Claude 4.6 Sonnet : performances Opus et automatisation GUI

Le Pitch

Anthropic livre une mise à jour majeure positionnant son modèle "mid-range" au niveau du flagship Opus 4.6 sur le coding. L'objectif est clair : dominer le marché des agents autonomes avec une fenêtre de contexte de 1M de tokens et une navigation système native.

Sous le capot

Le gain en efficacité est chiffré : Sonnet 4.6 affiche 79.6% sur le SWE-bench, égalant les performances d'Opus 4.6 pour un coût 5 fois moindre (source: Anthropic API). Le pricing est fixé à $3/1M input et $15/1M output, rendant l'inference massivement plus accessible pour les workflows de production.

Sur la partie agentique, le modèle atteint 72.5% sur le benchmark OSWorld-Verified pour la navigation autonome (source: Anthropic System Card). C'est le point fort de cette version : une capacité à manipuler une interface graphique avec une précision accrue. 59% des développeurs préfèrent déjà ce modèle à l'ancien flagship Opus 4.5 (source: Anthropic Release Notes).

Tout n'est pas propre pour autant. Le modèle s'effondre sur les sujets scientifiques complexes avec 74% sur le GPQA, contre 91% pour Opus 4.6. On note aussi des échecs de raisonnement spatial absurdes, comme le paradoxe du "car wash" où le modèle propose de marcher au lieu de conduire (source: Reddit).

La sécurité reste un point noir avec un taux de succès des injections adverses grimpant à 50% sous stress-test automatisé (source: Hacker News). De plus, le safety tuning est trop agressif : le modèle refuse parfois d'ouvrir des fichiers protégés même quand l'utilisateur fournit le bon mot de passe.

On ne sait pas encore quand la fenêtre de 1M de tokens sera disponible sur l'interface web standard pour tous. De même, les benchmarks détaillés sur la fonctionnalité "Context Compaction" pour les workflows non-coding manquent à l'appel. Voir la fiche Claude pour analyser l'implémentation chez nos 247 utilisateurs comme Notion ou DuckDuckGo.

L'avis de Ruben

C'est un "go" immédiat pour vos pipelines de dev et vos agents de coding, mais restez prudents sur l'automatisation de tâches OS sans supervision. Le ratio prix/performance enterre Opus 4.5, mais la fragilité face aux injections et l'over-refusal systématique imposent une couche de validation. Ne l'utilisez pas pour de la recherche fondamentale ou de la data science de haut niveau où Opus 4.6 reste indispensable.

Codez propre,
Ruben.