DEV Community

Cover image for معايير أداء كلود سونيت 5: تحليل الأرقام الحقيقية
Yusuf Khalidd
Yusuf Khalidd

Posted on • Originally published at apidog.com

معايير أداء كلود سونيت 5: تحليل الأرقام الحقيقية

تم إطلاق Claude Sonnet 5 في 30 يونيو 2026، والادعاء الرئيسي من Anthropic جريء: أداء وكيلي (agentic) قريب من Opus 4.8 بسعر أقل بكثير. في هذا الدليل العملي، سنحوّل أرقام الإطلاق إلى قرارات تنفيذية: متى تستخدم Sonnet 5، متى تدفع مقابل Opus 4.8، وكيف تبني اختبارًا قابلًا للتكرار على طلباتك الخاصة. إذا كنت تريد نظرة عامة كاملة على النموذج أولاً، فابدأ بدليل Claude Sonnet 5 pillar guide. وللأرقام الخام من المصدر، راجع صفحة الإعلان الرسمية من Anthropic.

جرّب Apidog اليوم

الخلاصة التنفيذية: إذا كانت مهامك تستخدم أدوات، أو Terminal، أو وكلاء ترميز، فإن Sonnet 5 يقترب جدًا من Opus 4.8. إذا كانت مهامك تعتمد على استدلال صعب في خطوة واحدة دون أدوات لتصحيح المسار، يبقى Opus 4.8 أقوى.

Claude Sonnet 5 benchmarks

جميع الأرقام أدناه هي معايير إطلاق Anthropic، وقد تم تأكيدها عبر عدة تقارير صدرت في يوم الإطلاق. تعامل معها كأرقام مُبلّغ عنها، وليست كاختبارات مستقلة.

جدول المعايير

ثلاثة معايير تشرح الفارق العملي بين Sonnet 5 وSonnet 4.6 وOpus 4.8:

المعيار ما يقيسه Sonnet 5 Sonnet 4.6 Opus 4.8
SWE-bench Pro الترميز الوكيلي (Agentic coding) على مستودعات حقيقية 63.2% 58.1% 69.2%
Terminal-Bench 2.1 إنجاز مهام سطر الأوامر 80.4% لم يُبلّغ عنه 82.7%
OSWorld-Verified استخدام الكمبيوتر، مهام الواجهة الرسومية 81.2% 78.5% 83.4%

ما الذي يمكن استخلاصه عمليًا؟

  • Sonnet 5 يتفوق على Sonnet 4.6 في كل معيار تم الإبلاغ عنه لكليهما.
  • في SWE-bench Pro، ارتفع من 58.1% إلى 63.2%، أي أكثر من خمس نقاط.
  • في OSWorld-Verified، ارتفع من 78.5% إلى 81.2%.
  • مقارنةً بـ Opus 4.8، يتأخر Sonnet 5 بـ:
    • 6.0 نقاط في SWE-bench Pro
    • 2.3 نقطة في Terminal-Bench 2.1
    • 2.2 نقطة في OSWorld-Verified

الفارق الأصغر يظهر في المهام التي تعتمد أكثر على الأدوات ومحطة الأوامر.

كيف تقرأ النمط؟

اسأل هذا السؤال قبل اختيار النموذج:

هل يستطيع النموذج استخدام أدوات خارجية لتصحيح نفسه أثناء التنفيذ؟

في Terminal-Bench 2.1 وOSWorld-Verified، يستطيع النموذج تشغيل أوامر، قراءة المخرجات، تعديل الخطة، ثم إعادة المحاولة. هذه الحلقة تقلل الفارق بين Sonnet 5 وOpus 4.8.

أما SWE-bench Pro، فهو أيضًا وكيلي، لكنه يتطلب استدلالًا أعمق داخل قواعد أكواد كبيرة. هنا يتسع الفارق إلى ست نقاط.

القاعدة العملية:

  • استخدم Sonnet 5 عندما يكون لديك:
    • وكلاء ترميز
    • مهام Terminal
    • أدوات API
    • workflows قابلة للتكرار
    • استخدام كمبيوتر أو واجهة رسومية
  • استخدم Opus 4.8 عندما يكون لديك:
    • استدلال صعب بلا أدوات
    • قرارات عالية المخاطر
    • مهام تحتاج أفضل نتيجة خام ممكنة

للمقارنة الكاملة مع السعر والسياق، راجع Claude Sonnet 5 مقابل Opus 4.8.

السعر يغير القرار

المعايير وحدها تميل لصالح النموذج الأقوى. لكن عند إدخال السعر، تصبح الصورة مختلفة.

يعمل Sonnet 5 بسعر تمهيدي:

  • 2 دولار لكل مليون رمز إدخال
  • 10 دولارات لكل مليون رمز إخراج

وذلك حتى 31 أغسطس 2026.

بعدها ينتقل إلى السعر القياسي:

  • 3 دولارات لكل مليون رمز إدخال
  • 15 دولارًا لكل مليون رمز إخراج

أما Opus 4.8 فسعره:

  • 5 دولارات لكل مليون رمز إدخال
  • 25 دولارًا لكل مليون رمز إخراج

أي أن Sonnet 5، بالأسعار القياسية، يكلف تقريبًا 60% من تكلفة Opus 4.8 للإدخال والإخراج.

Claude Sonnet 5 pricing comparison

هذا يغير طريقة قراءة الجدول.

فجوة 2.3 نقطة في Terminal-Bench 2.1 قد لا تبرر دفع تكلفة Opus الأعلى، خصوصًا إذا كنت تشغل وكلاء على نطاق واسع. أما فجوة 6 نقاط في SWE-bench Pro فقد تبرر Opus لبعض حالات الترميز المعقدة.

استخدم هذا المقياس بدل الدقة الخام:

التكلفة لكل مهمة ناجحة = إجمالي تكلفة التشغيل / عدد المهام المحلولة بنجاح
Enter fullscreen mode Exit fullscreen mode

مثال عملي:

إذا حل Sonnet 5 عددًا أقل قليلًا من المهام لكنه كلف 40% أقل،
فقد يكون أفضل اقتصاديًا من Opus 4.8 في الإنتاج.
Enter fullscreen mode Exit fullscreen mode

هناك نقطة مهمة: يستخدم Sonnet 5 مُحلل رموز جديد ينتج ما يقرب من 30% رموزًا إضافية لنفس نص الإدخال. سعر الرمز الواحد لم يتغير عن Sonnet 4.6، لكن تكلفة الطلب المكافئ قد ترتفع بسبب زيادة عدد الرموز المحتسبة.

لذلك لا تفترض أن نفس النص يعني نفس التكلفة. احسب الرموز فعليًا. التفاصيل موجودة في دليل تسعير Claude Sonnet 5.

ما الذي لا تخبرك به المعايير؟

المعايير العامة مفيدة للفرز الأولي، لكنها لا تكفي لاتخاذ قرار إنتاجي. انتبه لهذه الفجوات.

1. عبء عملك ليس SWE-bench

إذا كنت تعمل على TypeScript مع API داخلية واتفاقيات خاصة بفريقك، فلن يعكس معيار مبني على مستودعات عامة كل التفاصيل.

استخدم المعايير العامة لتحديد المرشحين، لا لاتخاذ القرار النهائي.

2. الدقة الخام ليست أهم مقياس دائمًا

في الإنتاج، الأهم غالبًا هو:

التكلفة لكل نجاح
زمن الاستجابة
معدل الرفض
قابلية التكرار
عدد المحاولات المطلوبة
Enter fullscreen mode Exit fullscreen mode

نموذج أقل بدقيقتين مئويتين لكنه أرخص بكثير قد يكون أفضل لميزانية الوكلاء.

3. زمن الاستجابة غير ظاهر

المعايير تقيس صحة الإجابة، لا سرعة وصولها. في الأدوات التفاعلية، إجابة جيدة وسريعة قد تكون أفضل من إجابة أدق لكنها بطيئة.

خصوصًا أن التفكير التكيفي (adaptive thinking) مفعل افتراضيًا في Sonnet 5، لذلك يجب قياس latency في بيئتك الحقيقية.

السلامة والتعامل مع الرفض

تفيد Anthropic بأن Sonnet 5 لديه معدل إجمالي أقل للسلوكيات غير المرغوب فيها مقارنة بـ Sonnet 4.6، مع هلوسة أقل وتملق أقل. كما أنه أول نموذج من فئة Sonnet مزود بحماية أمنية سيبرانية في الوقت الفعلي.

نقطة تنفيذية مهمة: بعض الطلبات المتعلقة بمواضيع سيبرانية محظورة أو عالية المخاطر قد تُرفض. الرفض لا يعود كخطأ HTTP تقليدي، بل كاستجابة HTTP 200 ناجحة مع:

{
  "stop_reason": "refusal"
}
Enter fullscreen mode Exit fullscreen mode

لذلك لا تفترض أن HTTP 200 يعني نجاح المهمة. تحقق من stop_reason.

مثال تحقق بسيط:

if (response.stop_reason === "refusal") {
  throw new Error("تم رفض الطلب من النموذج");
}
Enter fullscreen mode Exit fullscreen mode

كن صريحًا أيضًا بشأن التحذيرات: في التدقيق السلوكي الآلي لـ Anthropic، أظهر Sonnet 5 معدلات سلوك غير متوافق أعلى من Opus 4.8. ومن ناحية القدرة السيبرانية، يقع أدنى من نماذج Opus. لم يتمكن أي من نموذجي Sonnet من تطوير استغلال وظيفي على الإطلاق، حيث تم الإبلاغ عن 0.0%. في هذا السياق، القدرة المنخفضة ميزة وليست فجوة.

التفاصيل الكاملة موجودة في مركز شفافية Anthropic.

كيف تختبر Sonnet 5 على مهامك؟

أفضل معيار هو الذي يعمل على طلباتك الفعلية.

الهدف: شغّل نفس الطلبات على Sonnet 5 وOpus 4.8 وSonnet 4.6، ثم قارن:

  • صحة النتيجة
  • زمن الاستجابة
  • التكلفة
  • عدد الرموز
  • stop_reason
  • قابلية إعادة التشغيل

يمكنك تنفيذ ذلك باستخدام عميل API مثل Apidog: أنشئ طلبًا إلى Anthropic Messages API، خزّن مفتاح API كمتغير بيئة، واحفظ الطلب في مجموعة قابلة لإعادة التشغيل. عند مقارنة النماذج، غيّر متغيرًا واحدًا فقط: معرّف النموذج.

مثال طلب إلى Anthropic Messages API

معرّف النموذج هو:

claude-sonnet-5
Enter fullscreen mode Exit fullscreen mode

مثال باستخدام curl:

curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-5",
    "max_tokens": 2048,
    "messages": [
      {
        "role": "user",
        "content": "Refactor this function to remove the nested loop and explain the change."
      }
    ]
  }'
Enter fullscreen mode Exit fullscreen mode

إعداد اختبار A/B بين النماذج

اجعل جسم الطلب ثابتًا، وبدّل فقط قيمة model:

{
  "model": "claude-sonnet-5"
}
Enter fullscreen mode Exit fullscreen mode

ثم اختبر:

{
  "model": "claude-opus-4-8"
}
Enter fullscreen mode Exit fullscreen mode

ثم:

{
  "model": "claude-sonnet-4-6"
}
Enter fullscreen mode Exit fullscreen mode

في Apidog، خزّن النموذج كمتغير بيئة، مثل:

ANTHROPIC_MODEL=claude-sonnet-5
Enter fullscreen mode Exit fullscreen mode

ثم استخدمه في الطلبات. بهذه الطريقة يمكنك إعادة تشغيل نفس المجموعة عبر عدة نماذج دون تعديل كل طلب يدويًا.

أضف تأكيدات مثل:

pm.test("لا توجد حالة رفض", function () {
  pm.expect(pm.response.json().stop_reason).to.not.eql("refusal");
});

pm.test("الاستجابة ليست فارغة", function () {
  const body = pm.response.json();
  pm.expect(body.content.length).to.be.above(0);
});
Enter fullscreen mode Exit fullscreen mode

ثم شغّل المجموعة في CI للحصول على تقييم قابل للتكرار. إذا لم تقم بإعداد اختبارات API بهذه الطريقة من قبل، راجع دليل الاختبار بدون Postman.

ملاحظات ترحيل مهمة

قبل تشغيل المقارنات، تأكد من إزالة بعض المعلمات القديمة أو غير المدعومة.

Sonnet 5 لا يقبل قيمًا غير افتراضية لهذه الحقول:

{
  "temperature": 0.2,
  "top_p": 0.9,
  "top_k": 40
}
Enter fullscreen mode Exit fullscreen mode

كما يرفض الحقل القديم:

{
  "thinking": {
    "type": "enabled",
    "budget_tokens": 1024
  }
}
Enter fullscreen mode Exit fullscreen mode

هذه الحالات تعيد خطأ 400. إذا تركتها في الاختبار، ستفشل عملية القياس قبل أن تقيس أي أداء فعلي.

يمكنك تنزيل Apidog لبناء الطلب مرة واحدة وإعادة استخدامه عبر كل نموذج تريد تقييمه.

الأسئلة الشائعة

ما هي نتيجة Claude Sonnet 5 في SWE-bench Pro؟

تشير أرقام إطلاق Anthropic إلى 63.2% لـ Sonnet 5، مقارنة بـ 58.1% لـ Sonnet 4.6 و69.2% لـ Opus 4.8. هذا تحسن بأكثر من خمس نقاط عن الجيل السابق، لكنه لا يزال خلف Opus 4.8 بحوالي ست نقاط.

هل Sonnet 5 أفضل من Opus 4.8؟

ليس في النتائج الخام. Opus 4.8 يتصدر كل معيار تم الإبلاغ عنه. لكن Sonnet 5 يقترب منه بنقطة إلى ثلاث نقاط في المهام التي تعتمد على الأدوات بكثافة، مع تكلفة أقل بكثير، لذلك قد يكون الخيار الأفضل للوكلاء ودورات الترميز. للمقارنة الكاملة، راجع Claude Sonnet 5 مقابل Opus 4.8.

هل هذه أرقام من اختبارات مستقلة؟

لا. هذه معايير إطلاق Anthropic الخاصة بها، وقد تم تأكيدها عبر عدة تقارير صدرت في يوم الإطلاق. استخدمها كإشارة أولية، ثم اختبر النموذج على عبء عملك.

لماذا يقترب Sonnet 5 من Opus في مهام الأدوات؟

لأن النموذج يستطيع تشغيل الأوامر، قراءة النتائج، وتصحيح أخطائه خطوة بخطوة. هذه التغذية الراجعة تضيق الفجوة مع Opus. أما في مهام الاستدلال الخالص دون أدوات، يظهر تفوق Opus بشكل أوضح.

كيف أقيس أداء Sonnet 5 على طلباتي الخاصة؟

استدعِ Anthropic Messages API باستخدام claude-sonnet-5، واحفظ الطلب في أداة مثل Apidog، وأضف تأكيدات، ثم أعد تشغيل نفس الطلبات عبر النماذج بتبديل معرّف النموذج فقط. بهذه الطريقة تقيس ما يهمك فعليًا: التكلفة لكل مهمة، زمن الاستجابة، ومعدل النجاح.

Top comments (0)