Claude Sonnet 5.5 Extra: Rumor Perutean yang Dibangun di Atas Kata yang Sudah Dipakai Anthropic

Pada pukul 12.44 siang tanggal 5 November 2026, sebuah akun yang memposting sebagai @chetaslua di X menyampaikan klaim dalam satu baris: "Sonnet 5.5 Extra tampaknya melakukan routing ke model Claude berikutnya." Kedua pengujian dijalankan pada konfigurasi yang oleh postingan tersebut diberi label "Sonnet 5.5 Extra," yang mengarah ke Claude Sonnet 5.5 dengan pengaturan effort-nya dinaikkan. Pada pengujian pertama, model ditanya — dengan penjelajahan dimatikan — ke mana Andrej Karpathy pergi pada 2026, dan menjawab bahwa ia bergabung dengan Anthropic pada Mei 2026 di tim pretraining. Pada pengujian kedua, model diminta untuk "pelikan mengendarai sepeda serealistis yang kamu bisa hanya dengan kode," dan menghasilkan, menurut hitungan si pemosting sendiri, 26.599 elemen SVG, 6,5k goresan bulu, nol gambar, nol URI data, nol skrip, dan 1.860 baris Python, yang menurut si pemosting "membangun ulang byte demi byte."

Hal paling berguna untuk dikatakan lebih dulu adalah hal yang tidak glamor. Claude Sonnet 5.5 bukan model yang belum dirilis — model ini dirilis pada 28 September 2026 dengan harga $2 per juta token input dan $10 per juta token output, dan Amazon Bedrock mendokumentasikan model yang sama dengan ID anthropic.claude-sonnet-5-5. Dan "Extra" juga bukan nama baru. Itu adalah kata dalam pusat bantuan Anthropic sendiri untuk pengaturan penalaran tertinggi kedua, "Extra high (xhigh)," yang oleh API dieja xhigh dan oleh pemilih model ditampilkan sebagai Extra high. Entri pemilih yang bertuliskan "Sonnet 5.5 — Extra high" adalah model plus tingkat upaya, dan kedua bagian string itu sudah ada dalam dokumentasi publik.

Semua itu tidak membuat si pemosting salah. Itu membuat klaimnya belum terbukti, dan mempersempit apa yang bisa membuktikannya. Anthropic belum mengonfirmasi apa pun, tidak ada ID model yang muncul di daftar model publik mana pun, dan kerangka kebocoran adalah yang tepat: inilah yang diklaim, apa yang bisa diperiksa hari ini, dan apa yang sebaiknya dilakukan pembaca dengan informasi ini. Versi berguna dari cerita ini bukanlah "Claude baru sedang diuji." Melainkan bahwa tiga bukti yang disajikan di sini memiliki tiga mode kegagalan yang spesifik, dan masing-masing dapat diuji.

Apa yang sebenarnya ditetapkan oleh jawaban Karpathy

Tes pertama dibaca sebagai sidik jari. Itu lebih mirip kalender.

Karpathy mengumumkan di X pada 19 Mei 2026 bahwa ia telah bergabung dengan Anthropic — "Saya telah bergabung dengan Anthropic... bersemangat untuk bergabung dengan tim di sini dan kembali ke R&D" — dan TechCrunch, Fortune, serta NY Post semuanya melaporkannya pada hari yang sama, dengan detail bahwa ia masuk ke tim pretraining di bawah Nick Joseph. Itu adalah fakta di setiap indeks berita, dan model yang menjawabnya dengan benar tanpa browsing telah menunjukkan tepat satu hal: data pelatihannya mencakup periode setelah pertengahan Mei 2026.

Claude Sonnet 5.5 dirilis pada 28 September 2026. Perekrutan yang menjadi berita global empat bulan sebelum sebuah model dirilis adalah jenis fakta yang akhirnya masuk ke dalam data pelatihannya, jadi model yang lulus uji ini adalah hasil yang diharapkan, bukan hasil yang mengejutkan. Uji ini juga tidak dapat membedakan Sonnet 5.5 dari Claude Opus 5.5, dari Claude Haiku 5.5, atau dari checkpoint Claude lain yang dirilis setelah Mei. Sebuah uji yang dilalui semua kandidat tidak mengidentifikasi satu pun dari mereka.

Ini penting untuk bagaimana klaim tersebut seharusnya dinilai. Utas balasan di bawah unggahan berisi separuh bukti yang lebih menarik, dan itu kontradiktif: satu balasan bertanya "maksudmu sonnet 5.6?", balasan lain berkata "itu juga fable 5.5 yang sudah merutekan pengguna selama berminggu-minggu sekarang." Dua orang yang membaca perilaku yang sama sampai pada dua model yang belum diumumkan yang berbeda, dan tak satu pun bisa menyebutkan ID API. Seperti itulah bentuk label yang ambigu ketika sebuah komunitas mencoba menafsirkannya.

26,599 elemen SVG adalah jumlah perulangan

Angka pelikan itu mengesankan sampai Anda menyadari apa yang sedang dihitungnya. Elemen SVG hanyalah sebuah tag. Skrip Python yang menempatkan bulu dalam sebuah loop dapat menghasilkan empat puluh ribu elemen tanpa model pernah menalar tentang pelikan, dan itulah tepatnya yang dijelaskan poster tersebut: 1.860 baris Python yang menghasilkan elemen-elemen itu, bukan 26.599 elemen yang ditulis dengan tangan. Angka itu mengukur ambisi generator, bukan kesetiaan gambarnya.

"Nol gambar, nol URI data, nol skrip" adalah jenis statistik yang sama. Ini memastikan outputnya adalah gambar vektor murni, bukan bitmap yang diselundupkan ke dalam file. Ini tidak mengatakan apa pun tentang apakah burung itu terbaca sebagai burung. Jika Anda ingin menilai gambarnya, nilailah gambarnya — lampiran video milik pembuat postingan itu berdurasi 19 detik, dan itulah artefak yang layak dilihat.

Ada juga detail urutan yang perlu diketahui sebelum ini dicatat sebagai peristiwa kapabilitas baru. Pada 22 Oktober 2026, akun yang sama memposting tangkapan layar dari "model misterius di code arena" dengan prompt "buat kode svg burung pelikan mengendarai sepeda sedetail mungkin," yang menarik sekitar 63.000 tayangan. Prompt pelikan adalah detektor perutean tetap akun ini, dijalankan berulang kali. Dua hasil dari detektor yang sama dengan jarak tiga minggu bukanlah observasi independen.

Tes pelikan telah dihentikan oleh orang-orang yang membuatnya terkenal

Simon Willison memperkenalkan "Generate an SVG of a pelican riding a bicycle" pada 25 Oktober 2024, dengan alasan bahwa tidak ada SVG semacam itu yang secara masuk akal dapat ada dalam data pelatihan, sehingga setiap model harus benar-benar mencobanya. Ini menjadi tolok ukur semi-formal: pada Juni 2025 Willison telah mengumpulkan 34 pelikan dan 560 penilaian berpasangan.

Kemudian Andrej Karpathy, orang yang sama yang lokasinya menjadi subjek uji pertama, menyatakan bahwa uji itu sudah mati. Pada awal Agustus 2026, ia memberi Claude Opus 5 paragraf pembuka The Lord of the Rings dengan anggaran sekitar satu juta token dan sekitar $10, lalu membiarkannya berjalan secara otonom selama dua jam; model itu menghasilkan sekitar 5.500 baris Three.js yang secara prosedural membangun Shire low-poly interaktif, "agak janky tapi menyenangkan." Argumennya adalah bahwa uji pelikan telah kehilangan daya pembeda: model-model frontier sekarang sudah meloloskannya, sehingga uji itu tidak lagi memisahkan mereka.

Jadi postingan 5 November menggunakan detektor yang telah dipensiunkan oleh pembuatnya sendiri empat bulan sebelumnya, pada keluarga model yang sudah lolos darinya. Itu tidak membuat outputnya buruk. Itu membuatnya non-diagnostik — yang merupakan satu sifat yang dibutuhkan oleh uji perutean.

"Extra" adalah tingkat upaya yang terdokumentasi, bukan nama model

Inilah bagian yang dapat diperiksa dalam sekitar sembilan puluh detik di situs dukungan Anthropic. Halaman pusat bantuan tentang mengubah pengaturan model, effort, dan thinking mencantumkan lima tingkat: Low, Medium, High, "Extra high (xhigh)", dan Max. Penjelasan halaman itu sendiri untuk Extra high adalah bahwa tingkat ini "dirancang untuk tugas coding dan agentic yang berjalan lama, menawarkan penalaran lebih mendalam daripada high tanpa biaya token penuh seperti max," dan halaman itu menambahkan bahwa tingkat tersebut "tersedia pada Opus 4.7 dan model yang lebih baru." Parameter API ditulis xhigh; selektor menjabarkannya.

Claude Sonnet 5.5 memiliki kelima level — low, medium, high, xhigh, dan max — dengan thinking selalu aktif dan tidak ada cara untuk menonaktifkannya. Default-nya tidak sama di setiap platform — Claude API dan Claude Code belum tentu berada pada level yang sama secara default. Jika tidak mengatur apa pun, Anda mungkin sudah menjalankan konfigurasi yang berbeda tergantung dari mana Anda memanggilnya. Jadi pengguna yang membuka pemilih model, melihat entri default Sonnet 5.5, dan mengubah effort ke Extra high telah membuat label yang terbaca persis seperti "Sonnet 5.5 Extra" — sementara menjalankan model yang telah tersedia secara umum selama tiga puluh sembilan hari.

Apa yang dilakukan effort terhadap tagihan adalah bagian yang layak diinternalisasi, karena dari situlah kesan "model berikutnya" kemungkinan besar berasal. Harga per token tidak berubah seiring effort: $2 masuk, $10 keluar, $0,20 pembacaan cache, di setiap tingkat. Token per tugas berubah sangat besar. Artificial Analysis menjalankan sapuan penuh saat peluncuran pada indeks pra-v5 miliknya dan mendapatkan tangga ini:

• Rendah — indeks 36 dengan $0,41 per tugas

• Sedang — indeks 41 dengan $0,59 per tugas

• Tinggi — indeks 47 dengan $1,08 per tugas

• Ekstra tinggi (xhigh) — indeks 52 dengan $2,74 per tugas

• Max — indeks 56 dengan $7.60 per tugas

Bacalah itu sebagai kurva pengeluaran, bukan kurva kemampuan. Berpindah dari high ke Extra high lebih dari menggandakan biaya per tugas yang diselesaikan untuk lima poin indeks — model yang sama, berpikir lebih lama. Pengguna yang mengalihkan tombol itu lalu melihat outputnya menjadi terlihat jauh lebih rumit akan menyebutnya "model yang berbeda". Itu adalah bobot yang sama, yang diberi lebih banyak ruang.

Pembacaan langsung saat ini lebih rendah dan diukur dengan cara berbeda, dan keduanya tidak boleh dicampur. Artificial Analysis membangun ulang indeksnya menjadi v5.0 pada 27 Oktober 2026, menggantikan sembilan evaluasi konstituen dan memberi bobot 60% pada set privat atau held-out. Pada v5.0.1, Claude Sonnet 5.5 yang sama terbaca 55 pada upaya maksimal, 155 token per detik, $10,02 per tugas indeks, setelah menghasilkan 335 juta token keluaran sepanjang proses dibandingkan median 72,6 juta. Angka 56 di atas adalah angka pra-v5. Mengurangkan satu dari yang lain tidak ada artinya.

Angka verbositas adalah yang bertahan pada kedua rubrik: sekitar 4,6 kali volume keluaran median pada kumpulan tugas yang identik. Itulah yang diperoleh dan yang dibayar dari upaya "Extra", dan itu adalah penjelasan yang jauh lebih masuk akal untuk demo yang mengejutkan daripada penggantian model secara diam-diam.

Apa yang sebenarnya akan menyelesaikannya

Klaim itu dapat difalsifikasi, yang lebih dari yang bisa dikatakan tentang sebagian besar obrolan bocoran. Dalam urutan kekuatan yang kasar:

• Entri pemilih model yang namanya tidak muncul dalam daftar model publik Anthropic — sebuah string, bukan tangkapan layar perilaku.

• Body respons yang field model-nya melaporkan sesuatu selain ID yang terdokumentasi. Setiap respons Claude API mencerminkan model yang melayaninya; pergantian diam-diam yang tetap lolos dari field tersebut adalah cerita yang berbeda dan lebih besar.

• Entri changelog bertanggal, kartu model Bedrock atau Vertex, atau batas konteks atau output yang terdokumentasi yang berbeda dari 1M input dan 128K output Claude Sonnet 5.5.

Skrip generator di balik pelican, dijalankan dua kali pada dua konfigurasi bernama, dengan outputnya dibandingkan. Poster itu menyatakan bahwa ia membangun ulang byte demi byte; itu adalah klaim yang bisa dipastikan dengan dua kali eksekusi.

Sampai salah satu dari itu terwujud, pembacaan yang jujur adalah bahwa sebuah tingkat upaya menghasilkan gambar yang lebih mengesankan dan komunitas membacanya sebagai rilis baru. Anthropic tidak menerbitkan apa pun tentangnya, dan postingan itu sendiri tidak mengklaim nama yang dapat didukungnya dengan pengenal — postingan itu mengatakan perilaku tersebut "terlihat seperti" perutean. Itu adalah deskripsi dari sebuah kesan.

Masalah sebenarnya adalah perutean senyap, dan itu bisa diperbaiki

Singkirkan nama modelnya dan ada kekhawatiran sah di baliknya: jika penyedia dapat melayani permintaan dengan satu label sementara menjalankan hal lain, setiap tolok ukur yang Anda jalankan dan setiap perkiraan biaya yang Anda buat sedang mengukur sasaran yang bergerak. Jawabannya bukan folklor yang lebih baik. Melainkan pinning.

Di OrcaRouter, Claude Sonnet 5.5 adalah salah satu rute di antara lebih dari 200 model pada satu kunci, dengan harga daftar penyedia dengan markup 0% — jadi $2 dan $10 di atas adalah yang benar-benar Anda bayar, dan perubahan harga vendor langsung berlaku di sisi kami pada hari yang sama. Anda menyebutkan model persisnya dalam permintaan; failover memindahkan Anda ke penyedia lain hanya saat salah satu mengalami error, dan memberi tahu Anda, bukan diam-diam menggantinya. Jika Anda ingin menguji hipotesis dalam tulisan ini dengan benar, Anda tidak perlu tangkapan layar: arahkan prompt yang sama ke Sonnet 5.5 pada high dan pada Extra high, beri label pada kedua rute, dan bandingkan output serta jumlah token sendiri. Itu eksperimen terkontrol. Biayanya hanya sen, dan menghasilkan angka, bukan kesan.

Jika model yang benar-benar tidak diumumkan muncul, disiplin yang sama yang akan menangkapnya — ID yang dipatok yang tiba-tiba gagal cocok dengan field model, bukan pelikan yang terlihat lebih baik daripada bulan lalu.

Apa yang harus dilakukan sebelum Anda membangun ulang apa pun

Belum ada, untuk saat ini. Klaim itu baru berumur satu hari, bersumber tunggal, dan bukti terkuatnya adalah tingkat upaya yang terdokumentasi. Jangan migrasikan pipeline, benchmark ulang model, atau tulis pos peluncuran berdasarkan kekuatan klaim itu.

Apa yang bisa Anda lakukan minggu ini murah dan berguna bagaimanapun juga. Periksa tingkat upaya apa yang sebenarnya digunakan panggilan Anda sendiri, karena nilai defaultnya berbeda-beda menurut platform dan hampir tidak ada yang menetapkannya secara eksplisit. Perhatikan biaya per tugas yang diselesaikan, bukan harga per token, karena itulah angka yang digandakan oleh Extra high. Dan jika Anda membandingkan model, patok ID-nya dan catat bidang model pada setiap respons — satu-satunya klaim perutean yang penting adalah yang dapat dikonfirmasi oleh log Anda sendiri.

Pertanyaan terbuka bukanlah apakah Claude Sonnet 5.5 Extra ada. Melainkan apakah ada orang yang akan menghasilkan pengenal untuknya sebelum pelikan berikutnya.