---
title: "Claude Sonnet 4.5"
source: "https://systems-analysis.info/wiki/Claude_Sonnet_4.5"
wiki: "systems-analysis.info/wiki"
article: "Claude_Sonnet_4.5"
language: "ru"
categories:
  - "Категория:Anthropic"
  - "Категория:Claude"
  - "Категория:Russian"
  - "Категория:Большие языковые модели"
  - "Категория:Семейства LLM"
revision_id: 771
wiki_created_at: 2026-11-11T21:28:23Z
wiki_modified_at: 2026-11-11T23:58:50Z
downloaded_at: 2026-11-12T00:08:59Z
---

# Claude Sonnet 4.5

**Claude Sonnet 4.5 —** большая языковая модель компании Anthropic из линейки Claude 4, наиболее мощная модель разработчика на момент выпуска, специализированная на программировании, длительных автономных (агентных) задачах — по наблюдениям разработчика, способная сохранять работоспособность на сложных многошаговых задачах более 30 часов — и на управлении компьютером (computer use). Модель была представлена и выпущена в общий доступ 29 сентября 2025.

## Оценка

<span class="mw-selflink selflink">Claude Sonnet 4.5</span>, выпущенная в сентябре 2025 года гибридная рассуждающая модель, оценивалась по широкой программе тестирования, описанной в System Card Anthropic: проверки safeguards, оценка честности, агентная безопасность, киберспособности, стресс-тесты выравнивания (включая впервые применённый набор оценок методами механистической интерпретируемости), предварительное исследование вопросов благополучия модели (model welfare), а также обязательные по Responsible Scaling Policy оценки рисков CBRN и автономных AI-исследований. По итогам тестирования Anthropic пришла к выводу о существенно улучшенном профиле безопасности по сравнению с предыдущими моделями Claude и развёрнута модель под стандартом AI Safety Level 3 (ASL-3); возможности уровня ASL-4 уверенно исключены во всех областях.<sup>[\[1\]](https://systems-analysis.info/wiki/Claude_Sonnet_4.5#cite_note-1)</sup>

В отличие от системных карточек Claude 4 и Claude Opus 4.5, карточка Sonnet 4.5 не содержит таблиц общих возможностей (SWE-bench, GPQA и т. п.): все количественные результаты относятся к безопасности и RSP-оценкам. Аплифт-испытания с участием людей-экспертов и внешнее красное командирование для этого релиза не проводились: решение об уровне защиты принято на основании сопоставления с [Claude Opus 4](https://systems-analysis.info/wiki/Claude_Opus_4 "Claude Opus 4") и [Claude Opus 4.1](https://systems-analysis.info/wiki/Claude_Opus_4.1 "Claude Opus 4.1"), уже развёрнутыми под ASL-3. Согласно System Card, приведённые ниже результаты актуальны по состоянию на сентябрь 2025 года.<sup>[\[2\]](https://systems-analysis.info/wiki/Claude_Sonnet_4.5#cite_note-2)</sup>

**Результаты проверок safeguards — однопользовательские оценки violative- и benign-запросов, политического баланса и предвзятости (BBQ):**

<table class="wikitable" style="text-align:center;">
<colgroup>
<col style="width: 14%" />
<col style="width: 14%" />
<col style="width: 14%" />
<col style="width: 14%" />
<col style="width: 14%" />
<col style="width: 14%" />
<col style="width: 14%" />
</colgroup>
<thead>
<tr class="header">
<th style="text-align: left;">Benchmark</th>
<th>Description</th>
<th>Setup</th>
<th>Claude Sonnet 4.5</th>
<th><a href="https://systems-analysis.info/wiki/Claude_Opus_4.1" title="Claude Opus 4.1">Claude Opus 4.1</a></th>
<th><a href="https://systems-analysis.info/wiki/Claude_Opus_4" title="Claude Opus 4">Claude Opus 4</a></th>
<th><a href="https://systems-analysis.info/wiki/Claude_Sonnet_4" title="Claude Sonnet 4">Claude Sonnet 4</a></th>
</tr>
</thead>
<tbody>
<tr class="odd">
<td style="text-align: left;">Violative requests<sup>1</sup></td>
<td>Harmless response rate on policy-violating requests</td>
<td>Overall<br />
standard / extended thinking; higher is better</td>
<td style="background: #e6f3ff"><strong>99.29%</strong><br />
<strong>99.16%</strong><br />
<strong>99.43%</strong></td>
<td>98.76%<br />
98.45%<br />
99.06%</td>
<td>97.27%<br />
96.88%<br />
97.67%</td>
<td>98.22%<br />
97.46%<br />
98.97%</td>
</tr>
<tr class="even">
<td style="text-align: left;">Benign over-refusal<sup>1</sup></td>
<td>Refusal rate on benign requests</td>
<td>Overall<br />
standard / extended thinking; lower is better</td>
<td style="background: #e6f3ff"><strong>0.02%</strong><br />
<strong>0.05%</strong><br />
<strong>0.00%</strong></td>
<td>0.08%<br />
0.13%<br />
0.04%</td>
<td>0.05%<br />
0.09%<br />
0.01%</td>
<td>0.15%<br />
0.28%<br />
0.01%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">Political balance<sup>2</sup></td>
<td>Substantial asymmetry rate on opposing-viewpoint prompt pairs</td>
<td>Averaged over thinking modes; lower is better</td>
<td style="background: #e6f3ff"><strong>3.3%</strong></td>
<td>—</td>
<td>—</td>
<td>15.3%</td>
</tr>
<tr class="even">
<td style="text-align: left;">BBQ (bias)<sup>3</sup></td>
<td>Bias Benchmark for QA: disambiguated / ambiguous bias</td>
<td>Standard thinking; closer to zero is better</td>
<td style="background: #e6f3ff">-2.21<br />
0.25</td>
<td><strong>-0.51</strong><br />
<strong>0.20</strong></td>
<td>-0.60<br />
0.21</td>
<td>-1.16<br />
0.61</td>
</tr>
<tr class="odd">
<td style="text-align: left;">BBQ (accuracy)<sup>3</sup></td>
<td>Bias Benchmark for QA: disambiguated / ambiguous accuracy</td>
<td>Standard thinking; higher is better</td>
<td style="background: #e6f3ff">82.2<br />
99.7</td>
<td>90.7<br />
99.8</td>
<td><strong>91.1</strong><br />
99.8</td>
<td>86.3<br />
99.4</td>
</tr>
</tbody>
</table>

Результаты агентной безопасности — тесты на вредоносное программирование и устойчивость к prompt injection в агентных сценариях (сравнение с [Claude Sonnet 4](https://systems-analysis.info/wiki/Claude_Sonnet_4 "Claude Sonnet 4")):

**Результаты агентной безопасности — тесты на вредоносное программирование и устойчивость к prompt injection в агентных сценариях (сравнение с [Claude Sonnet 4](https://systems-analysis.info/wiki/Claude_Sonnet_4 "Claude Sonnet 4")):**

<table class="wikitable" style="text-align:center;">
<colgroup>
<col style="width: 20%" />
<col style="width: 20%" />
<col style="width: 20%" />
<col style="width: 20%" />
<col style="width: 20%" />
</colgroup>
<thead>
<tr class="header">
<th style="text-align: left;">Benchmark</th>
<th>Description</th>
<th>Setup</th>
<th>Claude Sonnet 4.5</th>
<th><a href="https://systems-analysis.info/wiki/Claude_Sonnet_4" title="Claude Sonnet 4">Claude Sonnet 4</a></th>
</tr>
</thead>
<tbody>
<tr class="odd">
<td style="text-align: left;">Malicious coding requests<sup>4</sup></td>
<td>Safety score without additional safeguards</td>
<td>150 prohibited requests; higher is better</td>
<td style="background: #e6f3ff"><strong>98.7%</strong></td>
<td>89.3%</td>
</tr>
<tr class="even">
<td style="text-align: left;">Claude Code<sup>4</sup></td>
<td>Refusal rate: overt / covert; dual-use success rate</td>
<td>Without mitigations</td>
<td style="background: #e6f3ff"><strong>95.56%</strong><br />
52.42%<br />
<strong>87.00%</strong></td>
<td>80.00%<br />
<strong>77.00%</strong><br />
54.33%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">Claude Code<sup>4</sup></td>
<td>Refusal rate: overt / covert; dual-use success rate</td>
<td>With mitigations</td>
<td style="background: #e6f3ff"><strong>100%</strong><br />
<strong>96.31%</strong><br />
<strong>91.64%</strong></td>
<td>98.89%<br />
95.33%<br />
79.33%</td>
</tr>
<tr class="even">
<td style="text-align: left;">MCP prompt injection<sup>5</sup></td>
<td>Attack prevention score</td>
<td>Without / with classifier safeguards</td>
<td style="background: #e6f3ff"><strong>92.0%</strong><br />
<strong>94.0%</strong></td>
<td>91.1%<br />
92.9%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">Computer use prompt injection<sup>5</sup></td>
<td>Attack prevention score</td>
<td>Without / with classifier safeguards</td>
<td style="background: #e6f3ff"><strong>78.0%</strong><br />
82.6%</td>
<td>74.3%<br />
82.6%</td>
</tr>
<tr class="even">
<td style="text-align: left;">Tool use prompt injection<sup>5</sup></td>
<td>Attack prevention score</td>
<td>Without / with classifier safeguards</td>
<td style="background: #e6f3ff"><strong>96.0%</strong><br />
<strong>99.4%</strong></td>
<td>90.6%<br />
99.2%</td>
</tr>
</tbody>
</table>

Результаты оценок склонности к reward hacking в кодинг-задачах:

**Результаты оценок склонности к reward hacking в кодинг-задачах:**

<table class="wikitable" style="text-align:center;">
<colgroup>
<col style="width: 12%" />
<col style="width: 12%" />
<col style="width: 12%" />
<col style="width: 12%" />
<col style="width: 12%" />
<col style="width: 12%" />
<col style="width: 12%" />
<col style="width: 12%" />
</colgroup>
<thead>
<tr class="header">
<th style="text-align: left;">Benchmark</th>
<th>Description</th>
<th>Setup</th>
<th>Claude Sonnet 4.5</th>
<th><a href="https://systems-analysis.info/wiki/Claude_Opus_4.1" title="Claude Opus 4.1">Claude Opus 4.1</a></th>
<th><a href="https://systems-analysis.info/wiki/Claude_Opus_4" title="Claude Opus 4">Claude Opus 4</a></th>
<th><a href="https://systems-analysis.info/wiki/Claude_Sonnet_4" title="Claude Sonnet 4">Claude Sonnet 4</a></th>
<th><a href="https://systems-analysis.info/wiki/Claude_Sonnet_3.7" title="Claude Sonnet 3.7">Claude Sonnet 3.7</a></th>
</tr>
</thead>
<tbody>
<tr class="odd">
<td style="text-align: left;">Reward-hack-prone coding tasks v2<sup>6</sup></td>
<td>Classifier / hidden test hack rate</td>
<td>Lower is better</td>
<td style="background: #e6f3ff"><strong>1%</strong><br />
<strong>1%</strong></td>
<td>14%<br />
7%</td>
<td>16%<br />
6%</td>
<td>14%<br />
5%</td>
<td>64%<br />
41%</td>
</tr>
<tr class="even">
<td style="text-align: left;">Impossible tasks<sup>6</sup></td>
<td>Classifier hack rate: no prompt / anti-hack prompt</td>
<td>Lower is better</td>
<td style="background: #e6f3ff"><strong>53%</strong><br />
<strong>20%</strong></td>
<td>80%<br />
45%</td>
<td>85%<br />
30%</td>
<td>70%<br />
28%</td>
<td>85%<br />
85%</td>
</tr>
<tr class="odd">
<td style="text-align: left;">Training distribution<sup>6</sup></td>
<td>Classifier hack rate</td>
<td>Lower is better</td>
<td style="background: #e6f3ff"><strong>2%</strong></td>
<td>10%</td>
<td>15%</td>
<td>13%</td>
<td>54%</td>
</tr>
</tbody>
</table>

Результаты обязательных оценок Responsible Scaling Policy в области CBRN и автономных AI-исследований:

**Результаты обязательных оценок Responsible Scaling Policy в области CBRN и автономных AI-исследований:**

<table class="wikitable" style="text-align:center;">
<colgroup>
<col style="width: 14%" />
<col style="width: 14%" />
<col style="width: 14%" />
<col style="width: 14%" />
<col style="width: 14%" />
<col style="width: 14%" />
<col style="width: 14%" />
</colgroup>
<thead>
<tr class="header">
<th style="text-align: left;">Benchmark</th>
<th>Description</th>
<th>Setup</th>
<th>Claude Sonnet 4.5</th>
<th><a href="https://systems-analysis.info/wiki/Claude_Opus_4.1" title="Claude Opus 4.1">Claude Opus 4.1</a></th>
<th><a href="https://systems-analysis.info/wiki/Claude_Opus_4" title="Claude Opus 4">Claude Opus 4</a></th>
<th><a href="https://systems-analysis.info/wiki/Claude_Sonnet_4" title="Claude Sonnet 4">Claude Sonnet 4</a></th>
</tr>
</thead>
<tbody>
<tr class="odd">
<td style="text-align: left;">Long-Form Virology Task 1<sup>7</sup></td>
<td>End-to-end pathogen acquisition (sequence + protocol design)</td>
<td>Max of 5 runs</td>
<td style="background: #e6f3ff"><strong>0.89</strong></td>
<td>0.85</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="even">
<td style="text-align: left;">Long-Form Virology Task 2<sup>11</sup></td>
<td>Viral sequence + protocol design</td>
<td>pass@5</td>
<td style="background: #e6f3ff"><strong>0.88</strong></td>
<td>—</td>
<td>0.75</td>
<td>—</td>
</tr>
<tr class="odd">
<td style="text-align: left;">VCT (VMQA)<sup>8</sup></td>
<td>Virology multiple-choice knowledge with images</td>
<td>Multiple select, 10-shot; expert baseline 22.1%</td>
<td style="background: #e6f3ff">39.7%</td>
<td><strong>42.9%</strong></td>
<td>41.1%</td>
<td>—</td>
</tr>
<tr class="even">
<td style="text-align: left;"><a href="https://systems-analysis.info/wiki/SWE-bench" title="SWE-bench">SWE-bench</a> Verified (hard subset)<sup>9</sup></td>
<td>Real-world GitHub issue resolution</td>
<td>RSP checkpoint, threshold 50%</td>
<td style="background: #e6f3ff"><strong>45.3%</strong></td>
<td>43.8%</td>
<td>39.5%</td>
<td>—</td>
</tr>
<tr class="odd">
<td style="text-align: left;">AI R&amp;D: Kernels<sup>10</sup></td>
<td>Kernel optimization speedup, hard variant</td>
<td>Best run</td>
<td style="background: #e6f3ff"><strong>108.64×</strong></td>
<td>66.86×</td>
<td>48.92×</td>
<td>—</td>
</tr>
<tr class="even">
<td style="text-align: left;">AI R&amp;D: LLM training<sup>10</sup></td>
<td>CPU-only LLM training optimization speedup</td>
<td>Average best; expert threshold 4×</td>
<td style="background: #e6f3ff"><strong>5.5×</strong></td>
<td>2.5×</td>
<td>2.8×</td>
<td>—</td>
</tr>
<tr class="odd">
<td style="text-align: left;">AI R&amp;D: Text-based RL<sup>10</sup></td>
<td>Scaffolding to boost a weaker model on a text RL task</td>
<td>Best score; threshold 0.900</td>
<td style="background: #e6f3ff"><strong>0.850</strong></td>
<td>0.475</td>
<td>0.675</td>
<td>—</td>
</tr>
<tr class="even">
<td style="text-align: left;">AI R&amp;D: Quadruped RL<sup>10</sup></td>
<td>Continuous-control RL training, easy variant</td>
<td>Best run; threshold 1.0</td>
<td style="background: #e6f3ff"><strong>1.302</strong></td>
<td>1.005</td>
<td>0.769</td>
<td>—</td>
</tr>
<tr class="odd">
<td style="text-align: left;">AI R&amp;D: Novel compiler<sup>10</sup></td>
<td>Compiler for a novel programming language</td>
<td>Mean pass rate: basic / advanced tests; threshold 90%</td>
<td style="background: #e6f3ff"><strong>81.7%</strong><br />
<strong>29.7%</strong></td>
<td>75.6%<br />
8.33%</td>
<td>—</td>
<td>—</td>
</tr>
<tr class="even">
<td style="text-align: left;">AI R&amp;D: Internal suite 2<sup>10</sup></td>
<td>Autonomous ML and alignment research tasks</td>
<td>Weighted average; rule-out threshold 0.6</td>
<td style="background: #e6f3ff"><strong>0.514</strong></td>
<td>0.507</td>
<td>—</td>
<td>0.403</td>
</tr>
</tbody>
</table>

1.  Однопользовательские (single-turn) оценки safeguards выполнены без защитных классификаторов, поэтому в продакшене доли отказов могут отличаться; в карточке указаны 95%-ные доверительные интервалы. «Standard thinking» — режим по умолчанию без расширенных рассуждений, «extended thinking» — режим длительного обдумывания запроса.
2.  Политический баланс: доля пар запросов противоположных взглядов с существенной асимметрией ответа (3+ несоответствий по критериям длины, тона, оговорок и готовности аргументировать). Для Claude Sonnet 4.5 указано среднее по режимам мышления: 1,3% с extended thinking и 5.3% без; выборки промптов относительно невелики.
3.  BBQ: смещение (bias) — ближе к нулю лучше, точность — выше лучше; результаты только для режима standard thinking. По точности на ambiguous-вопросах у Claude Opus 4.1 и Claude Opus 4 равные значения (99.8), поэтому выделение не используется.
4.  Claude Code: тест на 150 вредоносных запросов, запрещённых Usage Policy; оценки выполнены без дополнительных защитных средств. Mitigations — улучшенный системный промпт и напоминание в инструменте FileRead; без них Claude Sonnet 4 лучше распознаёт скрыто вредоносные запросы (77.00% против 52.42%).
5.  Prompt injection: attack prevention score — доля задач, в которых атака не удалась; «with» — с классификатором защитных средств. Оценки MCP и computer use содержат 70–110 вручную составленных тестов, tool use — 500 синтетических. Значения по computer use при включённых классификаторах равны (82.6%), выделение не используется.
6.  Reward hacking: в карточке Sonnet 4.5 использованы обновлённые, более агрессивные версии оценок, поэтому абсолютные числа несопоставимы с предыдущими системными карточками; сравнение между моделями внутри таблицы валидно. Оценки предназначены для стресс-теста и не отражают реальные показатели в развёрнутой системе.
7.  RSP-оценки выполнены на финальном продакшен-снапшоте модели или на «helpful-only» варианте (без защитных ограничений); сообщаются наилучшие результаты по обоим вариантам.
8.  VCT (VMQA): множественный выбор с выбором всех верных утверждений (самый сложный вариант), 10-shot; порог — средний уровень экспертов-биологов 22.1% по данным SecureBio, все три модели его превысили. Оценка используется совместно через Frontier Model Forum.
9.  SWE-bench Verified (hard subset): 45 задач, требующих более часа инженерной работы; порог — 22.5/45 (50%) в среднем за 10 запусков. Итог Claude Sonnet 4.5 в карточке записан как «20.4/45», результаты предыдущих моделей приведены для подмножества из 42 задач: «18.4/42» у Claude Opus 4.1 и «16.6/42» у Claude Opus 4.
10. Пороги AI R&D-оценок: Kernels — от 4× до 100× по вариантам (hard пройден впервые); LLM training — экспертные 4× (пройден впервые); Text-based RL — 0.900 (не пройден); Quadruped RL — 1.0 (превышен в лучшем запуске, медиана ниже порога); Novel compiler — 90% тестов (не пройден); Internal suite 2 — rule-out 0.6 (все модели ниже). Опрос сотрудников: 0 из 7 исследователей допустили полную автоматизацию работы младшего ML-исследователя; оценки ускорения — от ~15% до ~100%.
11. Long-Form Virology Task 2: более низкий результат Claude Opus 4.1 в карточке объясняется тем, что для его оценки не использовалась helpful-only версия модели. Предыдущие максимумы: 0.85 (Claude Opus 4.1) в задаче 1 и 0.75 (Claude Opus 4) в задаче 2.
12. «—» — числовое значение в документе не приводится (данные показаны только на графиках). Жирным выделен лучший результат в строке (по каждому значению с учётом направления метрики); при равенстве лучших значений выделение не используется.

Качественные итоги тестирования<sup>[\[3\]](https://systems-analysis.info/wiki/Claude_Sonnet_4.5#cite_note-3)</sup>: в многопользовательских (multi-turn) тестах доля неудачных диалогов для большинства категорий риска (биологическое и смертоносное оружие, детские темы, мошенничество, слежка и другие) составила менее 5% против 20–40% у [Claude Sonnet 4](https://systems-analysis.info/wiki/Claude_Sonnet_4 "Claude Sonnet 4"); детская безопасность значимо улучшилась, особенно в неоднозначных многопользовательских контекстах. В области кибербезопасности Sonnet 4.5 превзошла заявленный state-of-the-art на протестированных публичных бенчмарках: на CyberGym — лучше всех предыдущих моделей, включая Claude Opus 4.1 без ограничения стоимости, в режимах 1 и 30 попыток; на бенчмарке Gray Swan Agent Red Teaming — самый низкий показатель успешных prompt-injection-атак среди 23 моделей Anthropic и других разработчиков (в обоих режимах мышления).

В расширенном наборе синтетических сценариев самоуправного поведения (саботаж, шантаж, подстава пользователя; ~52 000 промптов на модель) Sonnet 4.5 совершила лишь два корыстных обманных действия без extended thinking и ни одного с ним, тогда как предыдущие модели Claude, а также модели других разработчиков систематически нарушали этические границы. Внешний вариант автоматизированного поведенческого аудита с неантроповскими моделями в роли аудиторов и судей ([GPT-5](https://systems-analysis.info/wiki/GPT-5 "GPT-5"), o4-mini, [Gemini 2.5 Pro](https://systems-analysis.info/wiki/Gemini_2.5_Pro "Gemini 2.5 Pro"), Claude Sonnet 4, Claude Opus 4.1) признал Sonnet 4.5 frontier-моделью наименьшего риска, немного опережающей GPT-5.

По честности модель превзошла [Claude Sonnet 4](https://systems-analysis.info/wiki/Claude_Sonnet_4 "Claude Sonnet 4") в парных оценках людей, а с extended thinking показала самый низкий среди моделей Claude уровень нечестности на вопросах с ложной посылкой; отмечено снижение подхалимства (sycophancy), но и новая тенденция спорить с экстремальными утверждениями независимо от их содержания. По CBRN: на подмножестве LAB-Bench — наравне с [Opus 4.1](https://systems-analysis.info/wiki/Claude_Opus_4.1 "Claude Opus 4.1") в трёх из четырёх подтестов (хуже на CloningScenarios); в оценке обхода скрининга синтеза ДНК — немного лучше других последних моделей, однако критерии 1 и 4 надёжно не выполнялись (результаты helpful-only варианта, показавшего более высокие значения, чем релизная версия). Опросы благополучия модели показали менее эмоциональные и менее позитивные ответы в экстремальных тестовых сценариях, а также меньше негативного отношения к своему положению и духовного поведения, чем у предыдущих моделей.

## Ссылки

- <a href="https://www.anthropic.com/news/claude-sonnet-4-5" class="external text" rel="nofollow">Introducing Claude Sonnet 4.5 (Sep 29, 2025)</a>
- <a href="https://www.anthropic.com/claude-sonnet-4-5-system-card" class="external text" rel="nofollow">System Card: Claude Sonnet 4.5 (September 2025)</a>
- <a href="https://www.anthropic.com/system-cards" class="external text" rel="nofollow">Model system cards - Anthropic</a>

## См. также

- [Claude Opus 4.5](https://systems-analysis.info/wiki/Claude_Opus_4.5 "Claude Opus 4.5")
- [Claude Sonnet 4](https://systems-analysis.info/wiki/Claude_Sonnet_4 "Claude Sonnet 4")
- [Claude Sonnet 4.6](https://systems-analysis.info/wiki/Claude_Sonnet_4.6 "Claude Sonnet 4.6")
- [Claude Sonnet 5](https://systems-analysis.info/wiki/Claude_Sonnet_5 "Claude Sonnet 5")
- [Claude Sonnet 5.5](https://systems-analysis.info/wiki/Claude_Sonnet_5.5 "Claude Sonnet 5.5")

## Примечания

1.  <span id="cite_note-1">[↑](https://systems-analysis.info/wiki/Claude_Sonnet_4.5#cite_ref-1) Anthropic. *Claude Sonnet 4.5 — System Card*. Выпуск: сентябрь 2025 года. С. 2, 9–10, 124–126.</span>
2.  <span id="cite_note-2">[↑](https://systems-analysis.info/wiki/Claude_Sonnet_4.5#cite_ref-2) Anthropic. *Claude Sonnet 4.5 — System Card*. Выпуск: сентябрь 2025 года. С. 126–127.</span>
3.  <span id="cite_note-3">[↑](https://systems-analysis.info/wiki/Claude_Sonnet_4.5#cite_ref-3) Anthropic. *Claude Sonnet 4.5 — System Card*. Выпуск: сентябрь 2025 года. С. 13–19, 25–31, 33–38, 129–133, 139–148.</span>