Step 5 Preview vs Claude Sonnet 5.5 : Douze points d'indice, dix fois la facture de la tâche

Step 5 Preview et Claude Sonnet 5.5 sont les deux modèles que les lecteurs comparent réellement ce mois-ci : un aperçu StepFun à 1,00 $ / 2,70 $ par million de jetons, ouvert le 20 septembre 2026, et le Claude Sonnet 5.5 à 2,00 $ / 10,00 $, sorti le 28 septembre. Dans le classement indépendant, ils sont séparés de douze points — 44 contre 56 sur l'Artificial Analysis Intelligence Index v4.3.2 — et douze points, c'est un véritable écart. Ce n'est pas non plus le chiffre qui décide de la facture. Le chiffre qui décide de la facture, c'est le coût par tâche terminée, et là, le même classement affiche 0,71 $ pour Step 5 Preview contre 7,60 $ pour Claude Sonnet 5.5 à effort maximal. Dix fois et demie le prix, pour douze points. Presque chaque autre ligne des deux fiches est un débat sur la moitié de ce compromis que vous pouvez accepter.

Les deux grilles tarifaires, ligne par ligne

Tout ce qui figure dans cette section correspond aux tarifs publiés par chaque fournisseur, consultés le 9 octobre 2026.

• Entrée — Step 5 Preview 1,00 $ par million de tokens contre Claude Sonnet 5.5 2,00 $ par million de tokens

• Sortie — 2,70 $ contre 10,00 $ par million de tokens ; la ligne qui domine les deux factures

• Entrée mise en cache — Step 5 Preview annonce une remise forfaitaire de 95 % sur l'entrée, ce qui ramène un accès au cache à environ 0,05 $ par million de jetons, contre 0,20 $ pour une lecture de cache de Claude Sonnet 5.5

• Écriture de cache — Claude Sonnet 5.5 annonce 2,50 $ par million de tokens pour une écriture de cache de cinq minutes ; StepFun n’a publié aucun tarif d’écriture de cache, donc cette moitié de la comparaison est vide d’un côté

• Fenêtre de contexte — 1 M de jetons sur les deux cartes

• Sortie maximale — Claude Sonnet 5.5 documente 128 000 tokens (et 300 000 sur l'API Message Batches derrière un en-tête bêta) ; StepFun n'a publié aucun plafond de sortie pour Step 5 Preview

• Modalité — les deux acceptent du texte et des images et ne renvoient que du texte

• Contrôle du raisonnement — Step 5 Preview expose une réflexion étendue sans niveaux d'effort publiés ; Claude Sonnet 5.5 expose une échelle d'effort dont les réglages les plus élevés sont précisément là où son propre coût par tâche explose

• Poids — Le point de contrôle BF16 de Step 5 Preview est promis pour le 15 octobre 2026 et n'est pas encore disponible ; Claude Sonnet 5.5 est propriétaire.

Deux de ces lignes en disent plus long que le titre principal. La ligne du cache est celle où la carte bon marché devient encore moins chère, car une remise de 95 % sur un dollar donne une lecture de cache à cinq cents, et celle d'Anthropic est à vingt cents. Et la ligne du plafond de sortie va dans l'autre sens : un fournisseur vous indique où se situe son avantage, l'autre annonce une fenêtre d'un million de jetons sans préciser quelle part peut en ressortir.

D'où viennent réellement les douze points

Les deux chiffres ci-dessous sont ceux d'Artificial Analysis, sur l'Intelligence Index v4.3.2, et tous deux sont relevés sur la page du modèle lui-même plutôt que dans un tableau de fournisseur.

• Indice d'intelligence — Claude Sonnet 5.5 : 56, classé n° 3 sur 216, contre Step 5 Preview : 44, classé n° 45 sur 200. Deux tailles de classement différentes parce que les tableaux ont été générés à des moments différents ; ce sont les scores qui sont comparables.

Coût par tâche d'indexation — 7,60 $ contre 0,71 $. Le chiffre d'Anthropic correspond à la configuration que le tableau de bord nomme « Adaptive Reasoning, Max Effort, Default Fallback », soit l'échelon le plus coûteux de la gamme propre à ce modèle.

Jetons de sortie générés pendant l'exécution de l'index — 410 M contre 160 M, pour une médiane du classement de 88 M. Les deux modèles sont verbeux selon la mesure du classement. L'un vaut plus de quatre fois la médiane, l'autre un peu moins du double.

• Vitesse de sortie — Step 5 Preview lit environ 100 tokens par seconde contre une moyenne de 70. Artificial Analysis n'avait pas publié de chiffre de vitesse de sortie pour Claude Sonnet 5.5 au moment de la rédaction, donc cette ligne est unilatérale plutôt que gagnée.

Rapprochez les deux premières lignes et la forme de la décision apparaît. Douze points d’indice séparent ces modèles ; un facteur de dix et demi sépare leur coût pour exécuter la même évaluation. Les points sont réels — l’écart de classement place l’un dans le trio de tête des modèles évalués par le board et l’autre dans le quart supérieur — mais une équipe qui paie 7,60 $ par tâche pour une charge de travail agentique difficile paie pour de la délibération, et la question est de savoir si ses tâches en ont besoin.

Les tableaux de fournisseurs ne régleront pas cela, et voici la preuve

Les deux laboratoires publient un chiffre Terminal-Bench 4.0. L'annonce de Sonnet 5.5 par Anthropic revendique 70,6 % pour celui-ci, contre 10,3 % pour le modèle qu'il remplace. Le propre chiffre Terminal-Bench 4.0 publié par StepFun pour Step 5 Preview est de 33,3 %. Les deux sont réalisés par le fournisseur, aucun n'a été reproduit par un tiers, et ils sont séparés de 37 points sur un benchmark portant le même nom.

Cet écart ne prouve pas qu’un modèle est deux fois meilleur que l’autre. Il prouve que deux laboratoires qui exécutent un harnais du même nom sur des configurations, des échafaudages d’agents et des réglages d’effort différents produisent des chiffres qui ne peuvent pas être soustraits les uns des autres. C’est le problème récurrent des comparaisons faites le jour du lancement, et c’est pourquoi chaque ligne de cet article qui provient d’un laboratoire est étiquetée comme telle. Lorsqu’un tiers a mesuré les deux modèles sur un même harnais, utilisez cette mesure. Dans le cas contraire, considérez le chiffre du fournisseur comme une déclaration d’intention.

La note de migration d'Anthropic issue du lancement de Sonnet 5.5 mérite d’être reprise dans cette comparaison, car elle s’applique à tout point de terminaison en aperçu que vous évaluez. Les conseils du fournisseur indiquaient que les niveaux d’effort avaient été recalibrés entre Sonnet 5 et 5.5 et que les équipes devaient relancer leur balayage des niveaux d’effort plutôt que de reporter un réglage. L’avertissement équivalent s’applique ici dans l’autre sens : Step 5 Preview est un aperçu, sa configuration de service évolue encore, et un réglage ajusté pour le point de terminaison de cette semaine n’est pas un réglage qui vous appartient.

Tous les deux parlent trop, mais à des degrés différents.

La verbosité est la ligne qui transforme une grille tarifaire en facture. Step 5 Preview a généré 160 millions de tokens de sortie pour compléter la suite d'index, là où le modèle médian du classement génère environ 92 millions — soit environ 1,7 fois la médiane. Claude Sonnet 5.5 a généré 410 millions, soit environ 4,7 fois la médiane.

À 2,70 $ par million de tokens de sortie, la verbosité de Step 5 Preview représente une grande part d'un petit nombre. À 10,00 $, celle de Claude Sonnet 5.5 représente la majeure partie d'un très grand nombre. Aucun des deux modèles n'est concis, et le marketing d'aucun des deux fournisseurs ne le présente ainsi. La conséquence pratique est qu'une mesure de tokens par tâche sur votre propre trafic vous en dira plus sur la différence de coût réelle que les grilles tarifaires, car celles-ci supposent que les deux modèles écrivent le même nombre de mots pour la même réponse. Ce n'est pas le cas.

La ligne de cache, calculée sur une vraie boucle

Prenons une boucle d’agent avec un préfixe stable de 40 000 tokens — un prompt système plus le contexte du dépôt — renvoyé à chaque tour pendant trente tours, le préfixe étant écrit une fois et touché vingt-neuf fois. Cela représente 1,16 million de tokens d’entrée mis en cache par session.

• Claude Sonnet 5.5 — une écriture à 2,50 $ par million de tokens, environ 0,10 $, puis 1,16 M de tokens lus à 0,20 $ par million, environ 0,23 $. Total d’environ 0,33 $ par session, avant toute nouvelle entrée ou sortie.

• Step 5 Preview — les lectures bénéficient de la remise annoncée de 95 %, soit environ 0,05 $ par million et environ 0,06 $ par session. La partie écriture n’est pas chiffrée, car StepFun n’a pas publié de tarif d’écriture de cache.

Sur les lignes que nous pouvons réellement tarifer, le trafic mis en cache coûte environ cinq fois plus cher sur la carte Anthropic, et la réserve est que l’un des deux tarifs d’écriture n’existe pas encore. C’est la charge de travail pour laquelle les deux modèles sont vendus, ce qui explique pourquoi cette ligne compte davantage que ne le laissent paraître les pourcentages de remise mis en avant.

Où chacun peut réellement être appelé

Claude Sonnet 5.5 figure dans notre catalogue sous anthropic/claude-sonnet-5.5, aux tarifs propres de Claude Sonnet 5.5, soit 2,00 $ et 10,00 $ avec une lecture de cache à 0,20 $, une fenêtre de contexte de 1 000 000 de tokens et une sortie maximale de 128 K — prix catalogue répercuté avec 0 % de marge, donc une modification sur la carte d'Anthropic est une modification sur la nôtre le jour même. Step 5 Preview ne figure pas dans ce catalogue, et nous n'allons pas laisser entendre le contraire : il répond sur l'API propre de StepFun et, tant que le checkpoint promis n'est pas arrivé, nulle part ailleurs.

Cette asymétrie a un usage pratique. Si les deux modèles étaient derrière une même clé avec basculement automatique, déplacer une charge de travail de l’un à l’autre ne serait qu’un changement de chaîne de modèle, et rien d’autre — ce qui est la raison honnête de garder la porte générique. En l’état, la comparaison se fait entre un modèle que vous pouvez appeler via votre route existante et un autre que vous devez raccorder séparément, et le second est une preview dont le parc de serveurs est encore en cours de construction. Mettre une capacité non éprouvée derrière un routeur avec basculement vers quelque chose déjà qualifié est l’assurance à faible coût ; un chemin principal pointé directement vers un point de terminaison de preview ne l’est pas.

Qu'est-ce qui changerait ce verdict

Trois choses, toutes datables. La première est le 15 octobre 2026, date à laquelle le checkpoint BF16 de StepFun est attendu. Si la licence autorise le fine-tuning et que les poids sont réels, l'écart de douze points cesse d'être une propriété fixe du modèle et devient quelque chose qu'une équipe peut attaquer sur ses propres données — à ce moment-là, la carte dix fois moins chère devient un point de départ bien plus intéressant. Si le checkpoint glisse ou si la licence est restrictive, l'écart reste exactement là où le classement l'a placé.

La deuxième consiste à savoir si la leçon de recalibrage de l’effort propre à Anthropic s’applique ici. L’avantage par tâche de Sonnet 5.5 sur Sonnet 5 existe à effort faible et moyen, pas au maximum, et l’inverse est vrai au max. Un acheteur de Step 5 Preview qui ne fait jamais varier l’effort compare un modèle à sa valeur par défaut à un modèle à sa valeur par défaut, ce qui, du côté d’Anthropic, n’est pas là où s’effectue le travail peu coûteux à forte valeur.

Le troisième est une véritable exécution indépendante de Step 5 Preview dans une configuration comparable à celle à laquelle le chiffre d’Anthropic est mesuré. Tant que cela n’existe pas, le 44 est une seule configuration notée, sans échelle à côté, et le 56 a toute une courbe d’effort sous lui. La comparaison est honnête telle qu’écrite ; elle n’est pas encore symétrique.

Pour une équipe qui décide aujourd'hui plutôt que le 15 : si la charge de travail est à long contexte, gourmande en cache et fréquemment répétée, l'arithmétique de cette page favorise la carte bon marché d'un ordre de grandeur, et l'écart de capacités est le prix d'entrée. Si la charge de travail est difficile, courte et évaluée par un humain qui remarquera la différence entre 44 et 56, la carte chère est celle qui termine le travail. Aucune des deux réponses ne survit au contact d'une charge de travail qui est les deux à la fois, et c'est précisément à cela que sert un routeur.

prix catalogue répercuté avec 0 % de marge , donc un changement sur la carte d'Anthropic est un changement sur la nôtre le jour même.

basculement automatique sur un routeur est ce qui permet d'évaluer un point de terminaison de prévisualisation derrière un repli qualifié plutôt qu'en tant que chemin principal.