Claude Sonnet 5.5 vs Claude Sonnet 5: Harga Identik, Tagihan Berbeda

Dua model dari vendor yang sama, tingkat yang sama, nama yang sama, dan — pada setiap baris daftar tarif yang dipublikasikan — harga yang sama. Claude Sonnet 5 diluncurkan pada 30 Juni 2026 dengan harga $2.00 per juta token masukan dan $10.00 per juta token keluaran. Claude Sonnet 5.5 mencapai ketersediaan umum pada 28 September 2026 dengan harga $2.00 dan $10.00, dengan pembacaan cache sebesar $0.20 dan penulisan cache lima menit sebesar $2.50 pada keduanya. Tidak ada yang berubah soal harga. Yang berubah adalah segala hal yang tidak diukur oleh lembar harga, dan hasilnya adalah salah satu dari dua model ini jauh lebih murah untuk dioperasikan daripada yang lain meskipun biaya per tokennya persis sama. Judul utama Anthro​pic sendiri untuk rilis ini menyiratkan hal itu tanpa benar-benar mengatakannya: biaya hingga 30% lebih rendah untuk sebagian besar pekerjaan, pada daftar tarif yang tidak berubah. Satu-satunya cara agar kedua kalimat itu benar adalah jika model yang lebih baru menyelesaikan pekerjaan yang sama dengan token yang lebih sedikit, sebagaimana ditunjukkan oleh benchmark dan dikonfirmasi oleh angka independen per tugas.

Apakah Claude Sonnet 5.5 lebih mahal daripada Claude Sonnet 5?

Tidak — dan pertanyaan itu tetap layak ditanggapi dengan serius, karena sangat banyak migrasi yang jadi kacau akibat menganggap daftar tarif tetap sebagai tagihan tetap.

Per token, kedua model itu identik: $2,00 untuk input, $10,00 untuk output, $0,20 untuk membaca token yang di-cache, $2,50 untuk menulisnya. Tidak ada tingkatan tarif bertingkat dan tidak ada biaya tambahan konteks panjang. Apa pun model yang lebih baru itu, itu bukan kenaikan harga yang dibungkus sebagai generasi baru.

Per tugas yang diselesaikan, gambarannya berbalik bergantung pada beban kerja siapa yang Anda jelaskan. Artificial Analysis melaporkan biaya $5,09 per tugas untuk Claude Sonnet 5 dan $7,60 per tugas untuk Claude Sonnet 5.5 pada rangkaian Intelligence Index v4.3 yang sama — model yang lebih baru 49% lebih mahal untuk menyelesaikan sebuah tugas, pada tarif yang identik. Laporan yang sama mencatat Sonnet 5.5 mengeluarkan 410 juta token di seluruh rangkaian, dibandingkan dengan 370 juta milik Sonnet 5, keduanya dibandingkan dengan median 88 juta untuk bidang yang dipantau. Pada prompt terbuka milik evaluator, model yang lebih baru sekadar menulis lebih banyak, dan pada harga yang sama, token yang lebih banyak berarti tagihan yang lebih besar.

Klaim Anthropic tentang biaya 30% lebih murah adalah klaim vendor tentang beban kerja yang dipilihnya sendiri. Angka pihak ketiga, $7.60 versus $5.09, adalah pengukuran pada kumpulan yang berbeda. Keduanya tidak salah; ketidaksepakatan itulah inti persoalannya, dan faktor penentunya adalah apakah tugas-tugas Anda membatasi outputnya sendiri.

Apa yang sebenarnya bergeser antara kedua generasi

Kartu tarif bersifat statis; modelnya tidak. Jika disusun sebagai satu daftar, selisihnya besar dan sebagian besar bersifat satu arah.

• Terminal-Bench 4.0 — 70,6% untuk Claude Sonnet 5.5 berbanding 10,3% untuk Claude Sonnet 5, lompatan satu generasi terbesar yang pernah dipublikasikan Anthropic pada tes ini

• CursorBench 4.0 — 55,5% dibandingkan 34,1%

• Chartography, tanpa alat — 61,6% dibandingkan 15,6%

• GDPval-AA v2.1 — 1844 dibandingkan 1449

• AA-Briefcase v1.1 — 1811 dibandingkan dengan 1359

• Humanity's Last Exam, dengan alat — 64,5% berbanding 54,9%

• OSWorld 2.1, penyelesaian sebagian — 80.1% dibandingkan 57.0%

• Artificial Analysis Intelligence Index v4.3 — 56 versus 38, selisih delapan belas poin pada skala pihak ketiga yang diukur di bawah konfigurasi "Adaptive Reasoning, Max Effort" yang sama

Bentuk daftar itu bukanlah kemajuan yang seragam. Chartography yang bergerak dari 15,6% ke 61,6% dan Terminal-Bench dari 10,3% ke 70,6% tampak seperti kemampuan yang tadinya tidak ada dan sekarang ada, bukan kemampuan yang meningkat. Humanity's Last Exam yang bergerak sepuluh poin dan OSWorld dua puluh tiga poin pada harga yang tidak berubah adalah pola dari generasi yang menutup celah-celah spesifik alih-alih generasi yang menjadi lebih pintar secara umum. Selisih indeks delapan belas poin adalah rata-rata aritmetika dari itu: nyata, besar, dan terkonsentrasi pada penggunaan alat, eksekusi kode, dan pekerjaan visual.

Ada satu catatan kaki yang penting bagi siapa pun yang membaca tabel vendor dengan saksama. Anthropic menyatakan bahwa pada FrontierCode, konfigurasi Max effort memperoleh skor lebih rendah daripada Xhigh, dan menandai bahwa uji GDPval-AA dan AA-Briefcase dijalankan pada deployment pra-rilis yang membawa bug structured-outputs. Angka-angka di atas masih yang terbaik yang tersedia, tetapi anggaplah angka-angka itu sebagai snapshot dari satu deployment, bukan sebagai properti permanen dari model tersebut.

Mengapa harganya sama dan tagihannya tidak

Tiga mekanisme, dalam urutan menurun berdasarkan seberapa besar pengaruhnya terhadap faktur nyata.

Yang pertama adalah disiplin panjang keluaran. Sonnet 5.5 adalah agen yang lebih cakap, yang berarti ia melakukan lebih banyak hal sebelum menjawab, dan pada suite tanpa batasan panjang, ia menulis sekitar 11% lebih banyak daripada Sonnet 5 dengan biaya per token yang sama. Pada beban kerja yang membatasi keluaran — ekstraksi ke skema tetap, klasifikasi, ringkasan terbatas — 11% itu tidak pernah terwujud dan klaim 30% menjadi kredibel, karena keunggulannya adalah mencapai jawaban dalam lebih sedikit giliran, bukan dalam lebih sedikit token per giliran.

Yang kedua adalah perilaku cache, dan inilah alasan mengapa harga baca cache yang tidak berubah tidak berarti biaya cache yang tidak berubah. Pembacaan dan penulisan cache diberi harga yang identik pada kedua model, sehingga setiap perubahan dalam volume token yang di-cache langsung mengalir ke tagihan. Model yang memerlukan lebih sedikit giliran untuk menyelesaikan tugas agentik membaca prefiksnya lebih sedikit kali. Itu adalah penghematan tanpa pergerakan harga sama sekali di belakangnya, dan hal itu tidak terlihat di setiap tabel perbandingan yang hanya mencantumkan baris kartu tarif.

Yang ketiga adalah hal yang paling sering salah dilakukan banyak tim pada hari migrasi: default effort. Claude Sonnet 5.5 mengonfigurasi penalaran melalui parameter effort dengan setelan low, medium, high, xhigh, dan max, yang secara default diatur ke high di Claude Platform dan medium di dalam aplikasi Claude. Jika Anda bermigrasi dari deployment Sonnet 5 tempat Anda telah menetapkan anggaran penalaran, default baru tersebut mungkin memiliki kedalaman yang berbeda dari yang Anda bayar. Ukur terlebih dahulu sebelum mengasumsikan adanya penghematan atau peningkatan.

Ada juga konsekuensi perilaku yang layak ditandai sebelum peluncuran, bukan setelahnya. Anthropic menyatakan bahwa Claude Sonnet 5.5 adalah Sonnet pertama yang diluncurkan dengan perlindungan siber dan fallback yang setara dengan model-model kelas atasnya, sehingga permintaan keamanan siber berisiko lebih tinggi akan terlihat beralih ke Sonnet sebelumnya. Log Anda akan menunjukkan model yang tidak Anda minta. Terkait hal itu, jika Anda menjalankan Sonnet dengan fitur thinking dinonaktifkan, Anda harus beralih ke perilaku antara-alat — perubahan kode, bukan flag.

Di OrcaRouter, anthropic/claude-sonnet-5 dapat dirutekan hari ini dengan satu kredensial pada harga daftar penyedia dengan markup 0%, bersama Claude Opus 5.5, Claude Opus 5, DeepSeek V4 Pro dan Gemini 3.1 Pro Preview. Claude Sonnet 5.5 sendiri belum menjadi rute di platform kami, jadi bentuk praktis dari perbandingan ini saat ini adalah bahwa tim yang sudah menjalankan Sonnet 5 dapat mengukur delta pada hari dicantumkan tanpa menyentuh kunci API, dan dapat failover antar tier sementara itu dengan mengubah string.

Pertanyaan yang orang ajukan sebelum beralih

Bisakah saya menjalankan keduanya sekaligus dan membandingkannya pada traffic saya sendiri? Belum bisa melalui satu kredensial OrcaRouter, karena Claude Sonnet 5.5 bukan rute yang terdaftar. Solusinya adalah menjalankan model yang lebih baru di API milik Anthropic sendiri dan model yang lebih lama melalui kami, lalu membandingkan token per tugas yang diselesaikan alih-alih biaya per token, karena itulah angka yang sebenarnya berbeda antara kedua model tersebut.

Apakah harga yang tidak berubah berarti Anthropic tidak mengenakan biaya untuk kemampuan baru ini? Artinya, harga daftar dipertahankan tetap sementara modelnya meningkat, yang merupakan pola yang sama seperti dua generasi Sonnet sebelumnya. Apakah hal itu akan berlanjut adalah pertanyaan komersial, bukan teknis, dan jendela penghentian yang dipublikasikan — tidak lebih cepat dari September 2027 — adalah satu-satunya komitmen yang menyertainya.

Angka mana yang harus saya percayai, 30% dari Anthropic atau 49% dari pihak ketiga?Tidak keduanya sebagai klaim umum. Angka Anthropic menggambarkan beban kerja ketika model mencapai jawaban dalam lebih sedikit giliran; angka Artificial Analysis menggambarkan rangkaian indeks tanpa batasan ketika verbositas bebas bertambah. Pilih yang menyerupai kumpulan prompt Anda, dan jika Anda tidak dapat menentukan yang mana, ambiguitas itu sendiri adalah jawabannya — ukurlah.

Intinya

Claude Sonnet 5.5 bukan kenaikan harga, tetapi juga bukan penghematan otomatis. Anthropic mempertahankan setiap baris kartu tarif tetap sama dan mengganti model di baliknya, yang berarti seluruh perhitungan ekonominya bergantung pada token per tugas yang diselesaikan — angka yang 30% lebih baik pada beban kerja yang dipilih vendor dan 49% lebih buruk pada rangkaian tolok ukur yang dipilih evaluator independen. Jika tugas Anda membatasi outputnya sendiri, beralihlah dan ambil kemenangannya. Jika tidak, harga yang tetap bukan alasan untuk melewatkan pengukuran, karena Anda dapat membayar 50% lebih banyak per tugas untuk model yang jelas lebih baik dalam pekerjaan tersebut.