Claude Sonnet 5.5 : Anthropic rapproche son modèle milieu de gamme d'Opus

Un Sonnet qui grimpe presque au niveau d'Opus

Sonnet 5.5 est présenté comme le complément plus rapide et moins coûteux d'Opus 5.5. Anthropic répartit les rôles clairement : Opus pour le travail complexe qui demande du jugement soutenu, Sonnet pour les tâches quotidiennes bien cadrées, la correction de bugs et la production de documents, slides et tableurs soignés.

Sur le papier, l'écart se resserre fortement. En computer use (OSWorld 2.1), Sonnet 5.5 atteint 80,1 % contre 81,8 % pour Opus 5.5. Sur Humanity's Last Exam avec outils, 64,5 % contre 67,7 %. En reconnaissance de graphiques (Chartography), 61,6 % contre 64,4 %, là où Sonnet 5 plafonnait à 15,6 %.

Anthropic tempère lui-même : les benchmarks ne capturent qu'une facette des capacités, et Opus 5.5 reste « clairement plus fort » sur le travail ouvert et complexe, selon les tests internes comme externes.

Le code, terrain du plus gros bond

C'est en programmation que le saut est le plus visible. Sur FrontierCode, à effort High, Sonnet 5.5 gagne 10 points sur Sonnet 5 au même réglage, pour environ un quinzième du coût par tâche. Sur CursorBench, construit à partir de vraies sessions Cursor, il atteint 55,5 %, à deux points d'Opus 5.5.

Les testeurs ont noté sa rapidité à comprendre une codebase et une habitude nouvelle : regrouper davantage les appels d'outils, ce qui réduit le nombre d'étapes et la facture.

Chez Epic Games, le COO Daniel Vogel affirme que le modèle a atteint « la barre de qualité d'un modèle de gamme supérieure » sur un audit de design système, en gérant des dizaines de milliers de lignes de code et des tâches de plusieurs heures.

Travail de bureau et sens du design

Sur GDPval-AA, qui couvre 44 métiers et neuf grands secteurs, Sonnet 5.5 fait quasiment jeu égal avec Opus 5.5 et devance Sonnet 5 d'environ 400 points. Il est aussi présenté comme le premier Sonnet à avoir fini Pokémon Rouge uniquement à partir de captures d'écran, un test de travail sur longue durée et de compréhension visuelle.

Anthropic insiste sur des qualités moins mesurables : écriture plus claire, meilleur partenaire de conversation, œil pour le design d'interface. Dans un test interne, le modèle a reçu les documents trimestriels d'une entreprise cotée et un modèle de slides ; deux experts ont jugé sa revue opérationnelle de 10 slides prête à envoyer telle quelle.

Chez Slack, sans changer les prompts, le modèle a fait mieux que Sonnet 5 sur presque toutes les évaluations du Slackbot, avec environ 14 % de tokens de sortie en moins.

Prix inchangé, facture en baisse

La grille reste celle de Sonnet 5 : 2 $ par million de tokens en entrée, 10 $ en sortie, 0,20 $ pour les lectures de cache et 2,50 $ pour les écritures. Opus 5.5 coûte le double sur l'entrée, la sortie et les écritures de cache.

L'économie vient donc de l'efficacité : moins de tokens pour le même travail, d'où jusqu'à 30 % de coût en moins par tâche. Le niveau d'effort reste réglable, par défaut sur Medium dans Claude Code et les apps, sur High sur la Claude Platform.

Des garde-fous de modèle haut de gamme

Sur l'audit comportemental automatisé d'environ 1 850 scénarios, Sonnet 5.5 égale ou dépasse Sonnet 5 sur la plupart des mesures d'alignement et d'honnêteté. Il est même le modèle Anthropic le moins enclin à sonder les limites de son conteneur, sans signe de poursuite d'objectifs contraires à ceux de l'utilisateur.

Ses capacités cyber étant comparables à celles d'Opus 5, il reçoit des protections similaires à celles d'Opus 5.5 : la correction de bugs courante n'est pas touchée, mais les tâches cyber à risque basculent visiblement vers Sonnet 5. Les défenseurs pourront demander un accès étendu via le Cyber Verification Program.

Autre nouveauté : des classifieurs contre la distillation, ces attaques qui utilisent des milliers de faux comptes pour extraire les capacités d'un modèle, et une extension du « preserved thinking » qui lie le raisonnement au compte qui l'a produit. Côté migration, les utilisateurs sans thinking devront passer au nouveau réglage between_tools.