Claude Sonnet 5 adalah model kelas Sonnet paling canggih dari Anthropic — performa tingkat frontier dalam pengkodean, alur kerja agen, dan pekerjaan pengetahuan profesional, dengan biaya yang jauh lebih rendah dibandingkan tingkat Opus. Model ini menyediakan jendela konteks 1 juta token dengan hingga 128 ribu token output, menerima input teks, gambar, dan file dengan output teks, serta mendukung pemikiran adaptif dengan upaya penalaran yang dapat dipilih (rendah, sedang, tinggi, maksimal) sehingga pengguna dapat menyesuaikan tradeoff kecerdasan / latensi / biaya per permintaan. Dibangun sebagai Sonnet paling agen dari Anthropic sejauh ini, model ini mencatat peningkatan besar dibandingkan Sonnet 4.6 dalam pengkodean agen dan penggunaan komputer, serta menutup sebagian besar kesenjangan dengan Opus 4.8 — 63,2% di SWE-bench Pro, 80,4% di Terminal-Bench 2.1, dan 81,2% di OSWorld-Verified — sementara harganya jauh di bawah Opus 4.8, GPT-5.5, dan Gemini 3.1 Pro. Model ini menjadi pilihan default yang kuat untuk agen yang sensitif terhadap biaya, asisten pengkodean, dan beban kerja produksi volume tinggi yang tetap membutuhkan penalaran frontier.
Claude Sonnet 5 adalah model buatan Anthropic yang dirancang untuk tugas multimodal dan konteks panjang. Model ini mendukung hingga 1.000.000 token input—cukup untuk menangani seluruh basis kode,…
Claude Sonnet 5 unggul dalam tugas-tugas terkait kode, mulai dari membaca seluruh basis kode hingga menghasilkan algoritme yang kompleks. Dengan konteks 1M token, ia dapat menyerap banyak file dalam satu prompt, memahami dependensi lintas file, dan menghasilkan kode refaktor, penjelasan debug, atau pengujian unit. Ini mendukung bahasa populer seperti Python, JavaScript, Java, C++, Go, Rust, dan banyak lainnya, merespons dalam bahasa pilihan pengguna. Model ini juga dapat bernalar tentang jalur eksekusi kode, menemukan kesalahan logis, dan menyarankan optimisasi. Untuk tugas seperti menghasilkan REST API dari spesifikasi, mengonversi basis kode monolitik menjadi microservices, atau meninjau pull request dengan melihat semua file yang diubah sekaligus, Claude Sonnet 5 menyediakan solusi panggilan tunggal yang kuat. Skor OSWorld-Verified 81,2 menunjukkan kinerja yang kuat dalam tolok ukur tingkat sistem operasi, yang semakin mencerminkan kemahiran kode-dan-perintahnya.
Claude Sonnet 5 dapat menerima gambar sebagai masukan—baik yang diunggah langsung (sebagai base64 atau melalui URL) atau yang tertanam dalam dokumen—dan melakukan penalaran tentang kontennya. Ia dapat mendeskripsikan pemandangan, mengidentifikasi objek, membaca teks dari gambar, dan menjawab pertanyaan visual. Pemahaman gambar tidak terbatas pada foto statis; ia dapat memproses bagan, diagram, tangkapan layar, catatan tulisan tangan, dan bahkan bingkai video (jika disediakan sebagai gambar berurutan). Karena jendela konteksnya besar, banyak gambar dapat disertakan dalam satu prompt untuk tugas-tugas seperti perbandingan visual, analisis dokumen multi-halaman, atau mendeteksi perubahan pada serangkaian tangkapan layar. Model memperlakukan gambar sebagai bagian dari riwayat percakapan, sehingga dapat menggabungkan isyarat visual dengan instruksi teks. Perhatikan bahwa tokenisasi gambar menggunakan token secara proporsional dengan resolusi; OrcaRouter secara otomatis menangani pengkodean dan mengirim data dalam format yang diharapkan oleh Anthropic.
Meskipun Claude Sonnet 5 hemat biaya per token untuk kemampuannya, ada situasi di mana model yang lebih ringan mungkin lebih tepat. Untuk pembuatan teks sederhana—email pendek, posting media sosial, atau Tanya Jawab dasar—model yang lebih kecil dan lebih murah seperti Claude Haiku atau GPT-4o-mini dapat memberikan hasil yang memadai dengan biaya yang jauh lebih rendah. Demikian pula, jika alur kerja Anda melibatkan tugas yang sangat dapat diprediksi dan berkompleksitas rendah (misalnya, ekstraksi kata kunci, terjemahan tanpa nuansa), overhead dari model konteks besar tidak diperlukan. Untuk tugas visi yang hanya memerlukan OCR tanpa penalaran mendalam, API visi khusus mungkin lebih murah. Selain itu, jika konteks input Anda secara konsisten di bawah 32K token, Anda mungkin tidak memerlukan jendela 1M dan dapat menggunakan model dengan konteks lebih kecil tetapi harga per token lebih rendah. Selalu ukur biaya versus kualitas untuk kasus penggunaan spesifik Anda.
Claude Sonnet 5 unggul dalam skenario multimodal berkonteks tinggi di mana satu panggilan model harus memproses data besar atau campuran. Kasus penggunaan ideal meliputi: menganalisis seluruh repositori kode untuk celah keamanan, menghasilkan dokumentasi komprehensif dari sekumpulan dokumen desain dan tangkapan layar, peninjauan kontrak hukum di ratusan halaman, analisis laporan medis yang menggabungkan data pencitraan dan catatan klinis, serta asisten interaktif yang mempertahankan riwayat percakapan panjang (misalnya, jurnal, terapi, penelitian). Kemampuan penalarannya yang kuat juga membuatnya cocok untuk pemecahan masalah ilmiah, ekstraksi data kompleks dari PDF, dan membangun agen cerdas yang mengelola tugas multi-langkah dengan lampiran file. Untuk penulisan kreatif yang membutuhkan suara yang konsisten di banyak bab, batas keluaran yang besar membantu menghasilkan draf lengkap dalam satu kali proses. Ketika diakses melalui OrcaRouter, harga tanpa markup semakin menurunkan biaya untuk kasus penggunaan volume tinggi ini.
Claude Sonnet 5 mencapai skor 81.2 pada OSWorld-Verified, sebuah tolok ukur yang dirancang untuk mengukur kemampuan model dalam melakukan tugas-tugas sistem operasi—seperti operasi file, eksekusi perintah, multitasking, dan penggunaan baris perintah—menggunakan instruksi bahasa alami. Skor 81.2 menunjukkan bahwa model tersebut secara andal menafsirkan dan menjalankan berbagai macam perintah dan skenario tingkat OS. Hal ini relevan bagi pengembang yang membangun alat otomatisasi, pipeline DevOps berbantuan AI, dan aplikasi apa pun yang membutuhkan model untuk berfungsi sebagai asisten yang kompeten untuk interaksi sistem operasi. Tolok ukur ini menguji baik pembuatan skrip maupun kemampuan memahami konsep OS seperti jalur, izin, dan proses. Meskipun bukan proksi yang sempurna untuk kinerja dunia nyata, skor ini menunjukkan bahwa Claude Sonnet 5 termasuk di antara model-model dengan kinerja terbaik untuk eksekusi kode agen dan tugas tingkat sistem.
Kekuatan utama Claude Sonnet 5 adalah jendela konteks yang besar (1M token), batas output yang tinggi (128K token), penalaran multimodal yang kuat, dan kompetensi tingkat OS (81.2 OSWorld-Verified). Ia menangani dokumen panjang, basis kode kompleks, dan input campuran dengan koherensi tinggi. Namun, seperti semua model, ia memiliki keterbatasan. Konteks efektif mungkin mengalami penurunan performa di ujung jendela; Anthropic merekomendasikan untuk tetap di bawah ~900K token untuk hasil terbaik. Model mungkin kesulitan dengan referensi budaya yang sangat bernuansa, menghasilkan data faktual (dapat berhalusinasi angka), dan tugas yang memerlukan pengetahuan real-time di luar batas pelatihannya (Anthropic belum mengungkapkan batas pasti, tetapi sekitar awal tahun 2025). Kemampuan visi cukup baik tetapi belum menjadi yang terdepan untuk deteksi objek yang terperinci. Harga, meskipun tanpa markup, masih lebih tinggi daripada model yang lebih kecil. Latensi tipikal untuk model besar—respons bisa lebih lambat karena pemrosesan konteks yang besar.
Latensi untuk Claude Sonnet 5 sangat bergantung pada ukuran input dan panjang output. Dengan konteks 1M token, pemrosesan prompt awal dapat memakan waktu beberapa detik hingga menit, karena model harus memperhatikan seluruh jendela. Setelah pemrosesan dimulai, kecepatan generasi token biasanya berada dalam kisaran 20-40 token per detik (tergantung pada beban dan infrastruktur penyedia). Input yang lebih kecil (misalnya, beberapa ratus token) akan melihat latensi token pertama yang lebih cepat, seringkali di bawah satu detik. Streaming diaktifkan secara default melalui API OrcaRouter, memungkinkan Anda melihat token output saat dihasilkan. Untuk aplikasi yang sensitif terhadap latensi (misalnya, obrolan waktu nyata), Anda mungkin ingin menggunakan model yang lebih kecil atau memotong konteks. OrcaRouter tidak menambahkan latensi yang signifikan di luar API Anthropic sendiri—overheadnya dapat diabaikan karena ia menjembatani permintaan ke titik akhir Anthropic.
Anthropic belum merilis rangkaian tolok ukur komprehensif untuk Claude Sonnet 5 secara publik pada saat penulisan ini. Satu-satunya angka yang diberikan adalah 81,2 pada OSWorld-Verified. Untuk penalaran umum, model ini kemungkinan berkinerja sejalan dengan model Claude Sonnet lainnya pada tolok ukur NLP standar seperti MMLU, HumanEval, dan GSM8K, tetapi skor pastinya tidak tersedia dari penyedia. Dalam praktiknya, laporan awal pengguna menunjukkan kinerja yang kuat pada pembuatan kode, QA dokumen, dan tugas pengambilan konteks panjang. Kami menyarankan Anda menjalankan evaluasi sendiri terhadap kasus penggunaan spesifik Anda, karena tolok ukur bisa menyesatkan. OrcaRouter memungkinkan Anda menguji model dengan cepat melalui API-nya tanpa biaya awal—cukup atur id model ke "anthropic/claude-sonnet-5" dan mulai meminta untuk mengukur kinerja pada data Anda.
Claude Sonnet 5 di OrcaRouter ditagih sesuai tarif penyedia Anthropic tanpa markup: $2,00 per 1 juta token masukan dan $10,00 per 1 juta token keluaran. Token masukan dan keluaran dihitung sebagai token teks standar (gambar dan file ditokenisasi sesuai skema Anthropic). Tidak ada biaya tambahan untuk autentikasi, batas kecepatan, atau transfer data. OrcaRouter mengenakan biaya berdasarkan jumlah token mentah yang dilaporkan oleh Anthropic; ini mencakup prompt sistem, pesan pengguna, token gambar, dan respons yang dihasilkan. Penagihan berbasis pemakaian dan Anda hanya membayar sesuai yang Anda gunakan. Bagi pengguna berat, model transparan ini menghindari biaya kejutan. Tidak ada pengeluaran minimum atau kontrak yang diperlukan—Anda cukup menambahkan kredit atau mengatur penagihan di dasbor OrcaRouter, dan pemakaian Anda akan dipotong dengan tarif di atas.
Harga Claude Sonnet 5 ($2/$10 per 1M token) berada di antara model-model murah Anthropic (seperti Haiku seharga $0,25/$1,25) dan model premiumnya (seperti Claude Opus seharga $15/$75). Untuk tugas konteks panjang, biaya per juta token relatif rendah mengingat kapasitas 1M. Namun, jika Anda menggunakan seluruh jendela konteks, biaya absolut per kueri bisa bertambah—permintaan input penuh 1M token berharga $2,00 hanya untuk masukan. Bandingkan dengan menggunakan model konteks yang lebih kecil seperti GPT-4o-mini ($0,15/$0,60) untuk kueri pendek. Pertukarannya: Claude Sonnet 5 menawarkan kualitas penalaran yang lebih tinggi dan kapasitas yang lebih besar tetapi dengan harga per token yang lebih tinggi. Untuk tugas yang benar-benar membutuhkan konteks besar atau penalaran multimodal, model ini bisa lebih efisien daripada membagi pekerjaan ke beberapa panggilan API. Tanpa markup OrcaRouter memastikan Anda tidak membayar ekstra dengan biaya perantara, sehingga perbandingan langsung dengan penyedia lain.
OrcaRouter saat ini tidak menawarkan lapisan caching prompt terpisah untuk Claude Sonnet 5; semua token ditagih dengan tarif input standar. Meskipun API Anthropic sendiri mungkin mendukung caching prompt untuk beberapa model (mengurangi biaya untuk prefiks yang diulang), OrcaRouter mengirimkan token dengan harga yang sama tanpa mempedulikan pengulangan. Dalam praktiknya, jika Anda mengirim prompt sistem besar yang persis sama secara berulang, Anda tetap akan dikenakan biaya untuk token input setiap kali. Tidak ada diskon untuk konteks yang di-cache. Ini penting untuk dipertimbangkan jika alur kerja Anda melibatkan instruksi statis yang panjang—mungkin lebih hemat biaya untuk menjalankan model yang lebih kecil atau menggunakan arsitektur yang berbeda. Namun, markup nol OrcaRouter berarti Anda tidak membayar biaya tambahan; biaya tersebut murni harga yang tercantum dari Anthropic. Fitur caching di masa depan mungkin akan ditambahkan, tetapi saat ini, harga adalah per-panggilan berdasarkan jumlah token penuh.
Jika Anda mengirimkan input yang melebihi jendela konteks 1.000.000 token, OrcaRouter akan mengembalikan error (biasanya status 400 dengan pesan tentang panjang konteks). Model tidak akan memotong input; Anda harus mengelola jumlah token secara manual. Untuk output, jika model mencapai maksimal 128.000 token sebelum selesai, model akan berhenti menghasilkan dan mengembalikan finish_reason "length" (dalam respons API). Anda kemudian dapat melanjutkan percakapan dengan mengirimkan permintaan baru yang menyertakan output yang telah terakumulasi sebagai riwayat. OrcaRouter tidak secara otomatis mengulangi atau membagi permintaan Anda; adalah tanggung jawab Anda untuk tetap berada dalam batasan. Alat seperti tiktoken dapat membantu memperkirakan jumlah token untuk prompt Anda. Untuk input yang sangat panjang, pertimbangkan untuk memotong-motong (chunking) atau menggunakan pendekatan jendela geser (sliding window), meskipun konteks besar Claude Sonnet 5 sering kali menghilangkan kebutuhan akan chunking.
Untuk menggunakan Claude Sonnet 5 melalui OrcaRouter, atur base URL ke https://api.orcarouter.ai/v1 dan gunakan model ID "anthropic/claude-sonnet-5". API ini sepenuhnya kompatibel dengan format chat completions OpenAI, sehingga Anda dapat menggunakan pustaka klien OpenAI yang sudah ada. Contohnya, di Python dengan paket openai: atur api_key ke kunci OrcaRouter Anda, base_url ke endpoint OrcaRouter, dan model ke "anthropic/claude-sonnet-5". Anda dapat mengirim pesan dengan role, content (teks dan/atau bagian image_url untuk visi). Respons akan berisi field standar: id, object, choices, usage (prompt_tokens, completion_tokens). Streaming didukung dengan mengatur stream=True. OrcaRouter menangani autentikasi dan merutekan permintaan Anda ke backend Anthropic. Tidak diperlukan konfigurasi tambahan—cukup kunci API Anda dan identifier model yang benar.
Anda dapat menggunakan parameter standar yang kompatibel dengan OpenAI bersama OrcaRouter: messages (wajib), model (wajib, diatur ke "anthropic/claude-sonnet-5"), temperature (0-2, default 1), top_p (0-1, default 1), max_tokens (default 4096, hingga 128000), stop sequences (array string), frequency_penalty, presence_penalty (keduanya -2 hingga 2), dan stream (boolean). Selain itu, Anda dapat meneruskan parameter khusus Anthropic melalui field extra_headers—misalnya, anthropic-version untuk menentukan versi API. OrcaRouter secara otomatis menambahkan header Anthropic yang diperlukan. Untuk pesan multimodal, sertakan konten sebagai daftar bagian dengan tipe text atau image_url. Perhatikan bahwa model mendukung tools/functions (pemanggilan alat paralel). Respons mencakup finish_reason, statistik penggunaan, dan choices. Tidak ada parameter terpisah untuk ukuran jendela konteks; model secara inheren menggunakan kapasitas 1M-nya.
Migrasi sangat mudah karena OrcaRouter menyediakan API yang kompatibel dengan OpenAI. Jika Anda sudah menggunakan API OpenAI, cukup ubah base_url menjadi https://api.orcarouter.ai/v1 dan ubah parameter model menjadi "anthropic/claude-sonnet-5". Kode Anda yang ada untuk menyusun pesan, menangani streaming, dan mengurai respons akan tetap berfungsi tanpa perubahan—OrcaRouter mengembalikan respons standar yang sesuai dengan OpenAPI. Jika Anda menggunakan penyedia lain seperti API native Anthropic (yang menggunakan format berbeda), Anda mungkin perlu menyesuaikan skema pesan ke format OpenAI (peran: system, user, assistant). Dokumentasi OrcaRouter menyediakan panduan migrasi. Perbedaan utama: Claude Sonnet 5 mendukung pesan sistem, alat, dan bagian multimodal. Pastikan input Anda tidak melebihi batas token 1M. Mulailah dengan panggilan uji kecil untuk memastikan konektivitas dan memahami latensi sebelum melakukan penskalaan.
Claude Sonnet 5 meningkatkan pendahulunya terutama dalam ukuran jendela konteks (1M vs 200K token) dan batas keluaran (128K vs 8K), membuatnya jauh lebih cocok untuk analisis dokumen panjang dan basis kode. Ini juga memperkenalkan dukungan input file di samping teks dan gambar, sementara Sonnet 4 terbatas pada teks dan gambar. Tolok ukur antara keduanya tidak dipublikasikan secara langsung, tetapi skor OSWorld-Verified sebesar 81,2 untuk Sonnet 5 menunjukkan langkah maju yang signifikan dalam eksekusi tugas tingkat OS. Harga telah meningkat—biaya input Sonnet 4 adalah $3/M token, Sonnet 5 adalah $2/M—sehingga sebenarnya lebih murah per token input. Output adalah $10/M vs $15/M milik Sonnet 4, pengurangan sebesar 33%. Secara keseluruhan, Sonnet 5 menawarkan nilai yang lebih baik untuk sebagian besar kasus penggunaan, terutama yang memerlukan konteks besar. Namun, Sonnet 4 mungkin masih tersedia dan lebih murah untuk tugas-tugas pendek di mana konteks besar tidak diperlukan.
Claude Sonnet 5 dan GPT-4o milik OpenAI sama-sama merupakan model multimodal dengan penalaran yang kuat, tetapi mereka berbeda dalam jendela konteks (Sonnet 5: 1M token; GPT-4o: 128K token) dan batas output (Sonnet 5: 128K; GPT-4o: 16K). Sonnet 5 menawarkan kapasitas yang jauh lebih besar, membuatnya lebih baik untuk tugas-tugas seperti memproses seluruh basis kode atau buku yang panjang. GPT-4o memiliki latensi tipikal yang lebih cepat dan integrasi yang lebih luas dengan ekosistem OpenAI (plugin, DALL-E, dll.). Harga: GPT-4o berharga $2,50/$10 per 1M token (input/output), mirip dengan Sonnet 5. Keduanya mencapai skor penalaran yang tinggi, tetapi skor 81,2 OSWorld-Verified milik Sonnet 5 tidak dapat dibandingkan secara langsung dengan tolok ukur GPT-4o mana pun. Untuk otomatisasi tingkat OS, Sonnet 5 tampak lebih kuat. Untuk penulisan kreatif atau obrolan umum, GPT-4o mungkin sedikit lebih serbaguna karena data pelatihan dan penggunaan alatnya yang lebih luas. Pilihan tergantung pada kebutuhan konteks; melalui OrcaRouter, Anda dapat beralih di antara keduanya dengan mudah.
Gemini 1.5 Pro milik Google menawarkan konteks 1 juta token (setara dengan Sonnet 5) dan kemampuan multimodal, tetapi output Gemini terbatas pada 8 ribu token, jauh lebih sedikit dari 128 ribu token Sonnet 5. Harga Gemini adalah $3.50/$10.50 per 1 juta token (input/output), menjadikan Sonnet 5 sedikit lebih murah untuk input. Keduanya memiliki skor tinggi pada tolok ukur penalaran, tetapi skor OSWorld Sonnet 5 sebesar 81.2 menjadi pembeda utama—kinerja tingkat OS Gemini tidak ditekankan secara serupa. Gemini 1.5 Pro mendukung eksekusi kode asli dan dapat menghasilkan kode dengan eksekusi, sementara Sonnet 5 bergantung pada sandboxing eksternal. Untuk pembuatan teks murni dalam skala besar, batas output Sonnet 5 yang lebih tinggi merupakan keuntungan yang jelas. Kedua model mendukung lampiran file dan gambar. Kualitas pengambilan konteks panjang bersifat kompetitif; perbedaan kecil mungkin muncul di domain tertentu. Melalui OrcaRouter, Anda dapat membandingkan kedua model hanya dengan mengubah ID model.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| Input / 1M token | $2.00 |
| Output / 1M token | $10.00 |
| Baca cache / 1M | $0.200 |
| Tulis cache / 1M | $2.50 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
GET /api/public/models/anthropic/claude-sonnet-5Buka @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