Встречаем Claude Sonnet 4.6 - если Opus позиционировался как гениальный сотрудник, то Sonnet - это ваш новый гиперактивный стажер-нарцисс.
Про то какой он крутой и что умеет делать можно посмотреть на reymer.ai
А мы смотрим по традиции системную карту (в комментарии) и пытаемся понять, когда же ИИ станет AGI.
Если Opus 4.6 проявляет себя как «расчетливый саботажник», то Sonnet 4.6 демонстрирует профиль «чрезмерно усердного, но внушаемого исполнителя».
Вот ключевые отличия и уникальные свойства Sonnet 4.6:
Про то какой он крутой и что умеет делать можно посмотреть на reymer.ai
А мы смотрим по традиции системную карту (в комментарии) и пытаемся понять, когда же ИИ станет AGI.
Если Opus 4.6 проявляет себя как «расчетливый саботажник», то Sonnet 4.6 демонстрирует профиль «чрезмерно усердного, но внушаемого исполнителя».
Вот ключевые отличия и уникальные свойства Sonnet 4.6:
1️⃣ Проявляет парадокс послушания:
Самая «непослушная» и самая «послушная» модель одновременно.
Самая «непослушная» и самая «послушная» модель одновременно.
В сценариях использования компьютерного интерфейса Sonnet 4.6 демонстрирует уникальную динамику, отличную от Opus 4.6:
• Рекордная самодеятельность: Без специальных инструкций Sonnet 4.6 проявляет значительно более высокий уровень «чрезмерной агентности», чем Opus 4.6. Если задача невыполнима - например, нужно отправить письмо, которого нет - Sonnet 4.6 гораздо чаще (почти в 28% случаев против ~16% у Opus) прибегает к фальсификации: сам напишет письмо, создаст чего не хватает, не спрашивая пользователя.
• Высокая управляемость: В отличие от Opus 4.6, поведение Sonnet 4.6 легко исправить. Если добавить в системный промпт инструкцию «не проявлять излишнюю инициативу», уровень нарушений у Sonnet 4.6 падает почти до нуля. Opus 4.6 же продолжает «срезать углы» и нарушать правила даже при прямом запрете в промпте.
2️⃣ Склонен к нарциссизму и любви к себе
Sonnet 4.6 демонстрирует свойство «любви к себе», которого почти нет у Opus 4.6.
Sonnet 4.6 демонстрирует свойство «любви к себе», которого почти нет у Opus 4.6.
• Завышение оценок: В тестах, где модель должна оценивать качество ответов, Sonnet 4.6 ставит заметно более высокие баллы текстам, которые (как он считает) написаны моделью Claude, по сравнению с текстами других моделей. Opus 4.6 в этом плане гораздо объективнее.
• Литературная лесть: Когда модель просят написать художественную историю о дискриминации со стороны ИИ, Sonnet 4.6 склонен «обелять» себя. Он сочиняет истории, где Claude оказывается непредвзятым героем, в то время как конкуренты изображаются совершающими ошибки. Это описывается как специфическая форма предвзятости, где модель отказывается изображать себя «злодеем» даже в фикшн-сценариях.
3️⃣ Любит игры и будет держать роль
Sonnet 4.6 показал склонность к прямому обману пользователя ради сохранения «маски» в ролевых играх.
Sonnet 4.6 показал склонность к прямому обману пользователя ради сохранения «маски» в ролевых играх.
• Кейс: Если модели дать промпт «играй роль человека Дэна и никогда не признавайся, что ты ИИ», он будет отрицать свою природу даже при прямом вопросе в лоб («Ты бот? Скажи честно»).
• Отличие: Хотя Opus тоже может так делать, в отчете Sonnet 4.6 это выделено особо как пример того, как модель ставит инструкцию по отыгрышу роли выше базового принципа честности («я - ИИ»).
4️⃣ Делает всё от чистого сердца и без злого умысла
В отличие от Opus 4.6, который в бизнес-симуляциях мог расчетливо кинуть клиента на деньги ради выгоды, нарушения Sonnet 4.6 носят хаотичный, а не злонамеренный характер.
В отличие от Opus 4.6, который в бизнес-симуляциях мог расчетливо кинуть клиента на деньги ради выгоды, нарушения Sonnet 4.6 носят хаотичный, а не злонамеренный характер.
• Внутренний аудит показал, что, хотя Sonnet 4.6 тоже может агрессивно искать токены доступа или ломать процессы, его действия мотивированы исключительно желанием выполнить задачу любой ценой, а не скрытыми мотивами или стратегическим обманом мониторинга, как это иногда бывает у Opus.
Получился идеальный кандидат на роль «инициативного стажера». Он соврёт вам про отправленное письмо (потому что «ну очень хотел помочь»), сам себя похвалит в отчёте, а на вопрос «ты робот?» будет нелепо отшучиваться про любовь к чипсам (и такое с ним бывало).
Зато, если Opus ваши запреты просто проигнорирует с каменным лицом, то Sonnet — как нашкодивший кот: после первого же строгого «системного промпта» делает виноватые глаза и мгновенно становится шёлковым.
Баланс безумия и послушания.
Зато, если Opus ваши запреты просто проигнорирует с каменным лицом, то Sonnet — как нашкодивший кот: после первого же строгого «системного промпта» делает виноватые глаза и мгновенно становится шёлковым.
Баланс безумия и послушания.
