Разборы · Статья: · Видео: · 28:37
Sonnet 5 не замена Opus: это агентный подмастерье для чужих workflow
Разбор выпуска Theo про возвращение Fable 5 и Claude Sonnet 5: почему новая Sonnet интересна оркестрацией субагентов, но может быть дорогой, медленной и слабой как основная модель для сложного кода.
Смотреть на YouTube FABLE IS BACK! (And Sonnet 5 is here too)
Theo - t3․gg · 28:37
Главы видео — нажми, чтобы перейти к моменту 9
- 0:00 Две новости: Sonnet 5 и возвращение Fable Theo сразу разделяет регуляторную новость о Fable 5 и главный предмет обзора — странные сильные и слабые стороны Sonnet 5.
- 2:24 Почему снятие ограничений Fable важно для API-сервисов Обсуждается экспорт, re-export и возможность сервисам снова проксировать модель пользователям.
- 4:04 Как Anthropic позиционирует Sonnet 5 Модель объявлена более агентной, с планированием, инструментами и автономной работой на уровне, который раньше требовал старших моделей.
- 5:07 Бенчмарки, цена и неприятная арифметика Theo сравнивает Sonnet 5 с Opus, GPT-5.5 и Fable по стоимости задачи, а не только цене миллиона токенов.
- 10:14 Реальный тест: пересборка игры В сравнении с Opus и GLM Sonnet 5 работает дольше, плодит субагентов и выдаёт менее приятный игровой результат.
- 14:21 Главная сила: субагенты и оркестрация Автор признаёт: Sonnet 5 умеет дробить работу способом, который раньше был отличительным признаком Fable 5.
- 16:22 Аналогия junior против senior Низкая ставка не гарантирует дешевизны, если модель тратит слишком много шагов на задачу выше своего уровня.
- 21:31 Безопасность, отказы и странные thinking traces Разбор системной карты и утечек рассуждений показывает цену новых safeguards и возможные false positives.
- 26:40 Финальный вердикт Sonnet 5 полезна как инструмент внутри агентной системы, но не выглядит заменой Opus/Fable для ежедневной сложной разработки.
Коротко
Sonnet 5 интересна не тем, что “побила Opus”, а тем, что получила поведение моделей пятого поколения: планирование, субагентов и автономную работу. Но если задача требует настоящей глубины, дешёвый по токену junior может оказаться дороже senior-модели.
Выжимка голосом
Самое ценное из разбора — за пару минут
Показать текст выжимки Скрыть текст выжимки
Озвучено синтезом речи · голос alena
Объясни проще
Суть без жаргона
Простыми словами
Theo говорит: Sonnet 5 стала более агентной и умеет лучше дробить работу, но часто делает это там, где не надо, тратит много токенов и долго ходит кругами. Поэтому её лучше воспринимать не как главную модель для всего, а как рабочую силу внутри более умной оркестрации.
Как ребёнку
Представь помощника, который умеет позвать ещё помощников и раздать им задания. Это классно, но если сам главный помощник не очень хорошо понимает задачу, вся команда может долго бегать кругами и потратить больше времени, чем один опытный мастер.
Аналогия — «это как…»
Sonnet 5 в выпуске похожа на старательного junior-инженера с доступом к подкоманде. Почасовая ставка ниже, но если задача выше его уровня, итоговая цена и время могут превысить работу дорогого senior.
Зачем это мне
Для всех, кто строит AI-агентов, главный вопрос уже не “какая модель умнее?”, а “какую модель на какой уровень workflow ставить?”. Ошибка маршрутизации превращает экономию в перерасход.
Для тех, кто в теме
Полезная рамка выпуска: Sonnet 5 получает agentic/orchestration behaviors, ранее характерные для Fable 5, но демонстрирует слабую token efficiency и failure mode “keep trying until answer”. Практический вывод — использовать её как callable worker для scoped subtasks, а не как универсальный top-level planner на тяжёлых задачах.
Оценка видео
Чем выше — тем больше пользы на минуту
средняя из 5
Ролик вышел сразу после анонса Sonnet 5 и новостей о возвращении Fable 5.
Много конкретики: pricing, Cursor Bench, Artificial Analysis, fish-game run, SkateBench, system card и safeguards.
Самая сильная идея — смотреть на модель как на роль в многоуровневой агентной системе.
Полезно для тех, кто реально платит за агентные runs и выбирает модель под задачу.
Theo честно признаёт нишу модели, но общий тон жёсткий, а часть выводов опирается на собственные тесты и сторонние бенчмарки.
Кому будет полезно
Чем выше оценка — тем больше пользы для профессии. Разверни — почему.
Для AI-инженеров 4.8 /5
Материал напрямую про routing моделей, субагентов, стоимость задач и failure modes агентных workflow.
Для технических лидов 4.6 /5
Помогает объяснить команде, почему “дешевле за токен” не равно “дешевле за задачу”.
Для разработчиков AI-инструментов 4.5 /5
Sonnet 5 рассматривается как callable worker внутри оркестратора, что важно для IDE, devtools и code agents.
Для финансовых контролёров облачных расходов 3.8 /5
Есть понятная логика бюджетирования: считать не цену токена, а полную стоимость успешной задачи.
Для специалистов по AI-безопасности 3.6 /5
Финальная часть про отказы, safeguards и Fable/Mythos полезна, хотя не является глубокой безопасностной экспертизой.
Инсайты
Нажми, чтобы раскрыть — то, что меняет взгляд на тему
01 Цена задачи важнее цены токена 16:22
Sonnet 5 может стоить меньше за токен, но если она думает дольше, плодит субагентов и ходит кругами, итоговая стоимость становится выше старшей модели.
02 Агентность без достаточного интеллекта становится дорогой суетой 14:21
Модель умеет разбивать работу и запускать подзадачи, но не всегда понимает, когда этого делать не надо. Это превращает сильное поведение в источник задержек.
03 Sonnet 5 полезнее как worker, чем как начальник 26:40
Главная ниша — изолированные подзадачи внутри workflow, где более умная модель или система решает, когда её вызвать и когда остановить.
04 Safety margin имеет продуктовую цену 21:31
Более жёсткие safeguards могут снижать риск, но увеличивать отказы на нормальных задачах. Для разработчиков это превращается в latency, фрустрацию и непредсказуемость.
05 Fable важна как оркестратор пятого поколения 2:24
Возвращение Fable важно не только как доступ к мощной модели, а как возвращение слоя, который может правильно раздавать работу более дешёвым исполнителям.
Ключевые цитаты
Сильные фразы из видео — нажми тайм-код, чтобы услышать в оригинале
Полезные советы
Что можно применить уже сегодня. Разверни совет — сколько займёт, что даст и что конкретно делать
1 Считай стоимость успешной задачи
30 минут увидишь реальный бюджет, а не красивую цену миллиона токенов
Считай стоимость успешной задачи
Для каждой модели фиксируй не только input/output price, но и среднее число попыток, время, токены, долю fail и ручные доработки.
Что делать
- 1 Выбери 10 типовых задач из своей разработки.
- 2 Прогони их на двух-трёх моделях.
- 3 Посчитай cost per accepted result, а не cost per token.
2 Не ставь Sonnet 5 top-level планировщиком по умолчанию
10 минут избежишь долгих runs на задачах выше класса модели
Не ставь Sonnet 5 top-level планировщиком по умолчанию
Используй Sonnet 5 там, где задача хорошо ограничена, а критерий завершения понятен. Для расплывчатой архитектуры лучше старшая модель или человек.
3 Добавь правило “tap out” для агента
1 час модель перестанет бесконечно тратить токены, когда застряла
Добавь правило “tap out” для агента
Агент должен уметь сказать, что задача требует старшей модели, уточнения или остановки, а не продолжать ради продолжения.
Что делать
- 1 Задай лимит попыток и токенов.
- 2 Опиши признаки застревания: повтор плана, нет новых проверок, одинаковые ошибки.
- 3 При срабатывании переводить задачу на Opus/Fable или к человеку.
4 Дроби работу только там, где есть независимые куски
20 минут субагенты дадут параллелизм, а не хаос
Дроби работу только там, где есть независимые куски
Субагенты полезны для независимых страниц, тестов, файлов или гипотез. Если задача маленькая и последовательная, orchestration overhead съест выгоду.
5 Проверяй safeguards на своих рабочих сценариях
полдня узнаешь заранее, где модель начнёт отказывать
Проверяй safeguards на своих рабочих сценариях
Особенно важно для security, devops и корпоративного кода: false positives могут ломать нормальную работу так же неприятно, как ошибки модели.
Сценарии применения
Как разные люди применяют это на практике
Я как Разработчик AI IDE
Проблема: нужно выбрать модель для фоновых задач и рефакторингов
Хочу: снизить стоимость без потери качества
Поможет: разбор подсказывает вызывать Sonnet 5 на scoped subtasks, а не на всё подряд
Я как CTO стартапа
Проблема: агентные runs внезапно становятся дорогими
Хочу: понять, где теряются деньги
Поможет: рамка cost per task помогает увидеть перерасход от долгих попыток и неверного routing
Я как Backend-разработчик
Проблема: модель долго чинит баг и не прогрессирует
Хочу: понять, когда остановить агента
Поможет: совет про tap out переводит “пусть ещё подумает” в управляемое правило
Я как Специалист по безопасности
Проблема: новые модели отказывают на нормальных defensive задачах
Хочу: предсказать влияние safeguards
Поможет: финальный блок помогает тестировать false positives заранее
Я как Финансовый менеджер продукта
Проблема: команда говорит “модель дешёвая”, а счёт растёт
Хочу: видеть экономику результата
Поможет: разбор даёт язык “цена токена против цены принятого результата”
Логика повествования
Как устроена аргументация видео — пройди по шагам
-
Предпосылка Новость начинается с возвращения Fable 2:24
Снятие ограничений важно для сервисов, которые проксируют модель пользователям через API.
-
Предпосылка Sonnet 5 позиционируется как агентная Sonnet 4:04
Anthropic обещает больше планирования, tool use и автономной работы.
-
Аргумент Бенчмарки и личные тесты показывают цену 5:07
При сравнении по задаче, а не по токену, Sonnet 5 часто выглядит дорогой и медленной.
-
Пример В реальной игре оркестрация не спасает результат 10:14
Модель дробит работу на субагентов, но результат хуже и дольше, чем у Opus.
-
Аргумент Главная ценность всё-таки есть 14:21
Sonnet 5 демонстрирует поведение пятого поколения: subagents, planning, decomposition.
-
Вывод Вывод: маршрутизировать, а не заменять 26:40
Sonnet 5 стоит использовать как часть workflow, где старшая модель или правила решают, когда она уместна.
Подробный разбор
Полный разбор — разверни, если нужно глубже
Развернуть подробный разбор Свернуть подробный разбор
Подробный разбор
Theo делает важную вещь: отделяет цену токена от цены результата. Anthropic в официальном анонсе пишет, что Claude Sonnet 5 доступна по вводной цене 2 доллара за миллион input-токенов и 10 долларов за output до 31 августа 2026 года, а затем возвращается к 3/15. Но если новая токенизация даёт больше токенов на тот же текст, а модель дольше ходит по циклам, итоговая экономика задачи меняется.
Второй слой — возвращение Fable 5. Anthropic официально сообщила, что доступ к Fable 5 восстанавливается с 1 июля после снятия экспортных ограничений, а safeguards и сотрудничество с правительством усиливаются. Для Theo это важно потому, что Fable может быть тем самым старшим оркестратором, который правильно отдаёт Sonnet 5 узкие подзадачи.
Главная польза выпуска — не в том, чтобы “похоронить” Sonnet 5. Наоборот, модель становится интересной как часть многоагентной системы. Но если поставить её главным архитектором на задачу выше её класса, агентность начинает работать против пользователя: больше планов, больше субагентов, больше токенов, больше ожидания.
Внешняя сверка: официальные страницы Anthropic про Claude Sonnet 5, миграцию Sonnet 5 и возвращение Fable 5.
План внедрения
С чего начать — отмечай шаги, прогресс сохранится
Выполнено 0 из 5
Проверь себя
Ответь на вопросы, чтобы материал закрепился
-
1. В чём Theo видит главную интересную особенность Sonnet 5?
-
2. Почему дешёвая модель может оказаться дорогой?
-
3. Какую роль Sonnet 5 лучше всего занимает в выводе ролика?
-
4. Что такое “tap out” правило для агента?
Словарь терминов
Понять незнакомое простым языком
Показать 5 терминов Свернуть словарь
- Subagent
- Вспомогательный агент, которому основной агент делегирует часть работы.
- Orchestration
- Управление несколькими моделями, инструментами и подзадачами внутри одного workflow.
- Cost per task
- Полная стоимость успешного результата, включая токены, повторные попытки, ошибки и ручную доработку.
- Safety classifier
- Дополнительная система, которая пытается распознать опасный запрос или вывод и заблокировать его.
- Jailbreak
- Способ обойти ограничения модели или её защитные фильтры необычной формулировкой запроса.
Критический взгляд
Объективно: с какими тезисами можно поспорить и что преувеличено
Выводы сильно завязаны на личные тесты и выбранные бенчмарки.
Fish-game, SkateBench и сторонние cost curves полезны, но не исчерпывают все типы задач. В другом корпоративном workflow Sonnet 5 может выглядеть лучше.
Сравнение junior/senior отлично объясняет стоимость, но упрощает routing.
В реальности модель может быть дешёвой не только как исполнитель, но и как фильтр, summarizer, evaluator или предварительный researcher. Там “junior” может дать выигрыш без риска большой задачи.
Критика safeguards не отделяет продуктовую боль от безопасности.
False positives раздражают разработчиков, но для Fable/Mythos контекстом была кибербезопасность и давление регуляторов. Более жёсткий фильтр может быть сознательной ценой запуска.
Взгляни иначе
Новый угол, смежные области и потенциал на стыке — пища для размышлений
Будущее моделей — это штатное расписание
Вместо одной “самой умной” модели появится оргструктура: стратег, исполнитель, проверяющий, исследователь, security reviewer. Вопрос будет не “какая модель?”, а “какая должность у этой модели?”.
Экономика агента похожа на менеджмент команды
Плохая декомпозиция делает дорогими даже дешёвых исполнителей. Хороший AI-engineering всё больше похож на операционный дизайн.
Safety станет частью UX
Отказы, classifier routing и эскалация запросов будут восприниматься пользователем как качество продукта, а не как отдельная политика безопасности.
Похожие разборы
Радио-Т 1018: агентные рабочие места, откат Anthropic и спор о детском интернете
ИИ-агенты уже стали рабочим инструментом, но требуют управляемой среды: сессий, статусов, тестов, прав и проверки опасных команд. Главный вывод выпуска: выигрывает не тот, кто верит в магию модели, а тот, кто инженерит вокруг неё среду, стоимость и здравый смысл.
Читать → РазборHeadroom: как перестать переплачивать за токены ИИ-агентов — слой сжатия контекста простыми словами
Большая часть токенов в Claude Code и Codex уходит не на ваши промпты, а на «мусор» — целиком вычитанные логи, JSON и страницы, из которых нужно 10–20%. Headroom — это локальный прокси, который умно сжимает этот мусор разными компрессорами и при этом обратим: если модель захочет оригинал, она вернёт его одним tool-call.
Читать → РазборРадио-Т 1017: отмена бесплатного claude -p, Fable 5 и его запрет для не-граждан США
Выпуск №1017 — это обзор айтишной недели тремя ведущими (Umputun, Бобук, Ксюша) без единой темы: от инфраструктуры агентов до WWDC Apple. Главные сюжеты — Anthropic с 22-23 июня убирает бесплатный `claude -p` и переводит его на платные токены (теория «загнать всех в подписку Claude»), а сверхмощную модель Fable 5 правительство США внезапно запретило для всех не-граждан, сославшись на риск джейлбрейка до «кибероружия». Параллельно ведущие на практике показывают, что локальные и дешёвые модели (Haiku, GPT-OSS-120, Qwen, Minimax) в узких задачах почти не уступают флагманам и резко экономят деньги. Между делом — перенос ботов-агентов в Mattermost Team Edition, экономика токенов и скидки Amazon Bedrock, терминальные оболочки для агентов и скучная презентация Apple. Вывод выпуска: модели рванули вперёд (Fable «умнее меня»), но вокруг них растёт регуляторное и ценовое давление, и выигрывает тот, кто умеет дёшево комбинировать инструменты.
Читать → РазборМногоагентный вайб-кодинг: пошаговый workflow от идеи до продакшена
Автор показывает свой процесс вайб-кодинга: главный навык — не писать код, а оркестрировать рой агентов, масштабируя их число и планы под сложность задачи. За одно видео он вживую собирает полный стек (база, API, AWS, Discord-авторизация), но половина «обязательных инструментов» — его же платные продукты.
Читать →