

ઘટતો વધારો

"સારી" મોડેલ અપગ્રેડ એટલે શું?

જો તમે સામાન્ય લોકોને પૂછો, તો તેઓ કહેશે: વધુ સ્માર્ટ. જો તમે કંપનીઓને પૂછો, તો તેઓ કહેશે: વધુ સસ્તું.

Sonnet 4.6 બીજી વસ્તુ કરે છે.

"It approaches Opus-level intelligence at a price point that makes it practical for far more tasks." — @claudeai

આ ટેકનિકલ સફળતા નથી. આ એક વ્યાપારી વ્યૂહરચના છે.

જ્યારે ટેકનોલોજીકલ પ્રગતિ ધીમી પડે છે, ત્યારે કિંમત સ્પર્ધાનું પરિમાણ બની જાય છે. આ નિષ્ફળતા નથી, પરિપક્વતા છે.

શા માટે Sonnet 5 નથી?

કેટલાક લોકો કહે છે કે Anthropic મૂળરૂપે તેને Sonnet 5 કહેવા માગતી હતી.

"They renamed sonnet-5 to 4.6 (reason is simple - they are saving 5 for a big jump)" — @chetaslua

આ નામકરણ પોતે જ એક સંકેત છે. Anthropic જાણે છે કે આ એક મોટી છલાંગ નથી.

જ્યારે કોઈ કંપની વર્ઝન નંબરને 5 થી બદલીને 4.6 કરે છે, ત્યારે તેઓ કહે છે: આ એક વધારાનો અપડેટ છે, નવો યુગ નથી.

70% અને 59%

બે આંકડા નોંધવા જેવા છે:

• 70%: Claude Code વપરાશકર્તાઓ Sonnet 4.5 કરતાં Sonnet 4.6 ને વધુ પસંદ કરે છે
• 59%: વિકાસકર્તાઓ માને છે કે Sonnet 4.6 એ Opus 4.5 કરતાં વધુ સારી છે

આ બંને આંકડા એક જ વસ્તુ દર્શાવે છે: મિડ-રેન્જ મોડેલ હાઇ-એન્ડ મોડેલને પકડી રહ્યું છે.

આ એટલા માટે નથી કે મિડ-રેન્જ વધુ સારું થયું છે, પરંતુ એટલા માટે કે હાઇ-એન્ડના સીમાંત લાભો ઘટી રહ્યા છે.

1M સંદર્ભ

Sonnet 4.6 પાસે 1 મિલિયન ટોકન્સની સંદર્ભ વિન્ડો છે (બીટા).

પરંતુ શું આ વપરાશકર્તાઓ ઇચ્છે છે?

"Most builders will use Claude Sonnet 4.6 wrong. They'll turn on 1M context for everything. Then complain about cost. Sonnet 4.6 at 200K + prompt caching will outperform most max context setups for 90% of workflows." — @EarthExcursions

મોટો સંદર્ભ વધુ સારા પરિણામો સમાન નથી. મોટાભાગના કિસ્સાઓમાં, તે ફક્ત ઊંચું બિલ છે.

GitHub Copilot એકીકરણ

Sonnet 4.6 પહેલેથી જ GitHub Copilot પર લાઇવ છે.

"Claude Sonnet 4.6 is now generally available and rolling out in GitHub Copilot." — @github

આ શું દર્શાવે છે? વિકાસકર્તા સાધનો AI મોડેલ્સ માટેનું પ્રથમ યુદ્ધનું મેદાન બની રહ્યા છે.

OpenAI પાસે Cursor છે. Anthropic પાસે Copilot છે. Google હજી સુધી સમજી શક્યું નથી.

આ કોનું મોડેલ વધુ સ્માર્ટ છે તેના વિશે નથી. આ તેના વિશે છે કે વિકાસકર્તાઓ દરરોજ જે પ્રથમ વિન્ડો ખોલે છે તેમાં કોણ છે.

કિંમત યુદ્ધ શરૂ થઈ ગયું છે

Sonnet 4.6 ની સૌથી મહત્વપૂર્ણ વિશેષતા મોડેલમાં નથી, કિંમતમાં છે.

"Claude Sonnet 4.6 performs incredibly well and on par with Claude Opus 4.6 while being almost 50% cheaper" — @bridgemindai

આ AI ઉદ્યોગ પરિપક્વતાના તબક્કામાં પ્રવેશવાનો સંકેત છે.

જ્યારે ઉત્પાદન ભિન્નતા નાની થઈ જાય છે, ત્યારે કિંમત સ્પર્ધા શરૂ થાય છે. જ્યારે કિંમત સ્પર્ધા શરૂ થાય છે, ત્યારે નફાનું માર્જિન ઘટે છે. જ્યારે નફાનું માર્જિન ઘટે છે, ત્યારે ફક્ત મોટા ખેલાડીઓ જ ટકી શકે છે.

Anthropic જે કરી રહી છે તે છે: કિંમત સાથે બજાર હિસ્સો બદલવો.

શું હજી પણ કોઈ ChatGPT નો ઉપયોગ કરે છે?

એક પોલિશ વપરાશકર્તાનું ટ્વીટ:

"Claude Sonnet 4.6 just came out. And honestly? I don't know why anyone would still use ChatGPT." — @nauczymycieAI

આ એક વાસ્તવિક વપરાશકર્તાની લાગણી છે. કોઈ ટેકનિકલ સમીક્ષા નથી, કોઈ બેન્ચમાર્ક ટેસ્ટ નથી, ફક્ત લાગણી છે.

લાગણી મહત્વપૂર્ણ છે. જ્યારે બે ઉત્પાદનો સમાન કાર્ય કરે છે, ત્યારે વપરાશકર્તાઓ તે પસંદ કરશે જે "વધુ સારું લાગે" છે.

ટર્મિનલ એ નવું IDE છે

GitHub નું Copilot CLI એકીકરણ એક વલણ દર્શાવે છે:

કોડ IDE થી ટર્મિનલમાં લખાઈ રહ્યો છે.

"Try it out in VS Code or Copilot CLI." — @github

આ કોઈ ટેકનિકલ વિગત નથી. આ વિકાસકર્તા વર્કફ્લોમાં મૂળભૂત ફેરફાર છે.

જ્યારે તમે ટર્મિનલમાં એક આદેશ દાખલ કરો છો, ત્યારે AI તમને પૂર્ણ કરવામાં મદદ કરે છે. આ "સહાયક પ્રોગ્રામિંગ" નથી. આ "સંવાદાત્મક પ્રોગ્રામિંગ" છે.

બોટમ લાઇન

Sonnet 4.6 ક્રાંતિ નથી.

તે AI મોડેલ્સ કોમોડિટીકરણ તરફ આગળ વધી રહ્યા હોવાનો બીજો પુરાવો છે.

જ્યારે કામગીરીનો તફાવત એટલો નાનો હોય કે તેને અનુભવવો મુશ્કેલ હોય, અને કિંમતનો તફાવત એટલો મોટો હોય કે તેને અવગણવો મુશ્કેલ હોય, ત્યારે તમે જાણો છો કે આ ઉદ્યોગ પરિપક્વ થઈ રહ્યો છે.

આ ખરાબ બાબત નથી. પરિપક્વતા એટલે સ્થિરતા. સ્થિરતા એટલે અનુમાનિત. અનુમાનિત એટલે તેના પર નિર્માણ કરી શકાય છે.

આગામી તરંગની નવીનતા "વધુ સ્માર્ટ મોડેલ" માંથી આવશે નહીં. તે "વધુ સસ્તી બુદ્ધિ" માંથી આવશે.