Claude Sonnet 5.5 zrychluje o 30 % a útočí na cenu práce, ne tokenu

Anthropic vydal Claude Sonnet 5.5 jako rychlejší a úspornější protějšek Opusu 5.5. Ceník se proti Sonnetu 5 nemění, firma ale tvrdí, že model dokončí většinu práce s menším počtem tokenů a o více než 30 % rychleji.

Stejný ceník skrývá nižší cenu dokončené úlohy

Sonnet 5.5 stojí 2 dolary za milion vstupních tokenů, 10 dolarů za milion výstupních tokenů a 0,20 dolaru za milion tokenů načtených z cache. Anthropic ve vlastních testech naměřil až o 30 % nižší náklady na úlohu než u Sonnetu 5.

Model dosáhl 70,6 % v Terminal-Bench 4.0 proti 10,3 % u předchůdce. Na FrontierCode 1.1 získal při nastavení Max 46,2 % a na CursorBench 4.0 55,5 %. Je dostupný na Claude Platform pod označením claude-sonnet-5-5 i přes AWS, Google Cloud a Microsoft Azure.

Efektivita agentů se měří hotovou prací, ne levným tokenem

U coding agentů může menší počet tool calls a kratší postup převážit rozdíl v ceníku. Model se stejnou cenou za token je levnější, pokud neopakuje hledání, méně bloudí v repozitáři a častěji dokončí úlohu bez lidského zásahu.

Anthropic tím Sonnet staví na rutinní a dobře vymezenou práci, zatímco Opus 5.5 ponechává pro otevřené úlohy vyžadující úsudek. Pro produktové týmy je to návod k routování, nikoli automatický důvod nahradit jeden model všude.

Velký skok v benchmarku stále pochází od výrobce

Čísla porovnávají různé effort settings a část evalů vznikla na předprodukčním nasazení. Anthropic sám uvádí, že Opus zůstává silnější v komplexní otevřené práci. Sonnet 5.5 navíc kvůli vyšším kybernetickým schopnostem používá nové safeguards a u rizikových úloh může spadnout zpět na Sonnet 5.

Firemní evals rozhodnou, zda 30 % přežije produkci

Týmy by měly porovnat cenu celé úlohy, dobu do přijetí změny, počet zásahů člověka a neúspěšné tool calls. Teprve stejné workflow na vlastních datech ukáže, zda rychlejší generování znamená rychlejší dodání.

Lilithin verdikt

Sonnet 5.5 nepřelepil cenovku na tokenu, zkrátil cestu k pokladně. Pokud firemní evals potvrdí méně kroků a zásahů člověka, účetní si všimnou dřív než fanoušci benchmarků.