Anthropic julkaisee Claude Sonnet 5.5 -mallin muuttamattomalla Sonnet 5 -hinnoittelulla

Anthropic julkaisi Claude Sonnet 5.5:n 28. syyskuuta 2026, toisen mallin Claude 5.5 -perheestään. Malli säilyttää Claude Sonnet 5:n hinnoittelun, $2 per miljoona syötetokenia ja $10 per miljoona tulostokenia, ja Anthropic kertoo, että se tuottaa vastauksen yli 30 % nopeammin samalla kun kustannukset ovat jopa 30 % pienemmät tehtävää kohden testeissään.

Anthropic kuvaili Sonnet 5.5:n julkaisuilmoituksessaan nopeampana, edullisempana lisänä Claude Opus 5.5:lle, jonka yritys sanoo olevan rakennettu monimutkaista, tarkkaa harkintaa vaativaa työtä varten. Sonnet 5.5 on vahvin hyvin rajatuissa jokapäiväisissä tehtävissä, virheiden korjaamisessa sekä hiottujen asiakirjojen, diojen ja laskentataulukoiden tuottamisessa, Anthropicin mukaan, ja yritys lisäsi, että sillä on myös tarkka silmä suunnitteluun.

Claude Sonnet 5.5 on saatavilla kaikilla alustoilla, mukaan lukien Amazon Web Services, Google Cloud ja Microsoft Azure, mallin tunnuksella claude-sonnet-5-5, ja sitä tarjotaan ilman tietojen säilyttämistä, kuten Opus 5.5:n ja Sonnet 5:n kanssa.

Raportoituja vertailutuloksia

Anthropic raportoi, että Sonnet 5.5 saavutti 70,6 % Terminal-Bench 4.0 -testissä, agenttipohjaisessa koodausarvioinnissa, verrattuna Sonnet 5:n 10,3 %:iin, ja Opus 5.5:n ilmoitettu tulos 66,4 % heijastaa sen Xhigh‑ponnistustulosta. FrontierCode 1.1:n pääjoukossa Sonnet 5.5 sai 46,2 % Max‑ponnistuksella ja 52,1 % Xhigh‑ponnistuksella, verrattuna 42,4 % Sonnet 5:ssä, 54,4 % Opus 5.5:ssa ja 49,3 % OpenAI:n GPT-6 Sol:ssa. Raportoituja CursorBench 4.0 -tuloksia ovat 55,5 % Sonnet 5.5:lle, 34,1 % Sonnet 5:lle ja 57,8 % Opus 5.5:lle.

Tietotyöarvioinneissa yritys raportoi GDPval-AA v2.1 -pisteen 1844 Sonnet 5.5:lle, kaksi pistettä alle Opus 5.5:n 1846:n ja noin 400 pistettä yli Sonnet 5:n 1449:n, sekä AA‑Briefcase v1.1 -pisteen 1811 verrattuna 1822:een Opus 5.5:ssa ja 1359:ään Sonnet 5:ssa. Julkaisu luettelee myös 64,5 % työkalujen kanssa Humanity’s Last Exam -testissä, 80,1 % osittaispisteitä OSWorld 2.1:ssa ja 61,6 % ilman työkaluja Chartography‑testissä, joka on visuaalinen kaavioiden tunnistustesti. Anthropic sanoo, että Sonnet 5.5 on ensimmäinen Sonnet-malli, joka päihittää Pokémon Redin työskennellen pelkästään näyttökuvista.

Yritys varoittaa, että vertailuarvot mittaavat vain yhtä mallin kyvykkyyden puolta, ja toteaa, että omassa testauksessaan sekä ulkopuolisten testaajien testeissä Opus 5.5 on selvästi vahvempi monimutkaisessa, avoimessa työssä, joka vaatii jatkuvaa harkintaa. Alaviitteessä todetaan, että Artificial Analysis suoritti GDPval-AA:n ja AA‑Briefcase:n esijulkaisussa, jossa oli strukturoituja tulostevirheitä, jotka on korjattu ja jotka mahdollisesti aliarvioivat Sonnet 5.5:n suorituskykyä. Toinen alaviite mainitsee, että OpenAI on äskettäin korjannut kuvantunnistusvirheen GPT-6 Sol:ssa, eivätkä kolmannen osapuolen pisteet välttämättä vielä heijasta tätä.

Varhaisten testaajien tulokset

CodeRabbitin VP of AI -johtaja David Loker totesi, että Sonnet 5.5 osoittaa parempaa harkintaa kuin Sonnet 5 eri monimutkaisuustasoilla kuluttaen merkittävästi vähemmän tulostokeneita, ja että CodeRabbit aikoo siirtää yksinkertaiset ja keskitasoiset tarkastukset malliin nyt, ja lisää tulevina viikkoina. Base44:n AI‑insinöörijohtaja Gabriel Grinberg raportoi, että 118 todellisessa sovelluksen koontiajossa Sonnet 5.5 tarvitsi keskimäärin 3,6 iteraatiota koontiajoa kohti verrattuna Opus 5:n 7,7:ään, ja että se sai vähiten epäonnistuneita työkalukutsuja kaikista Base44:n vertailemista malleista.

Slackin pääinsinööri Curtis Allen raportoi noin 14 % vähemmän tulostokeneita offline‑Slackbot‑arvioissa ilman kehotteiden muutoksia. Zendeskin tekoälyjohtaja Abhinay Kathuria kertoi, että tiketit käsiteltiin 20 % nopeammin kuin Zendeskin tuotannossa käyttämillä Claude-malleilla. Balyasny Asset Management raportoi noin 121 000 tokenia per vastaus verrattuna Sonnet 5:n 497 000:aan 2 441 rahoitustehtävän yksityisessä sarjassa. Box ilmoitti tulokset 2,4‑kertaisesti nopeammiksi 12 % vähemmän kokonais-tokenien kulutuksella, ja Atlassian sanoi, että asiakkaat voivat ajaa Rovo‑agentteja jopa 30 % nopeammin kuin Sonnet 5:llä.

Hinnoittelu, nopeus ja siirtyminen

Sonnet 5.5:n ilmoitetut hinnat vastaavat tarkalleen Sonnet 5:n hintoja: $2 per miljoona syötetokenia, $10 per miljoona tulostokenia, $0,20 per miljoona välimuistista luettua tokenia ja $2,50 per miljoona välimuistiin kirjoitettua tokenia. Opus 5.5:n hinnat ovat $4 syötteelle, $20 tuotolle ja $5 välimuistin kirjoituksille. Anthropic kertoo, että Sonnet 5.5 tarvitsee tyypillisesti paljon vähemmän tokeneita samassa työssä ja on tähän mennessä nopein Sonnet-malli.

Malli tarjoaa viisi uudelleenkalibroitua ponnistustasoa: low, medium, high, xhigh ja max. Oletus on Medium Claude Codessa ja Claude‑sovelluksissa sekä High Claude Platformilla, mikä on myös API:n oletus.

Anthropicin siirtymäopas luettelee rikkoavia muutoksia kehittäjille, jotka siirtyvät Sonnet 5:stä. Adaptiivinen ajattelu toimii nyt oletuksena, poistetun ajattelun asetus palauttaa 400‑virheen, ja kehittäjien, jotka ajoivat Sonnetia ilman ajattelua, on siirryttävä uuteen between_tools -asetukseen, joka on alhaisin saatavilla oleva, ennen siirtymistä. Pakotettu työkalun valinta hylätään automaattisen työkalun valinnan puolesta, joka on yhdistetty tiukkoihin työkaluihin, ja välimuistiin tallennettavan kehotteen vähimmäispituus putoaa 512 tokeniin 1 024:sta Sonnet 5:ssä. Dokumentaatio luettelee myös viisi hylkäyksen pysäytyssyykategoriaa, jotka kattavat cyber-, bio-, frontier_llm, reasoning_extraction, ja general_harms, ja huomauttaa, että palvelinpuolen varmistusyritykset toistavat vain cyber- ja frontier_llm-hylkäyksiä Sonnet 5:ssä.

Turvallisuustulokset ja suojatoimet

Koska Sonnet 5.5:n kyberkyvyt ovat verrattavissa Opus 5:n kykyihin, Anthropic sanoi, että se on ensimmäinen Sonnet-malli, joka lanseerataan kyber-suojaustoimenpiteillä ja varmistusmenetelmillä, joita käytetään yrityksen tehokkaimmissa malleissa. järjestelmäkortti raportoi, että suojauksilla pois päältä Sonnet 5.5 keskiarvoisesti saavutti 11,53 kykylippua ja 80 % kaappausasteen ExploitBenchissä sekä tuotti 178 täyttä mielivaltaista koodin suorituksen hyökkäystä, verrattuna yhteen Sonnet 5:ssä. Se suoritti 46,1 % CyScenarioBench‑haasteista verrattuna Sonnet 5:n 0,7 %:iin, ja tuotti 50 ohjausvirran kaappausta Binary Exploitation Benchmarkissa verrattuna Sonnet 5:n 3:een.

Kyber-suojaustoimenpiteet toimivat kolmessa vaiheessa: mallin sisäisten aktivaatioiden tarkastus, kevyt mallin sisäinen luokittelija ja erillinen koulutettu LLM‑luokittelija. Kortti raportoi 99,43 %:n saannin (recall) kybervahinkojen kattavuusjoukossa ja 21,0 % hyökkäyksen onnistumisprosentin rewind‑hyökkääjän kestävyysarvioinnissa, mikä on parannus 57,2 %:sta Sonnet 5:ssä, samalla kun käyttäjiä varoitetaan odottamaan lisää hylkäyksiä jopa harmittomissa kyberturvallisuustehtävissä. Korkeamman riskin pyynnöt siirtyvät näkyvästi Sonnet 5:een, ja laajennettu Kyber‑Vahvistusohjelma tarjoaa pian tarkastetuille puolustajille porrastetun pääsyn edistyneisiin kykyihin Sonnet 5.5:ssä, Opus 5.5:ssä ja Claude Mythos -malleissa.

Biologian suojaukset ovat samat haitallisen väärinkäytön luokittelijat, joita käytetään Opus 5:ssa, ilman varmistusmallia, ja Anthropicin Life Sciences Verification Program kattaa pääsyn koko biologisen työn laajuuteen. Sonnet 5.5 on myös ensimmäinen Sonnet-malli, jossa on turvallisuusluokittelijat, jotka estävät päättelyn poimintaa, ja se laajentaa säilytettyä ajattelua niin, että mallin ajattelua ei voida erottaa tililtä, joka sen loi.

Anthropicin automatisoidun käyttäytymisen auditoinnin, joka kattoi noin 1 850 skenaariota, mukaan yritys raportoi, että Sonnet 5.5 parantaa tai vastaa Sonnet 5:n tasoa useimmissa yhteensopivuuden, väärinkäytön vastustuskyvyn ja rehellisyyden mittareissa, kirjaa alhaisimman hiekkalaatikosta pakenemisen yritysten osuuden testatuissa malleissa, ja osoittaa enemmän epäselvää ajattelua kuin monet aikaisemmat mallit. Järjestelmäkortti toteaa, että Sonnet 5.5 ei ylitä uusia Responsible Scaling Policy -rajoja, sen katsotaan täyttävän politiikan CB‑1‑ ja Autonomy‑1‑rajojen vaatimukset, ja sillä on alhainen arvioitu riski katastrofaaliseen epäsopivuuteen. Mallin luotettava tietämyksen katkaisupiste on kesäkuu 2026.

Anthropic sanoi, että Claude Haiku 5.5, joka on rakennettu suurten volyymien ja kustannustietoisien sovellusten tarpeisiin, liittyy Claude 5.5 -perheeseen tulevina viikkoina.