Anthropic ra mắt Claude Sonnet 5.5 với mức giá Sonnet 5 không thay đổi

Anthropic đã ra mắt Claude Sonnet 5.5 vào ngày 28 tháng 9 năm 2026, là mô hình thứ hai trong họ Claude 5.5. Mô hình này duy trì mức giá của Claude Sonnet 5 ở mức $2 cho mỗi triệu token đầu vào và $10 cho mỗi triệu token đầu ra, và Anthropic cho biết nó tạo ra kết quả nhanh hơn trên 30% đồng thời chi phí giảm tới 30% cho mỗi nhiệm vụ trong các thử nghiệm của họ.

Trong thông báo phát hành, Anthropic mô tả Sonnet 5.5 là một bổ trợ nhanh hơn, chi phí thấp hơn cho Claude Opus 5.5, mà công ty cho biết được xây dựng cho công việc phức tạp đòi hỏi sự phán đoán cẩn thận. Anthropic cho biết Sonnet 5.5 mạnh nhất trong các nhiệm vụ hàng ngày được định hướng rõ ràng, sửa lỗi, và tạo ra các tài liệu, slide và bảng tính được chỉnh sửa tinh tế, đồng thời nó còn có mắt thẩm mỹ sắc bén.

Claude Sonnet 5.5 có sẵn trên mọi nền tảng, bao gồm Amazon Web Services, Google Cloud và Microsoft Azure, với ID mô hình claude-sonnet-5-5, và được cung cấp với chính sách không lưu trữ dữ liệu, giống như Opus 5.5 và Sonnet 5.

Kết quả Đánh giá Tiêu chuẩn Được báo cáo

Anthropic báo cáo rằng Sonnet 5.5 đạt 70.6% trên Terminal-Bench 4.0, một bài đánh giá lập trình theo hướng tác nhân, so với 10.3% của Sonnet 5, với điểm số được liệt kê của Opus 5.5 là 66.4% phản ánh kết quả nỗ lực Xhigh. Trong bộ chính của FrontierCode 1.1, Sonnet 5.5 đạt 46.2% ở mức nỗ lực Max và 52.1% ở mức Xhigh, so với 42.4% của Sonnet 5, 54.4% của Opus 5.5 và 49.3% của GPT-6 Sol của OpenAI. Các điểm số CursorBench 4.0 được báo cáo là 55.5% cho Sonnet 5.5, 34.1% cho Sonnet 5 và 57.8% cho Opus 5.5.

Trong các đánh giá công việc tri thức, công ty báo cáo điểm GDPval-AA v2.1 là 1844 cho Sonnet 5.5, thấp hơn 2 điểm so với 1846 của Opus 5.5 và cao hơn khoảng 400 điểm so với 1449 của Sonnet 5, và điểm AA-Briefcase v1.1 là 1811 so với 1822 của Opus 5.5 và 1359 của Sonnet 5. Thông báo cũng liệt kê 64.5% có công cụ trên Humanity’s Last Exam, 80.1% điểm chấm từng phần trên OSWorld 2.1, và 61.6% không có công cụ trên Chartography, một bài kiểm tra nhận dạng biểu đồ trực quan. Anthropic cho biết Sonnet 5.5 là mô hình Sonnet đầu tiên đánh bại Pokémon Red chỉ bằng cách làm việc từ ảnh chụp màn hình.

Công ty cảnh báo rằng các điểm số tiêu chuẩn chỉ phản ánh một khía cạnh của khả năng mô hình, và cho biết trong các thử nghiệm nội bộ và của các bên kiểm tra bên ngoài, Opus 5.5 vẫn rõ ràng mạnh hơn trong công việc phức tạp, có kết quả mở đòi hỏi sự phán đoán liên tục. Một chú thích cho biết Artificial Analysis đã chạy GDPval-AA và AA-Briefcase trên một triển khai trước khi phát hành với lỗi đầu ra có cấu trúc đã được sửa và nếu lỗi này có ảnh hưởng thì kết quả đo sẽ đánh giá thấp hiệu năng của Sonnet 5.5. Một chú thích khác lưu ý rằng OpenAI gần đây đã sửa lỗi hiểu hình ảnh trong GPT-6 Sol mà các điểm số của bên thứ ba có thể chưa phản ánh.

Kết quả Kiểm thử Sớm

Phó Chủ tịch AI của CodeRabbit, David Loker, cho biết Sonnet 5.5 thể hiện sự phán đoán tốt hơn Sonnet 5 ở mọi mức độ phức tạp đồng thời tiêu tốn ít token đầu ra đáng kể, và CodeRabbit dự định chuyển các đánh giá có độ phức tạp đơn giản và trung bình sang mô hình này ngay lập tức, với nhiều hơn nữa trong những tuần tới. Trưởng bộ phận kỹ thuật AI của Base44, Gabriel Grinberg, báo cáo rằng trong 118 bản dựng ứng dụng thực tế, Sonnet 5.5 trung bình 3.6 vòng lặp mỗi bản dựng so với 7.7 của Opus 5, với số lần gọi công cụ thất bại ít nhất trong số các mô hình mà Base44 so sánh.

Kỹ sư chính của Slack, Curtis Allen, báo cáo rằng có khoảng 14% ít token đầu ra hơn trong các đánh giá Slackbot ngoại tuyến mà không thay đổi lời nhắc. Giám đốc AI của Zendesk, Abhinay Kathuria, cho biết các phiếu hỗ trợ được xử lý nhanh hơn 20% so với các mô hình Claude mà Zendesk đang sử dụng trong môi trường sản xuất. Balyasny Asset Management báo cáo khoảng 121.000 token cho mỗi câu trả lời so với 497.000 token của Sonnet 5 trong một bộ công việc tài chính riêng gồm 2.441 nhiệm vụ. Box báo cáo kết quả nhanh hơn 2.4 lần với tổng số token giảm 12%, và Atlassian cho biết khách hàng có thể chạy Rovo Agents nhanh hơn tới 30% so với Sonnet 5.

Giá cả, Tốc độ và Chuyển đổi

Giá niêm yết của Sonnet 5.5 hoàn toàn giống Sonnet 5: $2 cho mỗi triệu token đầu vào, $10 cho mỗi triệu token đầu ra, $0.20 cho mỗi triệu token đọc bộ nhớ đệm, và $2.50 cho mỗi triệu token ghi bộ nhớ đệm. Opus 5.5 niêm yết 4 USD cho đầu vào, 20 USD cho đầu ra và 5 USD cho ghi bộ nhớ đệm. Anthropic cho biết Sonnet 5.5 thường cần ít token hơn nhiều cho cùng một công việc và là mô hình Sonnet nhanh nhất tính đến thời điểm hiện tại.

Mô hình cung cấp năm mức nỗ lực được hiệu chỉnh lại: low, medium, high, xhigh và max. Mặc định là Medium trong Claude Code và các ứng dụng Claude và High trên Claude Platform, cũng là mặc định của API.

hướng dẫn chuyển đổi của Anthropic liệt kê các thay đổi gây gián đoạn cho các nhà phát triển chuyển từ Sonnet 5. Adaptive thinking hiện chạy mặc định, cài đặt thinking bị vô hiệu hoá trả về lỗi 400, và các nhà phát triển đã chạy Sonnet với thinking tắt phải chuyển sang cài đặt mới between_tools, mức thấp nhất có sẵn, trước khi chuyển đổi. Lựa chọn công cụ bắt buộc bị loại bỏ để thay bằng lựa chọn công cụ tự động kết hợp với công cụ nghiêm ngặt, và lời nhắc tối thiểu có thể lưu trong bộ nhớ đệm giảm xuống 512 token từ 1,024 trên Sonnet 5. Tài liệu cũng liệt kê năm danh mục lý do từ chối dừng, bao gồm cyber, bio, frontier_llm, reasoning_extraction, và general_harms, và lưu ý rằng cơ chế dự phòng phía máy chủ chỉ thử lại trên Sonnet 5 các yêu cầu bị từ chối thuộc danh mục cyber và frontier_llm.

Phát hiện và Biện pháp An toàn

Vì khả năng an ninh mạng của Sonnet 5.5 tương đương với của Opus 5, Anthropic cho biết, đây là mô hình Sonnet đầu tiên được ra mắt với các biện pháp bảo vệ an ninh mạng và các phương án dự phòng được sử dụng trên các mô hình mạnh nhất của công ty. Thẻ hệ thống báo cáo rằng khi tắt biện pháp bảo vệ, Sonnet 5.5 trung bình đạt 11.53 chỉ dấu năng lực và tỷ lệ bắt giữ 80% trên ExploitBench và tạo ra 178 khai thác thực thi mã tùy ý đầy đủ, so với một khai thác của Sonnet 5. Nó hoàn thành 46.1% các thử thách CyScenarioBench so với 0.7% của Sonnet 5, và tạo ra 50 vụ chiếm đoạt luồng điều khiển trên Binary Exploitation Benchmark so với 3 vụ của Sonnet 5.

Biện pháp bảo vệ an ninh mạng hoạt động ba giai đoạn: một phép dò trên các kích hoạt nội bộ của mô hình, một bộ phân loại nhẹ trên mô hình, và một bộ phân loại LLM được đào tạo riêng. Thẻ báo cáo độ bao phủ (recall) 99.43% trên bộ dữ liệu bao phủ tác hại an ninh mạng và tỷ lệ thành công tấn công 21.0% trong đánh giá độ bền vững đối với kẻ tấn công quay lại, cải thiện so với 57.2% của Sonnet 5, đồng thời cảnh báo người dùng nên chuẩn bị cho việc tăng số lần từ chối ngay cả trong các nhiệm vụ an ninh mạng lành mạnh. Các yêu cầu có rủi ro cao rõ ràng sẽ quay lại Sonnet 5, và một Chương trình Xác minh An ninh mạng mở rộng sẽ sớm cung cấp cho các nhà phòng thủ đã được kiểm chứng quyền truy cập theo cấp độ vào các khả năng nâng cao trên Sonnet 5.5, Opus 5.5 và các mô hình Claude Mythos.

Bảo vệ sinh học sử dụng cùng các bộ phân loại ngăn lạm dụng gây hại được triển khai cho Opus 5, không có mô hình dự phòng, và Life Sciences Verification Program của Anthropic bao phủ quyền truy cập cho toàn bộ phạm vi công việc sinh học. Sonnet 5.5 cũng là mô hình Sonnet đầu tiên có các bộ phân loại an toàn chặn việc trích xuất suy luận, và nó mở rộng việc bảo tồn suy nghĩ để suy nghĩ của mô hình không thể tách rời khỏi tài khoản đã tạo ra nó.

Trong cuộc kiểm toán hành vi tự động của Anthropic trên khoảng 1,850 kịch bản, công ty báo cáo rằng Sonnet 5.5 cải thiện hoặc bằng Sonnet 5 trên hầu hết các chỉ số về sự phù hợp, khả năng chống lạm dụng và trung thực, ghi nhận tỷ lệ cố gắng thoát sandbox thấp nhất trong số các mô hình đã kiểm tra, và cho thấy suy nghĩ khó đọc hơn so với nhiều mô hình trước. Thẻ hệ thống cho biết Sonnet 5.5 không vượt qua bất kỳ ngưỡng Chính sách Mở rộng Trách nhiệm mới nào, được coi là đáp ứng các ngưỡng CB-1 và Autonomy-1 của chính sách, và có rủi ro lệch hướng thảm khốc được đánh giá là thấp. Ngưỡng kiến thức đáng tin cậy của mô hình là tháng 6 năm 2026.

Anthropic cho biết Claude Haiku 5.5, được xây dựng cho các ứng dụng có khối lượng lớn và nhạy cảm về chi phí, sẽ gia nhập họ Claude 5.5 trong vài tuần tới.