Step 5 Preview vs. Claude Sonnet 5.5: Zwölf Indexpunkte, zehnmal die Aufgabenrechnung

Step 5 Preview und Claude Sonnet 5.5 sind die beiden Modelle, die Leser diesen Monat tatsächlich gegeneinander abwägen: eine StepFun-Vorschau für $1.00 / $2.70 pro Million Token, die am 20. September 2026 startete, und das Claude Sonnet 5.5 für $2.00 / $10.00, das am 28. September erschien. Auf dem unabhängigen Board liegen sie zwölf Punkte auseinander – 44 gegen 56 auf dem Artificial Analysis Intelligence Index v4.3.2 – und zwölf Punkte sind eine echte Lücke. Es ist aber auch nicht die Zahl, die über die Rechnung entscheidet. Die Zahl, die über die Rechnung entscheidet, sind die Kosten pro abgeschlossener Aufgabe, und dort steht auf demselben Board $0.71 für Step 5 Preview gegenüber $7.60 für Claude Sonnet 5.5 bei maximalem Aufwand. Zehneinhalbmal so viel Geld für zwölf Punkte. Nahezu jede andere Zeile auf den beiden Karten ist ein Argument darüber, mit welcher Hälfte dieses Tauschs man leben kann.

Die beiden Tarifkarten, Zeile für Zeile

Alle Angaben in diesem Abschnitt sind die eigenen veröffentlichten Preise der jeweiligen Anbieter, abgerufen am 9. Oktober 2026.

• Eingabe — Step 5 Preview 1,00 $ pro Million Token vs. Claude Sonnet 5.5 2,00 $ pro Million Token

• Ausgabe — 2,70 $ vs. 10,00 $ pro Million Tokens; die Zeile, die beide Rechnungen dominiert

• Zwischengespeicherte Eingabe – Step 5 Preview nennt einen pauschalen Eingaberabatt von 95 %, wodurch ein Cache-Treffer bei etwa 0,05 $ pro Million Tokens liegt, verglichen mit den 0,20 $ für den Cache-Lesevorgang bei Claude Sonnet 5.5

• Cache-Schreibvorgang — Claude Sonnet 5.5 gibt 2,50 US-Dollar pro Million Tokens für einen fünfminütigen Cache-Schreibvorgang an; StepFun hat überhaupt keinen Cache-Schreib-Tarif veröffentlicht, sodass diese Hälfte des Vergleichs auf einer Seite leer bleibt

• Kontextfenster – 1M Token auf beiden Karten

• Maximale Ausgabe — Claude Sonnet 5.5 dokumentiert 128.000 Token (und 300.000 bei der Message Batches API hinter einem Beta-Header); StepFun hat für Step 5 Preview keine Obergrenze für die Ausgabe veröffentlicht

• Modalität — beide nehmen Text und Bilder entgegen und geben nur Text zurück

• Reasoning-Steuerung — Step 5 Preview bietet erweitertes Denken ohne veröffentlichte Aufwandsstufen; Claude Sonnet 5.5 bietet eine Aufwandsleiter, deren höchste Einstellungen genau dort liegen, wo die eigenen Kosten pro Aufgabe explodieren

• Gewichte — der BF16-Checkpoint von Step 5 Preview ist für den 15. Oktober 2026 zugesagt und noch nicht eingetroffen; Claude Sonnet 5.5 ist proprietär

Zwei dieser Zeilen leisten mehr als die Schlagzeile. Die Cache-Zeile ist die Stelle, an der die günstige Karte noch günstiger wird, denn ein Rabatt von 95 % auf einen Dollar ergibt einen Cache-Lesevorgang für fünf Cent, und der von Anthropic kostet zwanzig. Und die Zeile zur Ausgabe-Obergrenze läuft in die andere Richtung: Der eine Anbieter sagt dir, wo seine Stärke liegt, der andere bewirbt ein Fenster von einer Million Token, ohne zu sagen, wie viel davon wieder herauskommen kann.

Woher die zwölf Punkte tatsächlich stammen

Die beiden folgenden Werte stammen von Artificial Analysis und beziehen sich auf Intelligence Index v4.3.2; beide wurden von der Seite des Modells selbst abgelesen, nicht aus einer Anbietertabelle.

• Intelligence Index — Claude Sonnet 5.5 56, Platz 3 von 216 vs. Step 5 Preview 44, Platz 45 von 200. Zwei unterschiedliche Klassengrößen, weil die Boards zu unterschiedlichen Zeitpunkten gerendert wurden; vergleichbar sind die Scores.

• Kosten pro Index-Task — 7,60 $ vs. 0,71 $. Anthropics Wert gilt für die Konfiguration, die das Board als „Adaptive Reasoning, Max Effort, Default Fallback“ bezeichnet, also das teure Ende der Skala dieses Modells.

• Ausgabe-Tokens, die während des Indexlaufs generiert wurden – 410 Mio. vs. 160 Mio., gegenüber einem Board-Median von 88 Mio. Beide Modelle sind gemessen am Maßstab des Boards wortreich. Eines liegt bei mehr als dem Vierfachen des Medians, das andere bei nicht ganz dem Doppelten.

Ausgabegeschwindigkeit — Step 5 Preview kommt auf etwa 100 Tokens pro Sekunde gegenüber einem Durchschnitt von 70. Artificial Analysis hatte zum Zeitpunkt des Verfassens keine Angabe zur Ausgabegeschwindigkeit für Claude Sonnet 5.5 veröffentlicht, weshalb diese Zeile als einseitig statt als gewonnen zählt.

Fügt man die ersten beiden Zeilen zusammen, zeigt sich die Gestalt der Entscheidung. Zwölf Indexpunkte trennen diese Modelle; ein Faktor von zehn Komma fünf trennt die Kosten dafür, dieselbe Evaluation laufen zu lassen. Die Punkte sind real – die Ranglücke bringt das eine unter die drei besten Modelle, die das Board bewertet, und das andere ins oberste Viertel –, doch ein Team, das 7,60 $ pro Aufgabe für eine anspruchsvolle agentische Arbeitslast zahlt, zahlt für Abwägung, und die Frage ist, ob ihre Aufgaben das brauchen.

Herstellertabellen werden das nicht klären, und hier ist der Beweis

Beide Labore veröffentlichen einen Wert für Terminal-Bench 4.0. In Anthropics Ankündigung zu Sonnet 5.5 werden 70,6 % dafür angegeben, gegenüber 10,3 % für das Modell, das es ersetzt. Der von StepFun selbst veröffentlichte Wert für Step 5 bei Terminal-Bench 4.0 beträgt 33,3 %. Beide wurden von den Anbietern selbst durchgeführt, beide wurden von keiner dritten Partei reproduziert, und sie liegen bei einem Benchmark mit demselben Namen 37 Punkte auseinander.

Diese Lücke ist kein Beleg dafür, dass ein Modell doppelt so gut ist. Sie ist ein Beleg dafür, dass zwei Labore, die den gleichnamigen Harness mit unterschiedlichen Konfigurationen, Agenten-Scaffolds und Effort-Einstellungen ausführen, Zahlen erzeugen, die sich nicht voneinander subtrahieren lassen. Das ist das wiederkehrende Problem bei Launch-Tag-Vergleichen, und es ist der Grund, warum jede Zeile in diesem Artikel, die von einem Labor stammt, als solche gekennzeichnet ist. Wo ein Dritter beide Modelle auf einem Harness gemessen hat, verwende man diese Zahlen. Wo nicht, behandle man die Herstellerangabe als Behauptung über eine Absicht.

Anthropics eigene Migrationsnotiz zum Start von Sonnet 5.5 ist es wert, in diesen Vergleich einbezogen zu werden, denn sie gilt für jeden Preview-Endpunkt, den Sie bewerten. Die Empfehlung des Anbieters lautete, dass die Effort-Level zwischen Sonnet 5 und 5.5 neu kalibriert wurden und dass Teams ihren Effort-Sweep erneut ausführen sollten, statt eine Einstellung einfach zu übernehmen. Die entsprechende Warnung gilt hier in die andere Richtung: Step 5 Preview ist eine Preview, seine Serving-Konfiguration ist noch in Bewegung, und eine Einstellung, die auf den Endpunkt dieser Woche abgestimmt wurde, ist keine Einstellung, die Ihnen gehört.

Beide reden zu viel, allerdings in unterschiedlichem Ausmaß.

Ausführlichkeit ist die Zeile, die aus einem Preisblatt eine Rechnung macht. Step 5 Preview generierte 160 Millionen Ausgabe-Tokens, um die Index-Suite zu absolvieren, während das Medianmodell des Boards etwa 92 Millionen generiert – rund das 1,7-Fache des Medians. Claude Sonnet 5.5 generierte 410 Millionen, also etwa das 4,7-Fache des Medians.

Bei 2,70 $ pro Million Ausgabe-Tokens macht die Ausführlichkeit von Step 5 Preview einen großen Anteil einer kleinen Zahl aus. Bei 10,00 $ macht die von Claude Sonnet 5.5 den Großteil einer sehr großen Zahl aus. Keines der beiden Modelle ist prägnant, und das Marketing keines der beiden Anbieter beschreibt es so. Die praktische Konsequenz ist, dass eine Token-pro-Aufgabe-Messung auf Ihrem eigenen Traffic Ihnen mehr über den tatsächlichen Kostenunterschied verrät als die Preislisten, weil die Preislisten davon ausgehen, dass beide Modelle die gleiche Anzahl von Wörtern für die gleiche Antwort schreiben. Das tun sie nicht.

Die Cache-Zeile, an einer echten Schleife durchgerechnet

Nehmen Sie eine Agentenschleife mit einem stabilen Präfix von 40.000 Token – einem System-Prompt plus Repository-Kontext –, das über dreißig Züge hinweg bei jedem Zug erneut gesendet wird, wobei das Präfix einmal geschrieben und neunundzwanzig Mal getroffen wird. Das sind 1,16 Millionen zwischengespeicherte Eingabe-Tokens pro Sitzung.

• Claude Sonnet 5.5 — ein Schreibvorgang zu 2,50 $ pro Million Token, etwa 0,10 $, dann 1,16 Mio. gelesene Token zu 0,20 $ pro Million, etwa 0,23 $. Insgesamt etwa 0,33 $ pro Sitzung, bevor neuer Input oder Output hinzukommt.

• Step 5 Preview — liest zum angegebenen Rabatt von 95 %, also etwa 0,05 $ pro Million und ungefähr 0,06 $ pro Sitzung. Die Schreibhälfte ist nicht bepreist, weil StepFun keine Cache-Schreibrate veröffentlicht hat.

Bei den Zeilen, die wir tatsächlich bepreisen können, kostet der gecachte Traffic auf der Anthropic-Karte etwa fünfmal mehr, und der Haken ist, dass eine der beiden Schreibraten noch nicht existiert. Das ist die Workload, für die beide Modelle verkauft werden, weshalb die Zeile wichtiger ist, als es die Rabattprozentsätze aus den Schlagzeilen erscheinen lassen.

Wo jede einzelne tatsächlich genannt werden kann

Claude Sonnet 5.5 ist in unserem Katalog als anthropic/claude-sonnet-5.5, zu den eigenen $2.00 und $10.00 von Claude Sonnet 5.5, mit einem Cache-Lesevorgang für $0.20, einem Kontextfenster von 1.000.000 Token und einer maximalen Ausgabe von 128K — Listenpreis bei 0 % Aufschlag durchgereicht, sodass eine Änderung auf Anthropics Preiskarte am selben Tag auch eine Änderung auf unserer ist. Step 5 Preview ist nicht in diesem Katalog, und wir werden nichts anderes suggerieren: Es antwortet über StepFuns eigene API und, bis der versprochene Checkpoint eintrifft, gar nirgendwo sonst.

Diese Asymmetrie hat einen praktischen Nutzen. Lägen beide Modelle hinter einem Schlüssel mit automatischem Failover, wäre das Verschieben einer Workload von einem zum anderen lediglich eine Änderung des Model-Strings und sonst nichts – was der ehrliche Grund dafür ist, den Zugang generisch zu halten. Derzeit steht der Vergleich zwischen einem Modell, das Sie über Ihre bestehende Route aufrufen können, und einem, das Sie separat anbinden müssen, wobei es sich beim zweiten um eine Preview handelt, deren Serving-Flotte noch aufgebaut wird. Unbewiesene Kapazität hinter einen Router mit Failover auf etwas bereits Qualifiziertes zu stellen, ist die günstige Absicherung; ein Primärpfad, der direkt auf einen Preview-Endpunkt zeigt, ist es nicht.

Was würde dieses Urteil ändern?

Drei Dinge, alle datierbar. Das erste ist der 15. Oktober 2026, an dem StepFuns BF16-Checkpoint fällig ist. Wenn die Lizenz Fine-Tuning erlaubt und die Gewichte echt sind, ist der Zwölf-Punkte-Abstand keine feste Eigenschaft des Modells mehr, sondern etwas, das ein Team mit seinen eigenen Daten angehen kann – dann wird die zehnmal günstigere Karte zu einem viel interessanteren Ausgangspunkt. Wenn sich der Checkpoint verzögert oder die Lizenz restriktiv ist, bleibt der Abstand genau dort, wo die Rangliste ihn platziert hat.

Das Zweite ist, ob Anthropics eigene Lektion zur Neukalibrierung des Aufwands hier angewendet wird. Der Vorteil von Sonnet 5.5 pro Aufgabe gegenüber Sonnet 5 besteht bei niedrigem und mittlerem Aufwand, nicht bei maximalem, und bei maximalem ist das Gegenteil der Fall. Ein Step-5-Preview-Käufer, der den Aufwand nie durchtestet, vergleicht ein Modell in seinem Standardzustand mit einem Modell in seinem Standardzustand, was auf der Anthropic-Seite nicht dort ist, wo die kostengünstige, hochwertige Arbeit stattfindet.

Das dritte ist ein richtiger unabhängiger Lauf von Step 5 Preview in einer Konfiguration, die mit der vergleichbar ist, in der Anthropics Zahl gemessen wird. Bis es ihn gibt, ist die 44 eine einzelne bewertete Konfiguration ohne Leiter daneben, und unter der 56 liegt eine ganze Aufwandskurve. Der Vergleich ist ehrlich, so wie er geschrieben steht; symmetrisch ist er noch nicht.

Für ein Team, das sich heute statt am 15. entscheidet: Wenn die Arbeitslast langen Kontext, viel Cache und häufige Wiederholungen mit sich bringt, spricht die Rechnung auf dieser Seite um eine Größenordnung für die günstige Karte, und die Leistungslücke ist der Preis des Einstiegs. Wenn die Arbeitslast schwierig und kurz ist und von einem Menschen bewertet wird, der den Unterschied zwischen 44 und 56 bemerken wird, ist die teure Karte diejenige, die die Aufgabe zu Ende bringt. Keine der beiden Antworten übersteht den Kontakt mit einer Arbeitslast, die beides zugleich ist – und genau dafür ist ein Router da.

Listenpreis mit 0 % Aufschlag durchgereicht, eine Änderung an Anthropics Preiskarte ist also am selben Tag eine Änderung an unserer.

Automatisches Failover auf einem Router ermöglicht es, einen Vorschau-Endpunkt hinter einem qualifizierten Fallback auszuwerten statt als primären Pfad.