Claude Sonnet 5.5 2026. szeptember 28-án jelent meg az Anthropic kiadásában; a cég saját mérései szerint 30%-kal gyorsabban ad választ, és feladatonként akár 30%-kal olcsóbb, mint a Sonnet 5 — miközben a tokenár egy fillérrel sem változott. A Claude 5.5 család második tagja az Anthropic bejelentése szerint nem a képességi határt tolja ki, hanem azt a szegmenst célozza, ahol a legtöbb cég valójában futtatja az AI-t: a napi, jól körülhatárolt munkát.

Ez a különbségtétel fontos. Az elmúlt hónapokban a modellversenyt a csúcsmodellek uralták, a vállalati költségvetést viszont nem azok viszik el, hanem a több ezerszer lefuttatott, hétköznapi feladatok. A Sonnet 5.5 pontosan erre a rétegre készült.

Mi új a Claude Sonnet 5.5-ben?

A modellazonosító claude-sonnet-5-5, és az Anthropic szerint a megjelenés napjától elérhető minden nagy platformon, köztük az AWS, a Google Cloud és a Microsoft Azure felületén, zero data retention támogatással. A család harmadik tagja, a Claude Haiku 5.5 a cég közlése szerint „a következő hetekben” érkezik, kifejezetten nagy volumenű, költségérzékeny alkalmazásokra.

A leglátványosabb változás nem egy új képesség, hanem az, hogy a modell kevesebb tokenből és kevesebb eszközhívásból old meg ugyanannyi munkát. Az Anthropic ügyfélmérései ezt több oldalról is alátámasztják:

• Box: pontosabb működés, 2,4-szer gyorsabb futás, 12%-kal kevesebb összes token.
• Zendesk: 20%-kal gyorsabb jegykezelés.
• Slack: nagyjából 14%-kal kevesebb kimeneti token.
• Lovable: körülbelül harmadával kevesebb eszközhívás és feleannyi shell-futtatás.
• Base44: 118 appépítésen 3,6 iteráció jutott egy buildre, szemben az Opus 5 7,7-es értékével.
• Balyasny: 121 ezer token válaszonként a Sonnet 5 497 ezres értéke helyett.
• Atlassian: a Rovo Agentek akár 30%-kal gyorsabban dolgoznak.

Ezek a számok a gyakorlatban azt jelentik, hogy a költségmegtakarítás nem az árlistán, hanem a futásban keletkezik. Ha a modell kevesebb körben jut el ugyanoda, az egy feladatra eső számla csökken, még változatlan tokenár mellett is.

„A Sonnet 5 hajlama arra, hogy túl gyakran nyúljon a webes kereséshez, és a magas tokenhasználata is eltűnt az új modellben.” — David Loker, a CodeRabbit AI-részlegének alelnöke, az Anthropic közleményében

Hogyan teljesít a benchmarkokon?

Az Anthropic által közölt mérések alapján a Sonnet 5.5 több teszten megközelíti a nála lényegesen drágább Claude Opus 5.5-öt, egy helyen pedig meg is előzi. A legfontosabb eredmények (Sonnet 5.5 / Sonnet 5 / Opus 5.5):

• Terminal-Bench 4.0: 70,6% / 10,3% / 66,4% (Opus Xhigh erősségen) — itt a Sonnet 5.5 a legjobb a három közül.
• CursorBench 4.0: 55,5% / 34,1% / 57,8%.
• GDPval-AA v2.1: 1844 / 1449 / 1846 pont.
• AA-Briefcase v1.1: 1811 / 1359 / 1822 pont.
• Humanity’s Last Exam (eszközökkel): 64,5% / 54,9% / 67,7%.
• OSWorld 2.1 (részleges): 80,1% / 57,0% / 81,8%.
• Chartography (eszköz nélkül): 61,6% / 15,6% / 64,4%.

A képhez tartozik egy érdekes kivétel is. A FrontierCode 1.1 teszten a Sonnet 5.5 Max erősségen 46,2%-ot ért el, Xhigh erősségen viszont 52,1%-ot — vagyis a nagyobb erősség rosszabb eredményt hozott. Az Anthropic lábjegyzete szerint ennek az az oka, hogy a modell Max fokozaton több code-review alügynököt indított, ami időtúllépéshez vagy a feladat hatókörén kívüli módosításokhoz vezetett. Ugyanezen a teszten az Opus 5.5 54,4%-ot, a GPT-6 Sol 49,3%-ot ért el.

Az Anthropic maga is jelzi a mérések korlátait: a Terminal-Bench és a CursorBench esetében nem állt rendelkezésre GPT-6 Sol adat, ezért ott a GPT-5.6 Sol szerepel az összehasonlításban, az AA-tesztek pedig egy hibásan telepített structured outputs beállításon futottak — a cég szerint ez legfeljebb alulbecsli a modellt. A VentureBeat arról írt, hogy rákérdezett a sebességmérés pontos módszertanára, de a cikk megjelenéséig nem kapott választ. A 30%-os gyorsulás tehát egyelőre az Anthropic saját tesztje, független megerősítés nélkül.

A költséghatékonysági görbék is figyelemre méltók: alacsony és közepes erősségen a Sonnet 5.5 több teszten hozza a Sonnet 5 legjobb pontszámát nagyjából tizedákkora feladatonkénti költséggel. A FrontierCode High fokozatán 10 ponttal jobb eredményt ad, körülbelül tizenötöd áron.

Árazás és elérhetőség

A tokenárak egy az egyben megegyeznek a Sonnet 5 árazásával, és fele-negyede az Opus 5.5-nek (millió tokenre vetítve, Sonnet 5.5 / Opus 5.5):

• Bemenet: 2 dollár / 4 dollár
• Kimenet: 10 dollár / 20 dollár
• Cache olvasás: 0,20 dollár / 0,20 dollár
• Cache írás: 2,50 dollár / 5 dollár

A mezőny szorosan áll: a VentureBeat összevetése szerint az OpenAI GPT-6 Sol standard API-ára pontosan ugyanez a 2/10 dolláros szint, 1,05 millió tokenes kontextusablakkal, a Google Gemini 3.8 Flash pedig 2026 végéig 0,75/3,75 dolláros bevezető áron fut, ami 2027. január 1-jétől 1,50/7,50 dollárra emelkedik. Az Anthropic érvelése éppen ezért nem az árcímkére, hanem a feladatonkénti költségre épül.

Egy apró csavar is van a képben: a The Next Web felidézte, hogy a Sonnet 5 esetében a 2/10 dolláros szint eredetileg bevezető árként szerepelt augusztus 31-ig, utána 3/15 dollárra emelkedett volna. Hogy az emelés végül elmaradt, vagy az Anthropic a bevezető árhoz hasonlít, a nyilvános közleményekből nem dönthető el — ezt érdemes fenntartással kezelni a költségkalkulációnál.

Fontos technikai részlet a váltáshoz: a Claude Code-ban és az appokban az alapértelmezett erősség Medium, a Claude Platformon pedig High. Aki eddig kikapcsolt gondolkodással futtatta a Sonnetet, annak át kell állnia az új between_tools beállításra az Anthropic migrációs útmutatója szerint.

Biztonság: először kap kibervédelmet egy Sonnet

A Sonnet 5.5 kiberképességei az Anthropic szerint az Opus 5-tel összemérhetők, és ez komoly következménnyel jár: ez az első Sonnet, amely kiberbiztonsági védelemmel és fallbackkel érkezik. Magas kockázatú kiberfeladatoknál a rendszer láthatóan visszavált a Sonnet 5-re; a rutin szoftverfejlesztést ez nem érinti. A biológiai védelem szintje változatlan maradt.

Újdonság az is, hogy a Sonnet 5.5 kap elsőként osztályozókat a reasoning extraction, vagyis a gondolatmenet-kinyerésen alapuló desztilláció ellen — ez az a technika, amellyel egy versenytárs olcsón lemásolhatná a modell érvelési mintáit. A bővített preserved thinking miatt a gondolatmenet ahhoz a fiókhoz kötődik, amelyik létrehozta, ami fiókváltáskor a Claude Code-ban észrevehető változást okozhat.

Az alignment-oldalon nagyjából 1850 forgatókönyves auditot futtattak: a modell a legtöbb mércén a Sonnet 5-tel azonos vagy jobb, a sandbox-szökés kockázatában pedig az Opus 5.5-höz közelít, és az Anthropic szerint ez a modelljük feszegeti legkevésbé a konténer határait. Összességében az Opus 5.5 még mindig valamivel jobban teljesít. A kiberbiztonsági AI-modellek körüli szigorodásról korábban részletesen is írtunk.

Öt döntéshozói következtetés

1. A tokenár félrevezető mérőszám. Ha a modell kevesebb eszközhívásból és kevesebb tokenből dolgozik, a valós számla akkor is csökken, ha az árlista nem mozdul. A költségtervezést feladatonkénti, ne millió tokenre vetített alapon érdemes újraszámolni.
2. A csúcsmodell nem minden munkára kell. A Terminal-Bench és a CursorBench eredményei alapján az agentic kódolás nagy részében a Sonnet 5.5 az Opus 5.5 közelében jár, fele tokenáron. Az Opus továbbra is az összetett, hosszan tartó ítéletalkotást igénylő feladatoké marad.
3. A nagyobb erősség nem automatikusan jobb. A FrontierCode Max-anomáliája jól mutatja, hogy a magasabb fokozat több alügynököt és több hibalehetőséget is jelenthet. A saját munkafolyamatodon mérd le, melyik szint a nyerő — ne az alapértelmezettet fogadd el.
4. Van migrációs teendő. A between_tools átállás a gondolkodás nélkül futtatott integrációknál kötelező, és a preserved thinking fiókhoz kötése is érintheti a több fiókkal dolgozó csapatokat. Ezeket a váltás előtt kell végigvinni.
5. A vendor-mérésekre egészséges szkepszis jár. A 30%-os sebességnövekedés az Anthropic saját tesztje, a módszertanról a VentureBeat kérdésére nem érkezett válasz. Érdemes a saját tipikus feladataidon A/B-tesztet futtatni, mielőtt egy egész pipeline-t átállítasz.

Kinek érdemes váltania?

Az Anthropic a Sonnet 5.5-öt jól körülhatárolt, hétköznapi feladatokra ajánlja: hibajavításra, dokumentumokra, prezentációkra, táblázatokra és UI-designra. Egy belső tesztjükben a modell egy negyedéves eredményanyagból és egy sablonból tíz diás operating review-t készített, amit két szakértő szerint már az első változatban el lehetett volna küldeni.

A gyakorlati döntés nagyjából így áll: ha jelenleg Claude Sonnet 5-öt használsz, a váltás szinte magától értetődő, mert azonos áron kapsz gyorsabb és kevesebb tokent fogyasztó modellt. Ha Opus 5.5-ön futtatsz rutinfeladatokat, érdemes kipróbálni, mennyi megy át belőlük érdemi minőségromlás nélkül. Ha viszont a munka lényege a hosszú, nyitott végű, folyamatos ítéletalkotást igénylő feladat, az Anthropic saját megfogalmazása egyértelmű.

„Az Opus 5.5 továbbra is egyértelműen erősebb az összetett, nyitott végű munkában, amely tartós ítéletalkotást igényel.” — Anthropic, a Claude Sonnet 5.5 bejelentése

Az olcsóbb, ügynöki futásra optimalizált modellek iránya nem új: néhány hete a Claude Fable 5.1 hozott hasonló logikájú árazást. A Sonnet 5.5 ezt a vonalat viszi tovább a legnagyobb volumenű szegmensbe.

Összefoglaló

A Claude Sonnet 5.5 nem képességi áttörés, és ezt az Anthropic sem állítja. Amit hoz, az a hétköznapi AI-használat gazdaságtanának átrendezése: ugyanazért a tokenárért kevesebb tokenből, kevesebb eszközhívásból és gyorsabban készül el a munka, ráadásul a csúcsmodellekre fenntartott kiberbiztonsági és desztilláció elleni védelemmel. A benchmarkszámok az Anthropic saját mérései, független megerősítés nélkül — a valós előnyt a saját feladataidon futtatott tesztek mutatják meg.

Kapcsolódó összehasonlításunk: ChatGPT vs Claude vs Gemini: melyik a legjobb 2026-ban?

Ha nem akarsz lemaradni a modellfrissítésekről és arról, mit jelentenek a gyakorlatban, iratkozz fel az AI Hírek hírlevelére — a hét legfontosabb AI-híreit és elemzéseit küldjük el, tömören.