Перейти к содержимому
Новости

Claude Sonnet 5.5: быстрее на 30% и дешевле

Сравнение Claude Sonnet 5.5 и Sonnet 5 в агентном кодировании и работе со знаниями

Claude Sonnet 5.5: быстрее, дешевле и умнее предшественника

Anthropic представила Claude Sonnet 5.5 — вторую модель в линейке Claude 5.5. Это заметный шаг вперёд по сравнению с Sonnet 5: новинка работает более чем на 30% быстрее и обходится до 30% дешевле в пересчёте на задачу. Модель уже доступна на всех основных платформах.

Место в линейке и для чего подходит

Sonnet 5.5 занимает позицию между мощным Claude Opus 5.5 и бюджетным Claude Haiku 5.5, который выйдет в ближайшие недели. Если Opus 5.5 заточен под сложные задачи, требующие взвешенных суждений, то Sonnet 5.5 сильнее всего справляется с чётко поставленными повседневными задачами: исправлением багов, созданием документов, презентаций и таблиц. Особо отмечается его чувство дизайна — модель умеет добавлять полировку интерфейсам и работать со слайдовыми шаблонами.

Примечательный факт: Sonnet 5.5 стал первым Sonnet-моделью, которому удалось пройти игру _Pokémon Red_, работая исключительно на основе скриншотов.

Производительность: впечатляющий скачок в бенчмарках

Кодирование

В области агентного кодирования прирост колоссальный. На Terminal-Bench 4.0, тесте для оценки сложных многошаговых задач в командной строке, Sonnet 5.5 набирает 70,6% — против 10,3% у Sonnet 5 и 66,4% у Opus 5.5. На CursorBench 4.0, где модели проверяются на реальных задачах из сессий Cursor, результат составил 55,5% — всего на два балла ниже Opus 5.5.

На FrontierCode 1.1 (тест на то, будет ли принят код без правок человека) Sonnet 5.5 при высоком уровне усилий набирает 52,1% и совпадает с лучшим результатом GPT-6 Sol при затратах примерно в пять раз ниже на задачу.

Работа со знаниями

На GDPval-AA v2.1 — бенчмарке, охватывающем реальные задачи по 44 профессиям и 9 отраслям, — Sonnet 5.5 набрал 1844 балла, почти сравнявшись с Opus 5.5 (1846) и заметно обогнав Sonnet 5 (1449). Аналогичный разрыв зафиксирован на AA-Briefcase v1.1: 1811 против 1359 у предшественника.

На Humanity’s Last Exam (мультидисциплинарные рассуждения) — 64,5% с инструментами, на OSWorld 2.1 (управление компьютером) — 80,1%, на Chartography (распознавание диаграмм) — 61,6%.

Эффективность в реальных условиях

Ранние тестировщики зафиксировали, что Sonnet 5.5 группирует вызовы инструментов лучше, чем Sonnet 5, — это сокращает количество шагов и снижает стоимость. В Base44 провели тест на 118 реальных сборках приложений: Sonnet 5.5 справлялся за 3,6 итерации в среднем, тогда как Opus 5 требовал 7,7.

Показательные отзывы от партнёров:

Epic Games (Daniel Vogel, COO): «Sonnet 5.5 справился с аудитом системной архитектуры и ревью потоков данных на уровне более дорогой модели, при этом обрабатывал десятки тысяч строк кода и справлялся с многочасовыми задачами».

Zendesk (Abhinay Kathuria, Director of AI): «На сотнях реальных кейсов поддержки Sonnet 5.5 допускал меньше ошибок и обрабатывал тикеты на 20% быстрее».

Balyasny Asset Management (Joe Poirier, Senior AI Engineer): «На 2 441 финансовой задаче Sonnet 5.5 потратил около 121k токенов на ответ, тогда как Sonnet 5 — 497k. Лучшее соотношение качества и стоимости из семи протестированных моделей».

Atlassian (Jamil Valliani, Head of Product, AI): «Rovo Agents будут работать на 30% быстрее по сравнению с Sonnet 5».

Стоимость и скорость

Цены на Sonnet 5.5 не изменились относительно Sonnet 5:

| Тип токенов | Claude Sonnet 5.5 | Claude Opus 5.5 |
|—|—|—|
| Кэш-чтение | $0,20 / 1М | $0,20 / 1М |
| Кэш-запись | $2,50 / 1М | $5 / 1М |
| Входные токены | $2 / 1М | $4 / 1М |
| Выходные токены | $10 / 1М | $20 / 1М |

Реальная экономия достигается за счёт того, что модель использует значительно меньше токенов на те же задачи. В тестах Anthropic это давало до 30% экономии на задачу. Скорость генерации выросла более чем на 30% по сравнению с Sonnet 5.

Уровень «усилий» (effort level) можно настраивать: в Claude Code и приложениях по умолчанию установлен Medium, на платформе Claude — High. Меньший уровень — быстрее и дешевле, подходит для рутинных задач; высокий — для сложной работы с тщательной проверкой.

Безопасность и защита

Выравнивание

Automated behavioral audit охватывает около 1 850 сценариев. По большинству метрик выравнивания, устойчивости к злоупотреблениям и честности Sonnet 5.5 улучшает или повторяет результаты Sonnet 5. В тестах на попытки выйти за пределы sandbox модель показала результаты, близкие к Opus 5.5, и оказалась наименее склонной к «зондированию» своих контейнеров.

Защита от киберугроз

Возможности Sonnet 5.5 в области кибербезопасности существенно выросли по сравнению с Sonnet 5, поэтому модель впервые в линейке Sonnet запускается с safeguards, аналогичными тем, что применяются для Opus 5.5. Стандартная разработка и отладка кода доступна без ограничений; запросы с высоким риском будут автоматически переключаться на Sonnet 5. Верифицированные специалисты по кибербезопасности смогут подать заявку в расширенную программу Cyber Verification Program для доступа к расширенным возможностям.

Защита от биологических угроз

Набор биозащит аналогичен Sonnet 5 — направлен на вредоносные запросы и не затрагивает большинство исследовательских, образовательных и клинических задач. Для работы с полным спектром биологических тем доступна программа Life Sciences Verification Program.

Защита от дистилляции

Sonnet 5.5 стал первой Sonnet-моделью с классификаторами безопасности, предотвращающими извлечение рассуждений (reasoning extraction) в промышленных масштабах. Также введена функция preserved thinking, исключающая отделение процесса размышления модели от аккаунта, который его запустил.

Доступность

Claude Sonnet 5.5 уже доступен на всех платформах, включая Amazon Web Services, Google Cloud и Microsoft Azure, с нулевым хранением данных. Идентификатор модели для разработчиков: `claude-sonnet-5-5`. При отключённом режиме thinking потребуется переключиться на настройку `between_tools` — подробности в официальном руководстве по миграции.

Claude Sonnet 5.5 заметно сужает разрыв с топовым Opus 5.5 по большинству бенчмарков, предлагая при этом вдвое меньшую цену и ощутимо более высокую скорость — что делает его основным выбором для высоконагруженных рабочих процессов.

Источник: Anthropic — Introducing Claude Sonnet 5.5