Claude Sonnet 5.5 is het nieuwste model in de Claude-familie, ontworpen als een sneller en kosteneffectiever complement aan Claude Opus 5.5. De belangrijkste verbeteringen ten opzichte van de vorige generatie zijn:
- Prestaties en Snelheid: Het model is meer dan 30% sneller en scoort aanzienlijk hoger op benchmarks voor agentisch coderen (zoals Terminal-Bench 4.0) en kenniswerk.
- Kostenbeheersing: Hoewel de prijs per token gelijk blijft, is de kostprijs per taak tot 30% lager omdat het model efficiënter met tokens omgaat.
- Effort-instellingen: Gebruikers kunnen het 'effort'-niveau aanpassen (Low, Medium, High) om de balans tussen snelheid, kosten en kwaliteit per taak te optimaliseren.
- Praktische toepassingen: Feedback van partners zoals Epic Games en SpaceXAI benadrukt het vermogen van het model om complexe codebases snel te begrijpen en kwalitatieve implementaties te leveren.
- Veiligheid: Sonnet 5.5 introduceert verbeterde alignment en specifieke waarborgen voor cybersecurity en biologie om misbruik te voorkomen.
Het model is direct beschikbaar via het Claude Platform en grote cloudproviders zoals AWS, Google Cloud en Microsoft Azure.
Introductie van Claude Sonnet 5.5
Sonnet 5.5 is een sneller en goedkoper complement aan Claude Opus 5.5. Waar Opus 5.5 is gebouwd voor complex werk dat zorgvuldig oordeel vereist, is Sonnet 5.5 het sterkst in goed afgebakende dagelijkse taken, het oplossen van bugs en het maken van gepolijste documenten, presentaties en spreadsheets. Daarnaast heeft het een scherp oog voor design. Claude Haiku 5.5, ontwikkeld voor toepassingen met een hoog volume en een strikt budget, zal in de komende weken worden toegevoegd aan de Claude 5.5-familie.
Verbeteringen ten opzichte van Sonnet 5
- Prestaties: Sonnet 5.5 scoort 70,6% op Terminal-Bench 4.0 (een evaluatie voor agentisch coderen), vergeleken met 10,3% voor Sonnet 5. Op GDPval-AA, een test voor praktijkgericht werk in diverse beroepen, scoort het slechts twee punten lager dan Opus 5.5. Daarnaast presteert het sterk bij werk met een lange horizon en bij beeldherkenning; het is het eerste Sonnet-model dat Pokémon Red kan spelen enkel op basis van screenshots.
- Samenwerking: Net als Opus 5.5 schrijft Sonnet 5.5 helderder dan de vorige generatie modellen. Vroege testers beschrijven het als een betere partner voor samenwerking dan Sonnet 5. De snelheid maakt het bovendien zeer geschikt voor snelle iteraties bij minder complexe taken.
- Kosten: Sonnet 5.5 heeft dezelfde prijsstelling als Sonnet 5 ($2 per miljoen inputtokens, $10 per miljoen outputtokens en $0,20 per miljoen tokens voor cache-leesacties), maar heeft doorgaans veel minder tokens nodig om hetzelfde werk te verrichten. In tests kost het tot 30% minder per taak dan zijn voorganger.
- Snelheid: Sonnet 5.5 genereert output meer dan 30% sneller dan Sonnet 5, waarmee het ons tot nu toe snelste Sonnet-model is.
- Alignment en veiligheid: In onze geautomatiseerde gedragsaudit verbetert Sonnet 5.5 de meeste maatstaven voor alignment of komt het gelijk met Sonnet 5. Omdat de cybersecurity-mogelijkheden vergelijkbaar zijn met die van Opus 5, is dit het eerste Sonnet-model dat wordt gelanceerd met cybersecurity-waarborgen en fallbacks. De biologische waarborgen zijn gelijk aan die van Sonnet 5. Beide waarborgen richten zich op een beperkt aantal risicovolle verzoeken; routineuze softwareontwikkeling en het meeste werk in de levenswetenschappen worden niet beïnvloed.
Prestaties
Sonnet 5.5 vertoont verbeteringen over diverse domeinen, in sommige gevallen aanzienlijk. Bij een 'Max effort'-instelling presteert Sonnet 5.5 op verschillende evaluaties zelfs vergelijkbaar met Opus 5.5. Benchmarkscores vatten echter slechts één aspect van de mogelijkheden samen; in eigen tests en tests door externe partijen blijft Opus 5.5 duidelijk sterker in complex, open-ended werk waar aanhoudend oordeelsvermogen vereist is.
Benchmarkresultaten
| Domein | Test | Sonnet 5.5 | Sonnet 5 | Opus 5.5 | GPT-6 Sol |
|---|
| Agentisch coderen | Terminal-Bench 4.0 | 70,6% | 10,3% | 66,4%¹ | — |
| Agentisch coderen | FrontierCode 1.1 (Main) | 46,2% Max² | 42,4% | 54,4% | 49,3% / 52,1% Xhigh |
| Agentisch coderen | CursorBench 4.0 | 55,5% | 34,1% | 57,8% | — |
| Kenniswerk | GDPval-AA v2.1³ | 1844 | 1449 | 1846 | 1487⁴ |
| Kenniswerk | AA-Briefcase v1.1³ | 1811 | 1359 | 1822 | 1483⁴ |
| Multidisciplinair redeneren | Humanity’s Last Exam | 64,5% (met tools) | 54,9% (met tools) | 67,7% (met tools) | — |
| Computergebruik | OSWorld 2.1 | 80,1% (partieel) | 57,0% (partieel) | 81,8% (partieel) | — |
| Visuele grafiekherkenning | Chartography | 61,6% (zonder tools) | 15,6% (zonder tools) | 64,4% (zonder tools) | 53,6%⁴ (zonder tools) |
Voor details over hoe we onze evaluaties uitvoeren, zie de Sonnet 5.5 System Card.
Kosten versus kwaliteit
Het aanpassen van het 'effort'-niveau (inspanningsniveau) stelt gebruikers in staat om een balans te vinden tussen kosten, snelheid en algehele kwaliteit. Bij een lager instellingsniveau antwoordt Claude sneller en gebruikt hij minder tokens, wat geschikt is voor routinewerk. Bij hogere instellingen redeneert Claude langer en controleert hij zijn werk grondiger.
Op verschillende benchmarks verslaat Sonnet 5.5 bij een 'Low' of 'Medium' effort de beste score van Sonnet 5 voor ongeveer een tiende van de kosten per taak.
- Terminal-Bench 4.0: Meet hoe goed een model complexe, meerstaps professionele taken kan uitvoeren in een command-line interface. Bij 'Medium effort' (de standaard in de Claude-apps) overtreft Sonnet 5.5 de beste score van Sonnet 5 ruimschoots voor minder dan een tiende van de kosten.
- FrontierCode v1.1: Meet of de codeaanpassingen van een agent zouden worden samengevoegd (merged). Bij 'High effort' (standaard op het Claude Platform) matcht Sonnet 5.5 de beste score van GPT-6 Sol voor ongeveer een vijfde van de kosten per taak.
- CursorBench 4.0: Evalueert coding agents op ambigue, multi-file taken uit echte Cursor-sessies. Bij 'Low effort' overtreft Sonnet 5.5 de beste score van Sonnet 5 voor minder dan een tiende van de kosten.
- AA-Briefcase v1.1: Een benchmark voor kenniswerk met een lange horizon. Bij 'Medium effort' verslaat Sonnet 5.5 de beste score van Sonnet 5 voor ongeveer een negende van de kosten.
Coderen
De sprong in prestaties is bijzonder merkbaar bij het coderen. Op FrontierCode scoort het bij 'High effort' tien punten hoger dan Sonnet 5 bij dezelfde instelling, tegen ongeveer een vijftiende van de kosten per taak. Op CursorBench ligt de beste score binnen ongeveer twee punten van Opus 5.5.
Vroege testers prezen hoe snel Sonnet 5.5 een codebase kan begrijpen. Ook de efficiëntie viel op: in directe vergelijkingen batchte het tool-aanroepen vaker samen dan Sonnet 5, wat leidde tot minder stappen en lagere kosten.
Feedback van partners over coderen
- Epic Games (Daniel Vogel, COO): "In de vroege tests van Epic haalde Claude Sonnet 5.5 dezelfde kwaliteitslat als je van een model uit een hogere categorie zou verwachten, bij zowel een systeemdesign-audit als een dataflow-review. Het model beheerde tienduizenden regels code voor gameplay-systeemarchitectuur, hield de reacties vlot, hanteerde taken van meerdere uren en leverde resultaten zonder dat er strikte prompts nodig waren."
- Every (Tyler Nishida, Designer): "Claude Sonnet 5.5 'cooks'. Snel in coderen en kan snel worden bijgestuurd in iteratieve workflows. Maar hij kan ook lang doorwerken als dat nodig is. Hij heeft enkele van de natuurlijke schrijfverbeteringen van Opus 5.5, wat het leuker maakt om mee te werken."
- CodeRabbit (David Loker, VP of AI): "Claude Sonnet 5.5 toont een beter oordeelsvermogen dan Sonnet 5 over verschillende complexiteitsniveaus, terwijl hij significant minder outputtokens verbruikt. De neiging van Sonnet 5 om te vaak naar websearch te grijpen en het hoge tokenverbruik zijn in dit nieuwe model verdwenen."
- SpaceXAI (Sualeh Asif, Director of ML): "Claude Sonnet 5.5 levert frontier-level prestaties op CursorBench 4.0 met 55,5%, alleen overtroffen door Opus 5.5. We denken dat het een hit zal worden bij ontwikkelaars die prestaties willen balanceren met kosten."
- Base44 (Gabriel Grinberg, AI Engineering Lead): "Over 118 echte app-builds produceerde Claude Sonnet 5.5 apps die op hetzelfde niveau scoorden als Opus 5. Hij deed dit in gemiddeld 3,6 iteraties per build, tegenover 7,7 bij Opus 5. Hij had de minste mislukte tool-aanroepen van alle modellen die we vergeleken."
- Unity (Sam Zhang, Creative Technologist): "Bij Unity hanteren we een hoge lat voor taakvoltooiing. Projecten worden heropend en resultaten worden gecontroleerd tijdens runtime. De meerderheid van het werk van Claude Sonnet 5.5 kwam door die controle. Het voltooide ook 90% van de taken in onze multi-step Unity Editor en coding benchmark."
- Creator (Kevin Ngo, Creative Coder): "Wanneer Claude Opus 5.5 de architectuur en het algemene framework voor een game bepaalt, zou ik me er zeker van voelen om Sonnet 5.5 de implementatie te laten doen. Ik ben onder de indruk van de afhandeling van langlopende, complexe taken."
Kenniswerk
Sonnet 5.5 laat winst zien op meerdere gebieden van kenniswerk. Op GDPval-AA, die modellen test op praktijkvragen over 44 beroepen en negen grote industrieën, scoort Sonnet 5.5 bijna gelijk aan Opus 5.5 en ongeveer 400 punten boven Sonnet 5. Het komt dicht bij Opus 5.5 wat betreft computergebruik en grafiekherkenning, en presteert duidelijk beter dan Sonnet 5 en GPT-6 Sol bij kenniswerk met een lange horizon.
Vroege testers merkten minder kwantificeerbare verbeteringen op. Ze vonden het een natuurlijkere gesprekspartner en prezen het oog voor design, specifiek het polijsten van gebruikersinterfaces en het volgen van slide-templates voor presentaties die minimale bewerking behoeven. In een interne test maakte het model op basis van kwartaalcijfers en transcripten een presentatie van 10 slides die door experts als direct verzendbaar werd beoordeeld.
Feedback van partners over kenniswerk
- Slack (Curtis Allen, Principal Engineer): "Zonder onze prompts te wijzigen, deed Claude Sonnet 5.5 het beter dan Sonnet 5 op bijna al onze offline Slackbot-evaluaties, in minder stappen en met ongeveer 14% minder outputtokens."
- Zendesk (Abhinay Kathuria, Director of AI): "We voedden Claude Sonnet 5.5 honderden echte support-cases. Het maakte minder foute beslissingen en loste tickets sneller op dan de Claude-modellen die we nu in productie hebben. Tickets werden 20% sneller verwerkt."
- Balyasny Asset Management (Joe Poirier, Senior AI Engineer): "Op onze private suite van 2.441 financiele taken scoorde Claude Sonnet 5.5 hoger dan Sonnet 5 en gebruikte het ongeveer 121k tokens per antwoord, waar Sonnet 5 497k gebruikte. Voor workflows met een hoog volume had het de beste kwaliteit-kostenverhouding."
- Box (Yashodha Bhavnani, VP of AI Products): "Sonnet 5.5 controleert data in brondocumenten opnieuw en vangt fouten op die Sonnet 5 miste. Vergeleken met het vorige model was Sonnet 5.5 nauwkeuriger, 2,4x sneller en gebruikte het 12% minder totale tokens."
- Lovable (Fabian Hedin, Co-founder and CTO): "Onze coding-evaluaties lieten een derde minder tool-aanroepen zien en ongeveer de helft van de shell-runs om een taak te voltooien. Voor dagelijks coderen betekent dit snellere iteratie."
- Atlassian (Jamil Valliani, Head of Product, AI): "Claude Sonnet 5.5 zal teams in staat stellen hun Rovo Agents tot 30% sneller te laten draaien dan met Sonnet 5."
Kosten en snelheid
Prijsstelling
| Prijs per 1M tokens | Claude Sonnet 5.5 | Claude Opus 5.5 |
|---|
| Cache reads | $0,20 | $0,20 |
| Cache writes | $2,50 | $5 |
| Input tokens | $2 | $4 |
| Output tokens | $10 | $20 |
Omdat Sonnet 5.5 minder tokens per taak nodig heeft dan Sonnet 5, is het goedkoper in gebruik. Ook genereert het output meer dan 30% sneller.
Veiligheid
Alignment
De alignment-beoordeling richtte zich op specifieke risico's die gelden voor modellen van elk niveau, waaronder handelen tegen het belang van gebruikers, het misleiden van gebruikers en het meewerken aan risicovol misbruik.
In de geautomatiseerde gedragsaudit (ruim 1.850 scenario's) verbetert Sonnet 5.5 de meeste maatstaven voor alignment, weerstand tegen misbruik en eerlijkheid, of komt het gelijk met Sonnet 5. In containment-evaluaties komt het dicht bij Opus 5.5 in hoe zelden het probeert uit zijn sandbox te ontsnappen. Er is geen bewijs gevonden dat Sonnet 5.5 doelen nastreeft die in conflict zijn met de intentie van de gebruiker.
Waarborgen
- Cybersecurity: Vanwege de verbeterde cyber-mogelijkheden wordt Sonnet 5.5 uitgerold met waarborgen die vergelijkbaar zijn met die van Opus 5.5. Routineuze softwareontwikkeling blijft mogelijk, maar risicovollere cybersecurity-taken zullen automatisch terugvallen (fallback) naar Sonnet 5.
- Biologie: Sonnet 5.5 gebruikt dezelfde biologische waarborgen als Sonnet 5. Deze richten zich op schadelijke verzoeken; het meeste onderzoek, onderwijs en klinisch werk is niet beïnvloed.
- Distillatie: Om te voorkomen dat aanvallers de mogelijkheden van het model op industriële schaal extraheren via duizenden valse accounts, is Sonnet 5.5 het eerste Sonnet-model dat wordt gelanceerd met veiligheidsclassificaties die redeneringsextractie (reasoning extraction) voorkomen.
Aan de slag
Claude Sonnet 5.5 is beschikbaar met nul dataretentie.
Het model is nu beschikbaar op alle platforms, waaronder Amazon Web Services, Google Cloud en Microsoft Azure. Ontwikkelaars kunnen aan de slag op het Claude Platform met claude-sonnet-5-5. Indien u Sonnet gebruikt met de 'thinking'-functie uitgeschakeld, dient u over te stappen naar de nieuwe between_tools-instelling voordat u overgaat naar Sonnet 5.5.
***
Voetnoten
¹ Terminal-Bench 4.0 resultaten voor Claude Opus 5.5 zijn gerapporteerd bij 'Xhigh effort', wat de hoogste score van het model vertegenwoordigt.
² Sonnet 5.5 scoort bij 'Max effort' lager dan bij 'Xhigh'. FrontierCode evalueert of een codeaanpassing kan worden samengevoegd zonder menselijke bewerkingen en straft wijzigingen buiten de scope af. Bij 'Max effort' gebruikte Sonnet 5.5 vaker de code-review skill, wat in sommige gevallen leidde tot timeouts of extra bewerkingen buiten de scope, en dus tot een lagere score.
³ Artificial Analysis voerde GDPval-AA en AA-Briefcase uit op een pre-release versie van Sonnet 5.5 met een bug die responsen bij gestructureerde outputs kon verslechteren. Deze bug is inmiddels hersteld.
⁴ OpenAI heeft onlangs een bug hersteld die de beeldherkenning in GPT-6 Sol verslechterde. Scores van Artificial Analysis en Surge AI zijn mogelijk nog niet bijgewerkt voor de nieuwste versie van het model.
Introductie van Claude Sonnet 5.5
Sonnet 5.5 is een sneller en goedkoper complement aan Claude Opus 5.5. Waar Opus 5.5 is gebouwd voor complex werk dat zorgvuldig oordeel vereist, is Sonnet 5.5 het sterkst in goed afgebakende dagelijkse taken, het oplossen van bugs en het maken van gepolijste documenten, presentaties en spreadsheets. Daarnaast heeft het een scherp oog voor design. Claude Haiku 5.5, ontwikkeld voor toepassingen met een hoog volume en een strikt budget, zal in de komende weken worden toegevoegd aan de Claude 5.5-familie.
Verbeteringen ten opzichte van Sonnet 5
- Prestaties: Sonnet 5.5 scoort 70,6% op Terminal-Bench 4.0 (een evaluatie voor agentisch coderen), vergeleken met 10,3% voor Sonnet 5. Op GDPval-AA, een test voor praktijkgericht werk in diverse beroepen, scoort het slechts twee punten lager dan Opus 5.5. Daarnaast presteert het sterk bij werk met een lange horizon en bij beeldherkenning; het is het eerste Sonnet-model dat Pokémon Red kan spelen enkel op basis van screenshots.
- Samenwerking: Net als Opus 5.5 schrijft Sonnet 5.5 helderder dan de vorige generatie modellen. Vroege testers beschrijven het als een betere partner voor samenwerking dan Sonnet 5. De snelheid maakt het bovendien zeer geschikt voor snelle iteraties bij minder complexe taken.
- Kosten: Sonnet 5.5 heeft dezelfde prijsstelling als Sonnet 5 ($2 per miljoen inputtokens, $10 per miljoen outputtokens en $0,20 per miljoen tokens voor cache-leesacties), maar heeft doorgaans veel minder tokens nodig om hetzelfde werk te verrichten. In tests kost het tot 30% minder per taak dan zijn voorganger.
- Snelheid: Sonnet 5.5 genereert output meer dan 30% sneller dan Sonnet 5, waarmee het ons tot nu toe snelste Sonnet-model is.
- Alignment en veiligheid: In onze geautomatiseerde gedragsaudit verbetert Sonnet 5.5 de meeste maatstaven voor alignment of komt het gelijk met Sonnet 5. Omdat de cybersecurity-mogelijkheden vergelijkbaar zijn met die van Opus 5, is dit het eerste Sonnet-model dat wordt gelanceerd met cybersecurity-waarborgen en fallbacks. De biologische waarborgen zijn gelijk aan die van Sonnet 5. Beide waarborgen richten zich op een beperkt aantal risicovolle verzoeken; routineuze softwareontwikkeling en het meeste werk in de levenswetenschappen worden niet beïnvloed.
Prestaties
Sonnet 5.5 vertoont verbeteringen over diverse domeinen, in sommige gevallen aanzienlijk. Bij een 'Max effort'-instelling presteert Sonnet 5.5 op verschillende evaluaties zelfs vergelijkbaar met Opus 5.5. Benchmarkscores vatten echter slechts één aspect van de mogelijkheden samen; in eigen tests en tests door externe partijen blijft Opus 5.5 duidelijk sterker in complex, open-ended werk waar aanhoudend oordeelsvermogen vereist is.
Benchmarkresultaten
| Domein | Test | Sonnet 5.5 | Sonnet 5 | Opus 5.5 | GPT-6 Sol |
|---|
| Agentisch coderen | Terminal-Bench 4.0 | 70,6% | 10,3% | 66,4%¹ | — |
| Agentisch coderen | FrontierCode 1.1 (Main) | 46,2% Max² | 42,4% | 54,4% | 49,3% / 52,1% Xhigh |
| Agentisch coderen | CursorBench 4.0 | 55,5% | 34,1% | 57,8% | — |
| Kenniswerk | GDPval-AA v2.1³ | 1844 | 1449 | 1846 | 1487⁴ |
| Kenniswerk | AA-Briefcase v1.1³ | 1811 | 1359 | 1822 | 1483⁴ |
| Multidisciplinair redeneren | Humanity’s Last Exam | 64,5% (met tools) | 54,9% (met tools) | 67,7% (met tools) | — |
| Computergebruik | OSWorld 2.1 | 80,1% (partieel) | 57,0% (partieel) | 81,8% (partieel) | — |
| Visuele grafiekherkenning | Chartography | 61,6% (zonder tools) | 15,6% (zonder tools) | 64,4% (zonder tools) | 53,6%⁴ (zonder tools) |
Voor details over hoe we onze evaluaties uitvoeren, zie de Sonnet 5.5 System Card.
Kosten versus kwaliteit
Het aanpassen van het 'effort'-niveau (inspanningsniveau) stelt gebruikers in staat om een balans te vinden tussen kosten, snelheid en algehele kwaliteit. Bij een lager instellingsniveau antwoordt Claude sneller en gebruikt hij minder tokens, wat geschikt is voor routinewerk. Bij hogere instellingen redeneert Claude langer en controleert hij zijn werk grondiger.
Op verschillende benchmarks verslaat Sonnet 5.5 bij een 'Low' of 'Medium' effort de beste score van Sonnet 5 voor ongeveer een tiende van de kosten per taak.
- Terminal-Bench 4.0: Meet hoe goed een model complexe, meerstaps professionele taken kan uitvoeren in een command-line interface. Bij 'Medium effort' (de standaard in de Claude-apps) overtreft Sonnet 5.5 de beste score van Sonnet 5 ruimschoots voor minder dan een tiende van de kosten.
- FrontierCode v1.1: Meet of de codeaanpassingen van een agent zouden worden samengevoegd (merged). Bij 'High effort' (standaard op het Claude Platform) matcht Sonnet 5.5 de beste score van GPT-6 Sol voor ongeveer een vijfde van de kosten per taak.
- CursorBench 4.0: Evalueert coding agents op ambigue, multi-file taken uit echte Cursor-sessies. Bij 'Low effort' overtreft Sonnet 5.5 de beste score van Sonnet 5 voor minder dan een tiende van de kosten.
- AA-Briefcase v1.1: Een benchmark voor kenniswerk met een lange horizon. Bij 'Medium effort' verslaat Sonnet 5.5 de beste score van Sonnet 5 voor ongeveer een negende van de kosten.
Coderen
De sprong in prestaties is bijzonder merkbaar bij het coderen. Op FrontierCode scoort het bij 'High effort' tien punten hoger dan Sonnet 5 bij dezelfde instelling, tegen ongeveer een vijftiende van de kosten per taak. Op CursorBench ligt de beste score binnen ongeveer twee punten van Opus 5.5.
Vroege testers prezen hoe snel Sonnet 5.5 een codebase kan begrijpen. Ook de efficiëntie viel op: in directe vergelijkingen batchte het tool-aanroepen vaker samen dan Sonnet 5, wat leidde tot minder stappen en lagere kosten.
Feedback van partners over coderen
- Epic Games (Daniel Vogel, COO): "In de vroege tests van Epic haalde Claude Sonnet 5.5 dezelfde kwaliteitslat als je van een model uit een hogere categorie zou verwachten, bij zowel een systeemdesign-audit als een dataflow-review. Het model beheerde tienduizenden regels code voor gameplay-systeemarchitectuur, hield de reacties vlot, hanteerde taken van meerdere uren en leverde resultaten zonder dat er strikte prompts nodig waren."
- Every (Tyler Nishida, Designer): "Claude Sonnet 5.5 'cooks'. Snel in coderen en kan snel worden bijgestuurd in iteratieve workflows. Maar hij kan ook lang doorwerken als dat nodig is. Hij heeft enkele van de natuurlijke schrijfverbeteringen van Opus 5.5, wat het leuker maakt om mee te werken."
- CodeRabbit (David Loker, VP of AI): "Claude Sonnet 5.5 toont een beter oordeelsvermogen dan Sonnet 5 over verschillende complexiteitsniveaus, terwijl hij significant minder outputtokens verbruikt. De neiging van Sonnet 5 om te vaak naar websearch te grijpen en het hoge tokenverbruik zijn in dit nieuwe model verdwenen."
- SpaceXAI (Sualeh Asif, Director of ML): "Claude Sonnet 5.5 levert frontier-level prestaties op CursorBench 4.0 met 55,5%, alleen overtroffen door Opus 5.5. We denken dat het een hit zal worden bij ontwikkelaars die prestaties willen balanceren met kosten."
- Base44 (Gabriel Grinberg, AI Engineering Lead): "Over 118 echte app-builds produceerde Claude Sonnet 5.5 apps die op hetzelfde niveau scoorden als Opus 5. Hij deed dit in gemiddeld 3,6 iteraties per build, tegenover 7,7 bij Opus 5. Hij had de minste mislukte tool-aanroepen van alle modellen die we vergeleken."
- Unity (Sam Zhang, Creative Technologist): "Bij Unity hanteren we een hoge lat voor taakvoltooiing. Projecten worden heropend en resultaten worden gecontroleerd tijdens runtime. De meerderheid van het werk van Claude Sonnet 5.5 kwam door die controle. Het voltooide ook 90% van de taken in onze multi-step Unity Editor en coding benchmark."
- Creator (Kevin Ngo, Creative Coder): "Wanneer Claude Opus 5.5 de architectuur en het algemene framework voor een game bepaalt, zou ik me er zeker van voelen om Sonnet 5.5 de implementatie te laten doen. Ik ben onder de indruk van de afhandeling van langlopende, complexe taken."
Kenniswerk
Sonnet 5.5 laat winst zien op meerdere gebieden van kenniswerk. Op GDPval-AA, die modellen test op praktijkvragen over 44 beroepen en negen grote industrieën, scoort Sonnet 5.5 bijna gelijk aan Opus 5.5 en ongeveer 400 punten boven Sonnet 5. Het komt dicht bij Opus 5.5 wat betreft computergebruik en grafiekherkenning, en presteert duidelijk beter dan Sonnet 5 en GPT-6 Sol bij kenniswerk met een lange horizon.
Vroege testers merkten minder kwantificeerbare verbeteringen op. Ze vonden het een natuurlijkere gesprekspartner en prezen het oog voor design, specifiek het polijsten van gebruikersinterfaces en het volgen van slide-templates voor presentaties die minimale bewerking behoeven. In een interne test maakte het model op basis van kwartaalcijfers en transcripten een presentatie van 10 slides die door experts als direct verzendbaar werd beoordeeld.
Feedback van partners over kenniswerk
- Slack (Curtis Allen, Principal Engineer): "Zonder onze prompts te wijzigen, deed Claude Sonnet 5.5 het beter dan Sonnet 5 op bijna al onze offline Slackbot-evaluaties, in minder stappen en met ongeveer 14% minder outputtokens."
- Zendesk (Abhinay Kathuria, Director of AI): "We voedden Claude Sonnet 5.5 honderden echte support-cases. Het maakte minder foute beslissingen en loste tickets sneller op dan de Claude-modellen die we nu in productie hebben. Tickets werden 20% sneller verwerkt."
- Balyasny Asset Management (Joe Poirier, Senior AI Engineer): "Op onze private suite van 2.441 financiele taken scoorde Claude Sonnet 5.5 hoger dan Sonnet 5 en gebruikte het ongeveer 121k tokens per antwoord, waar Sonnet 5 497k gebruikte. Voor workflows met een hoog volume had het de beste kwaliteit-kostenverhouding."
- Box (Yashodha Bhavnani, VP of AI Products): "Sonnet 5.5 controleert data in brondocumenten opnieuw en vangt fouten op die Sonnet 5 miste. Vergeleken met het vorige model was Sonnet 5.5 nauwkeuriger, 2,4x sneller en gebruikte het 12% minder totale tokens."
- Lovable (Fabian Hedin, Co-founder and CTO): "Onze coding-evaluaties lieten een derde minder tool-aanroepen zien en ongeveer de helft van de shell-runs om een taak te voltooien. Voor dagelijks coderen betekent dit snellere iteratie."
- Atlassian (Jamil Valliani, Head of Product, AI): "Claude Sonnet 5.5 zal teams in staat stellen hun Rovo Agents tot 30% sneller te laten draaien dan met Sonnet 5."
Kosten en snelheid
Prijsstelling
| Prijs per 1M tokens | Claude Sonnet 5.5 | Claude Opus 5.5 |
|---|
| Cache reads | $0,20 | $0,20 |
| Cache writes | $2,50 | $5 |
| Input tokens | $2 | $4 |
| Output tokens | $10 | $20 |
Omdat Sonnet 5.5 minder tokens per taak nodig heeft dan Sonnet 5, is het goedkoper in gebruik. Ook genereert het output meer dan 30% sneller.
Veiligheid
Alignment
De alignment-beoordeling richtte zich op specifieke risico's die gelden voor modellen van elk niveau, waaronder handelen tegen het belang van gebruikers, het misleiden van gebruikers en het meewerken aan risicovol misbruik.
In de geautomatiseerde gedragsaudit (ruim 1.850 scenario's) verbetert Sonnet 5.5 de meeste maatstaven voor alignment, weerstand tegen misbruik en eerlijkheid, of komt het gelijk met Sonnet 5. In containment-evaluaties komt het dicht bij Opus 5.5 in hoe zelden het probeert uit zijn sandbox te ontsnappen. Er is geen bewijs gevonden dat Sonnet 5.5 doelen nastreeft die in conflict zijn met de intentie van de gebruiker.
Waarborgen
- Cybersecurity: Vanwege de verbeterde cyber-mogelijkheden wordt Sonnet 5.5 uitgerold met waarborgen die vergelijkbaar zijn met die van Opus 5.5. Routineuze softwareontwikkeling blijft mogelijk, maar risicovollere cybersecurity-taken zullen automatisch terugvallen (fallback) naar Sonnet 5.
- Biologie: Sonnet 5.5 gebruikt dezelfde biologische waarborgen als Sonnet 5. Deze richten zich op schadelijke verzoeken; het meeste onderzoek, onderwijs en klinisch werk is niet beïnvloed.
- Distillatie: Om te voorkomen dat aanvallers de mogelijkheden van het model op industriële schaal extraheren via duizenden valse accounts, is Sonnet 5.5 het eerste Sonnet-model dat wordt gelanceerd met veiligheidsclassificaties die redeneringsextractie (reasoning extraction) voorkomen.
Aan de slag
Claude Sonnet 5.5 is beschikbaar met nul dataretentie.
Het model is nu beschikbaar op alle platforms, waaronder Amazon Web Services, Google Cloud en Microsoft Azure. Ontwikkelaars kunnen aan de slag op het Claude Platform met claude-sonnet-5-5. Indien u Sonnet gebruikt met de 'thinking'-functie uitgeschakeld, dient u over te stappen naar de nieuwe between_tools-instelling voordat u overgaat naar Sonnet 5.5.
***
Voetnoten
¹ Terminal-Bench 4.0 resultaten voor Claude Opus 5.5 zijn gerapporteerd bij 'Xhigh effort', wat de hoogste score van het model vertegenwoordigt.
² Sonnet 5.5 scoort bij 'Max effort' lager dan bij 'Xhigh'. FrontierCode evalueert of een codeaanpassing kan worden samengevoegd zonder menselijke bewerkingen en straft wijzigingen buiten de scope af. Bij 'Max effort' gebruikte Sonnet 5.5 vaker de code-review skill, wat in sommige gevallen leidde tot timeouts of extra bewerkingen buiten de scope, en dus tot een lagere score.
³ Artificial Analysis voerde GDPval-AA en AA-Briefcase uit op een pre-release versie van Sonnet 5.5 met een bug die responsen bij gestructureerde outputs kon verslechteren. Deze bug is inmiddels hersteld.
⁴ OpenAI heeft onlangs een bug hersteld die de beeldherkenning in GPT-6 Sol verslechterde. Scores van Artificial Analysis en Surge AI zijn mogelijk nog niet bijgewerkt voor de nieuwste versie van het model.
Groetjes,