Sonnet 5.5 против Opus: где дешевле, а где — нет

Что в ролике
Sonnet 5.5 заявлен как более быстрый и дешёвый наследник Sonnet 5: по данным Anthropic, он генерирует текст примерно на 30% быстрее и снижает стоимость задач до 30%, при этом почти догоняет Opus 5.5 по основным бенчмаркам. Однако на задачах Artificial Analysis с максимальным уровнем усилий суммарная стоимость оказалась выше, чем у Opus: Sonnet в среднем обходился в $7,60 за задачу против $6,00 у Opus, потому что сгенерировал около 193 000 выходных токенов. В режиме высокого усилия соотношение меняется: Sonnet стоил около $18 за задачу против $182 у Opus, но набрал 47 баллов против 54 по агрегированному качеству. В тестах CodeRabbit Sonnet собрал Brick Studio за 29 минут 27 секунд против 44 минут 50 секунд у Opus, однако на 13 сложных кейсах с подтверждёнными багами нашёл 6 существенных проблем против 8 у Opus на стандартной конфигурации. На документных задачах GDP val AA при максимальном усилии модели почти сравнялись: Sonnet получил 1844 балла против 1846 у Opus, а на открытых фактологических вопросах Omniscience Opus достиг 66% точности против 54% у Sonnet, хотя уровень галлюцинаций у него был выше — 59% против 47%. По умолчанию в приложениях Claude и Claude Code модель работает на среднем уровне усилий, на платформе — на высоком, и просто сменить модель в существующем проекте недостаточно: Sonnet 5.5 отклоняет старые запросы, которые явно отключают «мышление». Доступ уже разворачивается в GitHub Copilot на платных планах и через OpenRouter, но у части пользователей он появится позже из-за очереди rollout и политик организации.
Практика
- Что получишь
- Поймёте, с какой модели начинать повседневные задачи и когда переплата за Opus 5.5 действительно оправдана, а не просто маркетинг.
- Первый шаг
- Прогоните одну знакомую задачу через Sonnet 5.5 на стандартном уровне усилий и сравните результат, стоимость и время с Opus 5.5.
- Цифры
- —30% быстрее и до 30% ниже стоимость задач — заявленные Anthropic улучшения Sonnet 5.5 относительно Sonnet 5
- —$7,60 против $6,00 — средняя стоимость задачи на максимальном усилии в тестах Artificial Analysis
- —29 минут 27 секунд против 44 минут 50 секунд — время сборки Brick Studio в тесте CodeRabbit
- —54% против 66% — фактическая точность Sonnet и Opus на открытых вопросах Omniscience
- Честно
- Единственное продвижение в ролике — просьба подписаться и поставить лайк в конце. Цифры Artificial Analysis сняты на предрелизной версии до исправления бага structured output, полные повторные прогоны ещё не завершены, поэтому это результат конкретных тестов, а не гарантированный счёт. Повторяемых промптов и настроек нет, доступ к Copilot зависит от волны rollout и прав администратора.
Если слова незнакомы — 4 терминов
- токеныкусочки текста, которые модель читает и генерирует; их объём определяет счёт
- бенчмаркистандартные тестовые задания для сравнения моделей
- уровень усилийнастройка, сколько дополнительных шагов и проверок модель может сделать
- галлюцинацииуверенно выглядящие, но выдуманные ответы модели
Компоненты
7 шт.Формат: обзор · для продвинутых · уверенность разметки 0.9 · источник