Claude Sonnet 5 ist Anthropics leistungsfähigstes Sonnet-Klasse Modell – Spitzenleistung in den Bereichen Programmierung, agentische Arbeitsabläufe und professionelles Fachwissen, zu einem Bruchteil der Kosten der Opus-Stufe. Es bietet ein Kontextfenster von 1 Million Token mit bis zu 128.000 Ausgabetoken, akzeptiert Text-, Bild- und Dateieingaben mit Textausgabe und unterstützt adaptives Denken mit wählbarem Denkaufwand (niedrig, mittel, hoch, maximal), sodass Anrufer den Kompromiss zwischen Intelligenz, Latenz und Kosten pro Anfrage einstellen können. Als Anthropics bisher agentischster Sonnet entwickelt, erzielt es große Fortschritte gegenüber Sonnet 4.6 bei agentischem Codieren und Computer-Nutzung und schließt einen Großteil der Lücke zu Opus 4.8 – 63.2% auf SWE-bench Pro, 80.4% auf Terminal-Bench 2.1 und 81.2% auf OSWorld-Verified – während die Preise deutlich unter denen von Opus 4.8, GPT-5.5 und Gemini 3.1 Pro liegen. Es ist eine starke Standardoption für kostenbewusste Agenten, Programmierassistenten und hochvolumige Produktionsworkloads, die dennoch Spitzen-Denkfähigkeiten erfordern.
Claude Sonnet 5 ist ein Anthropic-Modell, das für langkontextuelle, multimodale Aufgaben konzipiert wurde. Es unterstützt bis zu 1.000.000 Eingabe-Token – genug, um ganze Codebasen, lange Dokumente…
Claude Sonnet 5 zeichnet sich bei codebezogenen Aufgaben aus – vom Lesen ganzer Codebasen bis hin zur Generierung komplexer Algorithmen. Mit einem 1M-Token-Kontext kann es mehrere Dateien in einem einzigen Prompt aufnehmen, dateiübergreifende Abhängigkeiten verstehen und refaktorisierten Code, Debug-Erklärungen oder Unit-Tests erstellen. Es unterstützt beliebte Sprachen wie Python, JavaScript, Java, C++, Go, Rust und viele weitere und antwortet in der vom Benutzer gewählten Sprache. Das Modell kann außerdem über Code-Ausführungspfade nachdenken, logische Fehler erkennen und Optimierungen vorschlagen. Für Aufgaben wie das Generieren einer REST API aus einer Spezifikation, die Umwandlung einer monolithischen Codebasis in Microservices oder das Überprüfen eines Pull Requests durch gleichzeitiges Betrachten aller geänderten Dateien bietet Claude Sonnet 5 eine leistungsstarke Single-Call-Lösung. Der OSWorld-Verified-Score von 81,2 deutet auf eine starke Leistung bei betriebssystembezogenen Benchmarks hin und spiegelt seine Code-und-Befehls-Kompetenz wider.
Claude Sonnet 5 kann Bilder als Eingaben akzeptieren – entweder direkt hochgeladen (als Base64 oder per URL) oder in Dokumente eingebettet – und deren Inhalt analysieren. Es kann Szenen beschreiben, Objekte identifizieren, Text aus Bildern lesen und visuelle Fragen beantworten. Das Bildverständnis beschränkt sich nicht auf statische Fotos; es kann Diagramme, Grafiken, Screenshots, handschriftliche Notizen und sogar Videobilder (wenn als Einzelbilder bereitgestellt) verarbeiten. Da das Kontextfenster groß ist, können für Aufgaben wie visuellen Vergleich, mehrseitige Dokumentenanalyse oder die Erkennung von Änderungen in einer Reihe von Screenshots viele Bilder in einer einzigen Eingabeaufforderung enthalten sein. Das Modell behandelt Bilder als Teil des Gesprächsverlaufs, sodass es visuelle Hinweise mit textuellen Anweisungen kombinieren kann. Beachten Sie, dass die Bild-Tokenisierung proportional zur Auflösung Tokens verbraucht; OrcaRouter übernimmt automatisch die Kodierung und sendet die Daten im von Anthropic erwarteten Format.
Während Claude Sonnet 5 pro Token für seine Fähigkeiten kosteneffizient ist, gibt es Situationen, in denen ein leichteres Modell besser geeignet sein kann. Für einfache Textgenerierung – kurze E-Mails, Social-Media-Beiträge oder grundlegende Fragen und Antworten – kann ein kleineres und günstigeres Modell wie Claude Haiku oder GPT-4o-mini bei einem Bruchteil der Kosten angemessene Ergebnisse liefern. Wenn Ihr Workflow extrem vorhersehbare, wenig komplexe Aufgaben umfasst (z. B. Schlüsselwortextraktion, Übersetzung ohne Nuancen), ist der Overhead eines Modells mit großem Kontext unnötig. Für Bildverarbeitungsaufgaben, die nur OCR ohne tiefgehende Analyse erfordern, kann eine dedizierte Vision-API günstiger sein. Wenn Ihr Eingabekontext zudem konstant unter 32.000 Token bleibt, benötigen Sie möglicherweise das 1M-Fenster nicht und könnten ein Modell mit kleinerem Kontext, aber niedrigerem Preis pro Token verwenden. Bewerten Sie stets Kosten vs. Qualität für Ihren spezifischen Anwendungsfall.
Claude Sonnet 5 glänzt in hochkontextuellen, multimodalen Szenarien, in denen ein einzelner Modellaufruf große oder gemischte Daten verarbeiten muss. Ideale Anwendungsfälle sind: die Analyse eines gesamten Code-Repositorys auf Sicherheitslücken, die Erstellung umfassender Dokumentationen aus einer Reihe von Designdokumenten und Screenshots, die Prüfung rechtlicher Verträge über Hunderte von Seiten, die Analyse medizinischer Berichte unter Kombination von Bildgebungsdaten und klinischen Notizen sowie interaktive Assistenten, die lange Gesprächsverläufe beibehalten (z. B. Tagebuchführung, Therapie, Forschung). Die starken Argumentationsfähigkeiten machen es zudem geeignet für wissenschaftliche Problemlösungen, komplexe Datenextraktion aus PDFs und den Aufbau intelligenter Agenten, die mehrstufige Aufgaben mit Dateianhängen verwalten. Für kreatives Schreiben, das eine konsistente Stimme über viele Kapitel erfordert, hilft die große Ausgabelimitierung, vollständige Entwürfe in einem Durchgang zu erstellen. Bei Zugriff über OrcaRouter senkt die Nullaufschlag-Preisgestaltung die Kosten dieser hochvolumigen Anwendungsfälle zusätzlich.
Claude Sonnet 5 erreichte eine Punktzahl von 81,2 auf OSWorld-Verified, einem Benchmark, der die Fähigkeit eines Modells misst, Betriebssystemaufgaben – wie Dateioperationen, Befehlsausführung, Multitasking und Kommandozeilen-Nutzung – mithilfe von Anweisungen in natürlicher Sprache auszuführen. Eine Punktzahl von 81,2 zeigt, dass das Modell zuverlässig eine breite Palette von Befehlen und Szenarien auf Betriebssystemebene interpretiert und ausführt. Dies ist relevant für Entwickler, die Automatisierungstools, KI-gestützte DevOps-Pipelines und jede Anwendung erstellen, die das Modell als kompetenten Assistenten für Betriebssysteminteraktionen erfordert. Der Benchmark testet sowohl die Skripterstellung als auch die Fähigkeit, Betriebssystemkonzepte wie Pfade, Berechtigungen und Prozesse zu verstehen. Obwohl kein perfekter Indikator für die reale Leistung, deutet diese Punktzahl darauf hin, dass Claude Sonnet 5 zu den leistungsstärksten Modellen für agentische Codeausführung und systemnahe Aufgaben gehört.
Claude Sonnet 5 zeichnet sich vor allem durch seinen großen Kontextfenster (1M Tokens), sein hohes Ausgabelimit (128K Tokens), seine starken multimodalen Argumentationsfähigkeiten und seine Betriebssystemkompetenz (81,2 OSWorld-Verified) aus. Es verarbeitet lange Dokumente, komplexe Codebasen und gemischte Eingaben mit hoher Kohärenz. Allerdings hat es, wie alle Modelle, Einschränkungen. Die effektive Kontextleistung kann am Ende des Fensters nachlassen; Anthropic empfiehlt, für beste Ergebnisse unter ~900K Tokens zu bleiben. Das Modell kann bei stark nuancierten kulturellen Bezügen, der Generierung faktischer Daten (es kann Zahlen halluzinieren) und Aufgaben, die Echtzeitwissen jenseits seines Trainingsabschlussdatums erfordern, Schwierigkeiten haben (Anthropic hat das genaue Datum nicht bekannt gegeben, es liegt jedoch ungefähr Anfang 2025). Die Bildverarbeitungsfähigkeiten sind gut, aber nicht auf dem neuesten Stand für feinkörnige Objekterkennung. Die Preisgestaltung ist zwar ohne Aufschlag, aber dennoch höher als bei kleineren Modellen. Die Latenz ist typisch für ein großes Modell – Antworten können aufgrund der großen Kontextverarbeitung langsamer sein.
Latenz für Claude Sonnet 5 hängt stark von der Eingabegröße und Ausgabelänge ab. Bei einem 1M-Token-Kontext kann die anfängliche Prompt-Verarbeitung mehrere Sekunden bis Minuten dauern, da das Modell das gesamte Fenster beachten muss. Sobald die Verarbeitung beginnt, liegt die Token-Generierungsgeschwindigkeit typischerweise im Bereich von 20–40 Token pro Sekunde (abhängig von der Auslastung und der Infrastruktur des Anbieters). Kleinere Eingaben (z.B. ein paar hundert Token) weisen eine schnellere First-Token-Latenz auf, oft unter einer Sekunde. Streaming ist standardmäßig über die API von OrcaRouter aktiviert, sodass Sie die ausgegebenen Tokens sehen können, während sie generiert werden. Für latenzempfindliche Anwendungen (z.B. Echtzeit-Chat) sollten Sie ein kleineres Modell verwenden oder den Kontext kürzen. OrcaRouter fügt keine signifikante Latenz über die eigene API von Anthropic hinaus hinzu – der Overhead ist vernachlässigbar, da es die Anfrage an die Endpunkte von Anthropic weiterleitet.
Anthropic hat zum Zeitpunkt der Erstellung dieses Textes noch keine umfassende Benchmark-Suite für Claude Sonnet 5 veröffentlicht. Die einzige bereitgestellte Zahl ist 81,2 auf OSWorld-Verified. Im Allgemeinen liegt die Leistung des Modells bei allgemeinem Reasoning wahrscheinlich auf dem Niveau anderer Claude Sonnet Modelle bei Standard-NLP-Benchmarks wie MMLU, HumanEval und GSM8K, jedoch sind keine genauen Werte vom Anbieter verfügbar. In der Praxis deuten frühe Benutzerberichte auf eine starke Leistung bei Codegenerierung, Dokumenten-QA und Aufgaben mit langem Kontext hin. Wir empfehlen, eine eigene Auswertung für Ihren spezifischen Anwendungsfall durchzuführen, da Benchmarks irreführend sein können. OrcaRouter ermöglicht es Ihnen, das Modell schnell über seine API ohne Vorabkosten zu testen – setzen Sie einfach die Modell-ID auf „anthropic/claude-sonnet-5“ und beginnen Sie mit Prompts, um die Leistung für Ihre Daten zu bewerten.
Claude Sonnet 5 auf OrcaRouter wird zum Anbieterpreis von Anthropic ohne Aufschlag abgerechnet: 2,00 $ pro 1 Million Eingabetoken und 10,00 $ pro 1 Million Ausgabetoken. Sowohl Eingabe- als auch Ausgabetoken werden als normale Texttoken gezählt (Bilder und Dateien werden gemäß dem Schema von Anthropic tokenisiert). Es fallen keine zusätzlichen Gebühren für Authentifizierung, Ratenbegrenzung oder Datenübertragung an. OrcaRouter berechnet auf Basis der rohen Tokenanzahl, die von Anthropic gemeldet wird; dies umfasst alle System-Prompts, Benutzernachrichten, Bildtoken und die generierte Antwort. Die Abrechnung erfolgt nutzungsbasiert, und Sie bezahlen nur das, was Sie verbrauchen. Für Vielnutzer vermeidet dieses transparente Modell Überraschungsgebühren. Es gibt keine Mindestausgabe oder Vertragsbindung – Sie fügen einfach Guthaben hinzu oder richten die Abrechnung im OrcaRouter-Dashboard ein, und Ihr Verbrauch wird zu den oben genannten Sätzen abgezogen.
Claude Sonnet 5's Preisgestaltung ($2/$10 pro 1M Tokens) liegt zwischen den günstigeren Modellen von Anthropic (wie Haiku mit $0,25/$1,25) und den Premium-Modellen (wie Claude Opus mit $15/$75). Bei Aufgaben mit langen Kontexten sind die Kosten pro Million Tokens angesichts der 1M-Kapazität relativ niedrig. Wenn Sie jedoch das gesamte Kontextfenster nutzen, können die absoluten Kosten pro Abfrage ansteigen – eine vollständige 1M-Input-Token-Anfrage kostet $2,00 allein für den Input. Vergleichen Sie das mit einem kleineren Kontextmodell wie GPT-4o-mini ($0,15/$0,60) für kurze Abfragen. Der Kompromiss: Claude Sonnet 5 bietet eine höhere Argumentationsqualität und größere Kapazität, aber zu einem höheren Preis pro Token. Für Aufgaben, die wirklich einen großen Kontext oder multimodale Argumentation erfordern, kann das Modell effizienter sein, als die Arbeit auf mehrere API-Aufrufe zu verteilen. OrcaRouters Null-Aufschlag stellt sicher, dass Sie keine zusätzlichen Vermittlungsgebühren zahlen, sodass der Vergleich direkt mit anderen Anbietern erfolgt.
OrcaRouter bietet derzeit keine separate Prompt-Caching-Schicht für Claude Sonnet 5 an; alle Token werden zum Standard-Eingabesatz abgerechnet. Während Anthropics eigene API für einige Modelle Prompt-Caching unterstützen mag (was die Kosten für wiederholte Präfixe senkt), gibt OrcaRouter Token unabhängig von Wiederholungen zum gleichen Preis weiter. In der Praxis werden Ihnen bei wiederholtem Senden desselben großen System-Prompts jedes Mal die Eingabe-Token in Rechnung gestellt. Es gibt keinen Rabatt für zwischengespeicherte Inhalte. Dies ist wichtig zu bedenken, wenn Ihr Arbeitsablauf statische, umfangreiche Anweisungen umfasst – es könnte kosteneffizienter sein, ein kleineres Modell zu verwenden oder eine andere Architektur zu wählen. Da OrcaRouter jedoch keinen Aufschlag erhebt, zahlen Sie keinen zusätzlichen Overhead; die Kosten entsprechen ausschließlich dem von Anthropic gelisteten Preis. Zukünftige Caching-Funktionen könnten hinzugefügt werden, aber derzeit erfolgt die Abrechnung pro Aufruf basierend auf der vollen Token-Anzahl.
Wenn Sie eine Eingabe senden, die das Kontextfenster von 1.000.000 Token überschreitet, gibt OrcaRouter einen Fehler zurück (typischerweise einen 400-Status mit einer Meldung über die Kontextlänge). Das Modell kürzt die Eingabe nicht; Sie müssen die Token-Anzahl manuell verwalten. Für die Ausgabe: Wenn das Modell vor Abschluss das Maximum von 128.000 Token erreicht, stoppt es die Generierung und gibt einen finish_reason von "length" (in der API-Antwort) zurück. Sie können die Konversation dann fortsetzen, indem Sie eine neue Anfrage mit der akkumulierten Ausgabe als Verlauf senden. OrcaRouter wiederholt oder teilt Ihre Anfrage nicht automatisch; es liegt in Ihrer Verantwortung, innerhalb der Grenzen zu bleiben. Tools wie tiktoken können helfen, die Token-Anzahl für Ihre Eingabeaufforderungen zu schätzen. Bei sehr langen Eingaben sollten Sie eine Aufteilung oder einen gleitenden Fensteransatz in Betracht ziehen, obwohl das große Kontextfenster von Claude Sonnet 5 die Notwendigkeit einer Aufteilung oft überflüssig macht.
Um Claude Sonnet 5 über OrcaRouter zu nutzen, setzen Sie die Basis-URL auf https://api.orcarouter.ai/v1 und verwenden Sie die Modell-ID „anthropic/claude-sonnet-5“. Die API ist vollständig kompatibel mit dem Chat-Completions-Format von OpenAI, sodass Sie bestehende OpenAI-Client-Bibliotheken nutzen können. Beispielsweise in Python mit dem openai-Paket: Setzen Sie api_key auf Ihren OrcaRouter-Schlüssel, base_url auf den OrcaRouter-Endpunkt und model auf „anthropic/claude-sonnet-5“. Sie können Nachrichten mit role, content (Text und/oder image_url-Teile für Vision) senden. Die Antwort enthält Standardfelder: id, object, choices, usage (prompt_tokens, completion_tokens). Streaming wird durch Setzen von stream=True unterstützt. OrcaRouter übernimmt die Authentifizierung und leitet Ihre Anfrage an das Backend von Anthropic weiter. Es ist keine zusätzliche Konfiguration erforderlich – nur Ihr API-Schlüssel und die korrekte Modellkennung.
Sie können die standardmäßigen OpenAI-kompatiblen Parameter mit OrcaRouter verwenden: messages (erforderlich), model (erforderlich, auf "anthropic/claude-sonnet-5" gesetzt), temperature (0-2, Standard 1), top_p (0-1, Standard 1), max_tokens (Standard 4096, bis zu 128000), stop sequences (Array von Zeichenfolgen), frequency_penalty, presence_penalty (beide -2 bis 2) und stream (boolesch). Zusätzlich können Sie Anthropic-spezifische Parameter über das Feld extra_headers übergeben – zum Beispiel anthropic-version zur Angabe der API-Version. OrcaRouter fügt automatisch die erforderlichen Anthropic-Header hinzu. Bei multimodalen Nachrichten geben Sie den Inhalt als Liste von Teilen mit dem Typ text oder image_url an. Beachten Sie, dass das Modell Tools/Funktionen unterstützt (paralleler Tool-Aufruf). Die Antwort enthält finish_reason, Nutzungsstatistiken und choices. Es gibt keinen separaten Parameter für die Kontextfenstergröße; das Modell verwendet inhärent seine 1M-Kapazität.
Die Migration ist unkompliziert, da OrcaRouter eine OpenAI-kompatible API bereitstellt. Wenn Sie bereits die OpenAI-API verwenden, ändern Sie einfach die base_url auf https://api.orcarouter.ai/v1 und passen Sie den model-Parameter auf "anthropic/claude-sonnet-5" an. Ihr vorhandener Code zum Erstellen von Nachrichten, zur Stream-Verarbeitung und zum Parsen von Antworten sollte ohne Änderungen funktionieren – OrcaRouter gibt standardkonforme OpenAPI-Antworten zurück. Falls Sie einen anderen Anbieter wie die native API von Anthropic (die ein anderes Format verwendet) genutzt haben, müssen Sie möglicherweise Ihr Nachrichtenschema an das OpenAI-Format anpassen (Rollen: system, user, assistant). Die Dokumentation von OrcaRouter bietet Migrationsleitfäden. Wesentliche Unterschiede: Claude Sonnet 5 unterstützt Systemnachrichten, Tools und multimodale Bestandteile. Stellen Sie sicher, dass Ihre Eingabe das Limit von 1 Mio. Token nicht überschreitet. Beginnen Sie mit einem kleinen Testaufruf, um die Konnektivität zu bestätigen und die Latenz zu verstehen, bevor Sie skalieren.
Claude Sonnet 5 verbessert sich gegenüber seinem Vorgänger hauptsächlich in der Kontextfenstergröße (1M vs. 200K Token) und im Ausgabelimit (128K vs. 8K), was es wesentlich besser für die Analyse langer Dokumente und Codebasen geeignet macht. Es führt auch Dateieingabeunterstützung neben Text und Bild ein, während Sonnet 4 auf Text und Bilder beschränkt war. Benchmarks zwischen den beiden sind nicht direkt veröffentlicht, aber der OSWorld-Verified-Score von 81.2 für Sonnet 5 weist auf einen signifikanten Fortschritt bei der Ausführung von Aufgaben auf Betriebssystemebene hin. Die Preisgestaltung hat sich erhöht – die Eingabekosten von Sonnet 4 betrugen $3/M Token, Sonnet 5 liegt bei $2/M – es ist also tatsächlich günstiger pro Eingabe-Token. Der Ausgabepreis liegt bei $10/M gegenüber $15/M von Sonnet 4, eine Reduzierung um 33%. Insgesamt bietet Sonnet 5 ein besseres Preis-Leistungs-Verhältnis für die meisten Anwendungsfälle, insbesondere solche, die einen großen Kontext erfordern. Allerdings könnte Sonnet 4 für kurze Aufgaben, bei denen der große Kontext nicht benötigt wird, weiterhin verfügbar und günstiger sein.
Claude Sonnet 5 und OpenAI's GPT-4o sind beide multimodale Modelle mit starkem logischem Denken, unterscheiden sich jedoch in den Kontextfenstern (Sonnet 5: 1M Token; GPT-4o: 128K Token) und Ausgabelimits (Sonnet 5: 128K; GPT-4o: 16K). Sonnet 5 bietet eine deutlich größere Kapazität und eignet sich daher besser für Aufgaben wie die Verarbeitung ganzer Codebasen oder langer Bücher. GPT-4o hat eine typischerweise geringere Latenz und eine breitere Integration in das OpenAI-Ökosystem (Plugins, DALL-E usw.). Preise: GPT-4o kostet $2,50/$10 pro 1M Token (Input/Output), ähnlich wie Sonnet 5. Beide erzielen hohe Reasoning-Werte, aber Sonnet 5's 81,2 OSWorld-Verified ist nicht direkt mit einem GPT-4o-Benchmark vergleichbar. Für OS-Level-Automatisierung scheint Sonnet 5 stärker. Für kreatives Schreiben oder allgemeinen Chat könnte GPT-4o aufgrund seiner größeren Trainingsdaten und Werkzeugnutzung etwas vielseitiger sein. Die Wahl hängt vom Kontext ab; über OrcaRouter kann man einfach zwischen ihnen wechseln.
Googles Gemini 1.5 Pro bietet einen 1M-Token-Kontext (entspricht Sonnet 5) und multimodale Fähigkeiten, aber die Ausgabe von Gemini ist auf 8K Tokens begrenzt, weit weniger als Sonnet 5s 128K. Die Preisgestaltung von Gemini beträgt $3,50/$10,50 pro 1M Tokens (Eingabe/Ausgabe), wodurch Sonnet 5 für die Eingabe etwas günstiger ist. Beide schneiden bei Reasoning-Benchmarks gut ab, aber Sonnet 5s OSWorld-Score von 81,2 ist ein wichtiges Unterscheidungsmerkmal – die OS-Level-Leistung von Gemini wird nicht in ähnlicher Weise hervorgehoben. Gemini 1.5 Pro unterstützt native Codeausführung und kann Code mit Ausführung generieren, während Sonnet 5 auf externes Sandboxing angewiesen ist. Für reine Textgenerierung in großem Maßstab ist Sonnet 5s höheres Ausgabelimit ein klarer Vorteil. Beide Modelle unterstützen Dateianhänge und Bilder. Die Qualität des Langkontext-Abrufs ist wettbewerbsfähig; in bestimmten Bereichen können geringfügige Unterschiede auftreten. Über OrcaRouter können Sie beide Modelle vergleichen, indem Sie einfach die Modell-ID ändern.
OpenAI-kompatibel — behalte dein bisheriges SDK
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="anthropic/claude-sonnet-5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatstopstructured_outputstool_choicetoolsverbosity| Eingabe / 1M Tokens | $2.00 |
| Ausgabe / 1M Tokens | $10.00 |
| Cache-Lesen / 1M | $0.200 |
| Cache-Schreiben / 1M | $2.50 |
| Währung | USD |
Schätzung auf Basis des Listenpreises
Nur eine Schätzung — die tatsächliche Token-Anzahl hängt vom Tokenizer des Anbieters ab.
GET /api/public/models/anthropic/claude-sonnet-5Öffnen @misc{orcarouter_claude_sonnet_5,
title = {Claude Sonnet 5 API},
author = {Anthropic},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/anthropic/claude-sonnet-5}
}Anthropic. (2026). Claude Sonnet 5 API. OrcaRouter. https://www.orcarouter.ai/models/anthropic/claude-sonnet-5