Name: Anthropic lanza la actualización de Claude 3.5 Sonnet
Author: Anthropic

Anthropic lanza la actualización de Claude 3.5 Sonnet · Chronopin

IAPublicado 28/09/202628/09/2026 a las 21:02

A la línea de tiempo

Anthropic

Empieza el 22/10/2024

San Francisco, California, United States

Al mapa

Hilo

Responder a este pin

SWE-bench Verificado%

Claude 3.5 Sonnet (previous)33,4
Claude 3.5 Sonnet (upgraded)49

fuente

Comercio minorista de banco TAU%

Claude 3.5 Sonnet (previous)62,6
Claude 3.5 Sonnet (upgraded)69,2

fuente

aerolínea de banca TAU%

Claude 3.5 Sonnet (previous)36
Claude 3.5 Sonnet (upgraded)46

fuente

OSWorld (solo captura de pantalla)%

Next-best AI system7,8
Claude 3.5 Sonnet (upgraded)14,9

fuente

Especificaciones de Claude 3.5 Sonnet (mejorado) en el lanzamiento

Especificación	Valor
Fabricante	Anthropic^[1][2][3]
Precio de la API

Language model rubric2026 criteria

Estimate from the version's published specs, benchmarks and reviews, 0-5; scores are only comparable within one criteria year. Scored as launched (upgraded Claude 3.5 Sonnet, 22 Oct 2024): 200K-token context (OpenRouter model page, released 22 Oct 2024; the Anthropic post restates no window); price unchanged at $3 in / $15 out = $6 blended at 3:1 (Willison, Zvi); text and image input plus computer-use beta. Anthropic reports SWE-bench Verified 49.0% (33.4% before) and OSWorld 14.9% screenshot-only; neither maps to an anchor. Reasoning null (no launch-version AA index opened), coding null (no Terminal-Bench 4.0), speed null (no tokens/s published). Reviews: Willison (hands-on with the computer-use demo), Zvi, TechCrunch, The Decoder.

Nombres alternativos

Claude 3.5
Alias

Fotos de usuarios

Fotos de lectores, separadas de los medios con fuentes del pin. Valora lo que comiste o viste y, en un pin de restaurante, etiqueta los platos directamente en tu foto.

Comentarios

Referencias 590% DE CONFIANZAConfianza general: 90%Hasta qué punto la fuente y las referencias del pin respaldan sus fechas.Media ponderada de la firmeza con la que 5 referencias, incluida la fuente, respaldan las horas de inicio y fin del pin; una referencia cuenta la mitad por cada 180 días que sea más antigua que la más recienteMostrar todos los pines con un 75% de confianza o más

La primera entrada es siempre la fuente del pin. La confianza global es una media ponderada de la firmeza con la que cada referencia respalda las horas de inicio y fin usadas arriba; una referencia cuenta la mitad por cada 180 días que sea más antigua que la más reciente.

[1]90%
anthropic.com/news/3-5-models-and-computer-use
anthropic.com· Publicado el 28 sept 2026· Empieza 22 oct 2024 ✓· 46% de la puntuación
La publicación está fechada el «22 de octubre de 2024» y dice: «El Claude 3.5 Sonnet actualizado ya está disponible para todos los usuarios. A partir de hoy, los desarrolladores pueden crear con la beta de uso del ordenador»; TechCrunch^[4] y CNBC^[5] informan del lanzamiento «el martes», ese mismo día.
[2]90%
Model Card Addendum: Claude 3.5 Haiku and Upgraded Claude 3.5 Sonnet
assets.anthropic.com· Añadido el 28 sept 2026· 46% de la puntuación
Anthropic's^[1][3] model card addendum: the upgraded 3.5 Sonnet sets new state-of-the-art results in agentic coding (SWE-bench Verified), agentic tasks (TAU-bench) and computer use from screenshots (OSWorld), with a 14.9% average OSWorld success rate from screenshots alone.
[3]90%
Developing a computer use model
anthropic.com· Publicado el 22 oct 2024· 3% de la puntuación
Anthropic's^[1][2] research post on the skill: Claude looks at screenshots and "counts how many pixels vertically or horizontally it needs to move a cursor in order to click in the correct place", and was trained on simple software such as a calculator and a text editor without internet access.
[4]85%
Anthropic's new AI model can control your PC
techcrunch.com· Publicado el 22 oct 2024· Empieza 22 oct 2024· 3% de la puntuación
TechCrunch, 2024-10-22: "Anthropic^[1][2][3] on Tuesday released an upgraded version of its Claude 3.5 Sonnet model that can understand and interact with any desktop app" through a Computer Use API in open beta on the API, Bedrock and Vertex AI.
[5]85%
Amazon-backed Anthropic debuts AI agents that can do complex tasks, racing against OpenAI, Microsoft and Google
cnbc.com· Publicado el 22 oct 2024· Empieza 22 oct 2024· 3% de la puntuación
CNBC, 2024-10-22: chief science officer Jared Kaplan says it can do tasks with "tens or even hundreds of steps"; Amazon had early access and beta testers included Asana, Canva and Notion; released Tuesday in public beta for developers.

Sugerir una corrección

¿Falta algo o hay un error? Dilo con tus palabras: un enlace que respalde este pin, otra fecha de inicio o fin y por qué, o un dato que falta o está mal. La IA lo contrasta con las fuentes del pin, busca otras mejores y añade cualquier página que te dé la razón. Las fuentes del propio pin siguen contando más. La IA también mira las imágenes: una que muestra otra cosa, o la muestra mal, pasa al final o se sustituye.

Reviews

Initial explorations of Anthropic's new Computer Use capability · simonwillison.net · 22 oct 2024It worked exactly as advertised.
Claude Sonnet 3.5.1 and Haiku 3.5 · thezvi.substack.com · 24 oct 2024We only have very early feedback so far, so it's hard to tell how much what I will be calling Claude 3.5.1 improves performance in practice over Claude 3.5. It does seem like it is a clear improvement.
Anthropic's new AI model can control your PC · techcrunch.com · 22 oct 2024But don't fire your secretary just yet. In an evaluation designed to test an AI agent's ability to help with airline booking tasks, like modifying a flight reservation, the new 3.5 Sonnet managed to complete less than half of the tasks successfully.
Anthropic releases updated, smarter Claude Haiku 3.5 and Sonnet 3.5 model · the-decoder.com · 22 oct 2024The new Claude 3.5 Sonnet model shows improved performance, especially in logical reasoning, mathematical problem-solving and programming tasks.

Sentimiento a lo largo del tiempoPositiva

Opinión general

Sentimiento a lo largo del tiempo
Initial explorations of Anthropic's new Computer Use capability · 22 oct 2024	0.60
Anthropic's new AI model can control your PC · 22 oct 2024	-0.20
Anthropic releases updated, smarter Claude Haiku 3.5 and Sonnet 3.5 model · 22 oct 2024	0.70
Claude Sonnet 3.5.1 and Haiku 3.5 · 24 oct 2024	0.30

Anthropic anunció «un Claude 3.5 Sonnet actualizado» con «mejoras generalizadas respecto a su predecesor, con avances especialmente significativos en codificación», disponible para todos los usuarios ese mismo día, y el nuevo Claude 3.5 Haiku para más adelante ese mes^[1]
El uso del ordenador llegó en beta pública: Claude mira la pantalla, mueve un cursor, hace clic en botones y escribe, y Anthropic llama a 3.5 Sonnet «el primer modelo de IA de frontera en ofrecer el uso del ordenador en beta pública» - «todavía experimental, a veces incómodo y propenso a errores»^[1][4]
Para dirigir el cursor, Claude cuenta los píxeles que necesita mover en cada captura de pantalla; Anthropic entrenó la habilidad con software sencillo como una calculadora y un editor de texto^[3]
Los desarrolladores pudieron usarlo ese mismo día en la API de Anthropic, Amazon Bedrock y Vertex AI de Google Cloud; Asana, Canva, Cognition, DoorDash, Replit y The Browser Company fueron usuarios tempranos, y Amazon tuvo acceso anticipado^[1][5]
Los AI Safety Institutes de EE. UU. y el Reino Unido lo probaron conjuntamente antes del lanzamiento; Anthropic lo mantuvo en ASL-2 y añadió clasificadores que detectan el uso del ordenador y si se está produciendo un daño^[1]

Características destacadas

Mismo precio y velocidad que el Claude 3.5 Sonnet de junio^[1]
SWE-bench Verified sube del 33.4% al 49.0%, por delante de todos los modelos disponibles públicamente, incluido el o1-preview de OpenAI^[1]
El uso agéntico de herramientas en TAU-bench sube del 62.6% al 69.2% en el ámbito minorista y del 36.0% al 46.0% en el de las aerolíneas^[1]
En OSWorld obtuvo 14.9% solo a partir de capturas de pantalla frente al 7.8% del siguiente mejor sistema, y 22.0% cuando se le permitieron más pasos^[1][2]
Desplazarse, arrastrar y hacer zoom seguían siendo difíciles para el modelo, y Anthropic recomendó empezar con tareas de bajo riesgo^[1]

Pruebas de referencia^[1]

Prueba de referencia	Claude 3.5 Sonnet (nuevo)	Claude 3.5 Haiku	Claude 3.5 Sonnet	GPT-4o*	GPT-4o mini*	Gemini 1.5 Pro	Gemini 1.5 Flash
Razonamiento de nivel de posgrado (GPQA Diamond)	65.0% (0-shot CoT)	41.6% (0-shot CoT)	59.4% (0-shot CoT)	53.6% (0-shot CoT)	40.2% (0-shot CoT)	59.1% (0-shot CoT)	51.0% (0-shot CoT)
Conocimiento de nivel universitario (MMLU Pro)	78.0% (0-shot CoT)	65.0% (0-shot CoT)	75.1% (0-shot CoT)	—	—	75.8% (0-shot CoT)	67.3% (0-shot CoT)
Código (HumanEval)	93.7% (0-shot)	88.1% (0-shot)	92.0% (0-shot)	90.2% (0-shot)	87.2% (0-shot)	—	—
Resolución de problemas matemáticos (MATH)	78.3% (0-shot CoT)	69.2% (0-shot CoT)	71.1% (0-shot CoT)	76.6% (0-shot CoT)	70.2% (0-shot CoT)	86.5% (4-shot CoT)	77.9% (4-shot CoT)
Competencia de matemáticas de secundaria (AIME 2024)	16.0% (0-shot CoT)	5.3% (0-shot CoT)	9.6% (0-shot CoT)	9.3% (0-shot CoT)	—	—	—
Preguntas y respuestas visuales (MMMU)	70.4% (0-shot CoT)	—	68.3% (0-shot CoT)	69.1% (0-shot CoT)	59.4% (0-shot CoT)	65.9% (0-shot CoT)	62.3% (0-shot CoT)
Codificación agéntica (SWE-bench Verified)	49.0%	40.6%	33.4%	—	—	—	—
Uso agéntico de herramientas (TAU-bench), minorista	69.2%	51.0%	62.6%	—	—	—	—
Uso agéntico de herramientas (TAU-bench), aerolínea	46.0%	22.8%	36.0%	—	—	—	—

* Las tablas de evaluación de Anthropic excluyen el modelo o1 de OpenAI, ya que dependen de un tiempo de cómputo previo a la respuesta extenso, a diferencia de los modelos habituales.

Sugerir una corrección

Comentarios

Reviews

Sentimiento a lo largo del tiempoPositiva

Anthropic lanza la actualización de Claude 3.5 Sonnet

Características destacadas

Pruebas de referencia[1]

Etiquetas

Hilo

Pruebas de referencia^[1]