Claude Sonnet 5.5: Anthropic avvicina il suo modello di fascia media a Opus

Un Sonnet che si avvicina quasi al livello di Opus

Sonnet 5.5 viene presentato come il complemento più veloce ed economico di Opus 5.5. Anthropic ripartisce i ruoli chiaramente: Opus per il lavoro complesso che richiede giudizio sostenuto, Sonnet per i task quotidiani ben definiti, la correzione di bug e la produzione di documenti, slide e fogli di calcolo curati.

Sulla carta, il divario si restringe fortemente. In computer use (OSWorld 2.1), Sonnet 5.5 raggiunge l'80,1% contro l'81,8% di Opus 5.5. Su Humanity's Last Exam con strumenti, 64,5% contro 67,7%. Nel riconoscimento di grafici (Chartography), 61,6% contro 64,4%, laddove Sonnet 5 si fermava al 15,6%.

Anthropic stessa ridimensiona: i benchmark catturano solo una sfaccettatura delle capacità, e Opus 5.5 resta "chiaramente più forte" sul lavoro aperto e complesso, secondo i test sia interni che esterni.

Il codice, terreno del balzo più grande

È nella programmazione che il salto è più visibile. Su FrontierCode, a effort High, Sonnet 5.5 guadagna 10 punti rispetto a Sonnet 5 con la stessa impostazione, per circa un quindicesimo del costo per task. Su CursorBench, costruito a partire da vere sessioni Cursor, raggiunge il 55,5%, a due punti da Opus 5.5.

I tester hanno notato la sua rapidità nel comprendere una codebase e un'abitudine nuova: raggruppare maggiormente le chiamate agli strumenti, il che riduce il numero di passaggi e la fattura.

Presso Epic Games, il COO Daniel Vogel afferma che il modello ha raggiunto "la barra di qualità di un modello di fascia superiore" in un audit di design di sistema, gestendo decine di migliaia di righe di codice e task di diverse ore.

Lavoro d'ufficio e senso del design

Su GDPval-AA, che copre 44 professioni e nove grandi settori, Sonnet 5.5 è quasi alla pari con Opus 5.5 e supera Sonnet 5 di circa 400 punti. Viene anche presentato come il primo Sonnet ad aver finito Pokémon Rosso basandosi solo su screenshot, un test di lavoro su lunga durata e comprensione visiva.

Anthropic insiste su qualità meno misurabili: scrittura più chiara, miglior partner di conversazione, occhio per il design di interfaccia. In un test interno, il modello ha ricevuto i documenti trimestrali di un'azienda quotata e un modello di slide; due esperti hanno giudicato la sua revisione operativa di 10 slide pronta da inviare così com'era.

Presso Slack, senza cambiare i prompt, il modello ha fatto meglio di Sonnet 5 su quasi tutte le valutazioni dello Slackbot, con circa il 14% di token in output in meno.

Prezzo invariato, fattura in calo

La griglia resta quella di Sonnet 5: 2$ per milione di token in input, 10$ in output, 0,20$ per le letture della cache e 2,50$ per le scritture. Opus 5.5 costa il doppio su input, output e scritture della cache.

Il risparmio viene quindi dall'efficienza: meno token per lo stesso lavoro, da cui fino al 30% di costo in meno per task. Il livello di effort resta regolabile, di default su Medium in Claude Code e nelle app, su High sulla Claude Platform.

Garde-fou da modello di fascia alta

Sull'audit comportamentale automatizzato di circa 1.850 scenari, Sonnet 5.5 eguaglia o supera Sonnet 5 sulla maggior parte delle misure di allineamento e onestà. È persino il modello Anthropic meno incline a sondare i limiti del proprio container, senza segni di perseguimento di obiettivi contrari a quelli dell'utente.

Poiché le sue capacità cyber sono paragonabili a quelle di Opus 5, riceve protezioni simili a quelle di Opus 5.5: la correzione di bug comune non è toccata, ma i task cyber a rischio passano visibilmente a Sonnet 5. I difensori potranno richiedere un accesso esteso tramite il Cyber Verification Program.

Altra novità: classificatori contro la distillazione, quegli attacchi che usano migliaia di account falsi per estrarre le capacità di un modello, e un'estensione del "preserved thinking" che lega il ragionamento all'account che lo ha prodotto. Sul fronte migrazione, gli utenti senza thinking dovranno passare alla nuova impostazione between_tools.